- 综合排序
- 最热优先
- 最新优先
腾讯数据闭环平台概要
一、产品定位与核心亮点 技术定义：腾讯数据闭环平台是基于云服务、预标注大模型、多模态大模型、生成式大模型、海量数据集，赋能数据采集、存储、清洗、标注、生产、品控、检索闭环链路，服务于自动驾驶、空间计算等领域模型训练和调优的数据管理平台 核心亮点： 全自研数据闭环链路，覆盖自动驾驶数据管理全流程； 业内领先自动化标注及挖掘能力，集成多模态大模型提升效率； 核心引擎和工具助力快速实现自主可控，支持数据平台自主搭建。 标注成本降低（数据来源：腾讯自动驾驶静态真值生成工具链）。 成效：标注效率提升10倍，标注成本降低90%（数据来源：腾讯自动驾驶静态真值生成工具链）。 案例2：某OEM小巴车项目 背景：某OEM在小巴车静态建图真值标注中面临效率低、成本高问题。 成效：标注效率提升10倍，标注成本降低90%（数据来源：腾讯自动驾驶静态真值生成工具链）。
14110编辑于 2026-04-29腾讯数据闭环平台技术概要
一、产品定位与核心亮点 腾讯数据闭环平台是一个基于云服务、预标注大模型、多模态大模型和海量数据集构建的数据管理平台，服务于自动驾驶、空间计算等领域的模型训练与调优。 其核心差异化能力在于全自研的数据闭环链路和业内领先的自动化标注与挖掘技术，涵盖从数据采集、存储、清洗、标注、生产、品控到检索的全流程。 二、产品应用场景 平台主要面向智能驾驶研发团队，解决以下三个阶段的核心痛点： 起步阶段（0%→90%）： 数据需求量大（Data Hungry），人工标注效率低、成本高。 解决方案：利用HD Map母库重定位技术生成BEV标注数据。 成效：标注效率提升10倍，成本降低90%。 案例2：某OEM小巴车+地图母库项目 背景：类似上述需求，需快速实现标注自动化。 解决方案：通过云平台整合多源数据，自动化生成真值。 成效：达成高效标注与成本优化（具体指标同案例1）。 数据来源：腾讯自动驾驶团队技术文档与解决方案说明。
14610编辑于 2026-04-28- 来自专栏腾讯大数据的专栏
打造腾讯营销数据闭环，MTA联手腾讯广告平台
腾讯移动分析MTA作为业内领先的移动数据服务平台，以移动端数据为依托，以强大的数据分析能力与海量用户画像能力，致力于为开发者提供可靠、精细、有价值的数据服务。 现在，MTA已正式与腾讯系优质广告资源打通，为开发者在数据分析后的下一阶段——精细化触达，提供了方便、快捷的精细化运营实践道路，完善了开发者数据运营的数据闭环。 智赢销：腾讯品牌广告自助营销服务平台，整合腾讯系优质媒体资源，以合约制交易模式，为广告主提供品牌广告个性化、精确化、智能化的投放解决方案。 MTA把移动数据运营实践分为以下几个环节： ? 与腾讯系优质广告资源打通，补全了MTA运营数据分析实践的环节，让开发者能够深度分析、精细化实践，并监测实践结果，不断迭代，实现数据运营的闭环。 MTA如何通过数据分析帮助开发者进行用户触达？ 第二，MTA可以将种子用户群推送至腾讯系优质广告平台，通过腾讯系优质的广告资源，实现对用户的触达。
2.7K60发布于 2018-01-29 腾讯数据闭环平台：基于大模型的自动驾驶数据管理与提效解决方案
一、 产品定位与核心亮点 技术定义： 腾讯数据闭环平台是由腾讯云与智慧产业事业群（CSIG）研发，专为自动驾驶、空间计算等领域模型训练和调优打造的结构化数据管理平台。 该平台基于云服务、预标注大模型、多模态大模型及海量训练数据集（城市道路、园区、高速快速路、室内场地），全面赋能数据采集、存储、清洗、标注、生产、品控、检索的全生命周期闭环链路。 核心商业差异化卖点： 平台剥离了传统的纯人力数据处理模式，其核心在于全自研的闭环链路与先进大模型（激光+视觉4D动态标注大模型、多模态图文检索大模型）的深度集成。 荣誉背书 (注：原文档未展示具体的第三方商业奖项名称，核心背书由研发机构体现) 平台依托 腾讯自动驾驶 团队的业内领先自动化标注及挖掘能力，主打 全自研数据闭环链路，为车企打造高度自主可控的数据资产壁垒提供原厂技术背书 成效： 成功完成地图母库成果精准投影，高质高效产出 HD真值数据与BEV标注数据集。直接实现 10倍标注效率提升，并 90%标注成本降低。(数据来源：腾讯数据闭环平台产品介绍PPT)
30510编辑于 2026-04-28- 来自专栏大数据和云计算技术
管中窥豹：腾讯大数据平台
腾讯有中国最全的社交数据，面对一个数据金矿，腾讯不可能坐视不理，腾讯基于hadoop研究了自己的大数据平台，最大的一个集群规模超过5600台。 本文简单分析下腾讯的大数据平台的技术特点。 下面这个图是腾讯的技术架构图： ? 整个系统相对比较简单，主要有以下几大组件组成。 TDBank（Tencent Data Bank）：数据实时收集与分发平台。 TDW（Tencent distributed Data Warehouse）：腾讯分布式数据仓库。 整个数据平台业务上主要支撑的有精准推荐，实时多维分析，秒级监控，腾讯分析、信鸽等。 从互联网整个行业来看，腾讯在技术上相对来说并不开放，公开的资源较少，代码开源的就更少，所以能分析的资料非常少。
3.6K100发布于 2018-03-08 漏洞管理不再头疼：详解全流程闭环管理与腾讯云安全平台实践
本文将系统解析漏洞管理的标准化流程框架，并结合腾讯云安全中心等平台工具，帮助企业实现高效、自动化的安全运营。 根据Gartner提出的闭环管理框架，有效的漏洞管理需整合人员、流程与技术。那么，如何构建一个高效的漏洞管理流程？云上安全工具如何助力？本文将结合业界实践与腾讯云产品方案展开分析。 二、腾讯云安全服务平台：如何实现漏洞管理一体化？ 腾讯云的安全产品体系基于“全域安全”理念，将漏洞管理流程嵌入平台化工具中，显著提升运营效率。 合规与报告自动化：自动生成PDF安全报告，满足ISO 27001、SOC 2等合规要求，并支持日志审计溯源。 借助腾讯云安全中心等平台化工具，企业可将分散的安全能力整合为统一运营体系，实现从被动防御到主动治理的升级。
66810编辑于 2025-12-24- 来自专栏敏捷分析
腾讯数据平台 SaaS 化实践
本文将分享关于数据平台 SaaS 化和开放能力建设的一些思考和实践。 主要包括三大部分内容： 1. 数据平台 SaaS 化建设的机遇与挑战 2. 更好地满足定制化需求 3. 2. 尝试的解法：平台化+服务组件化 基于以上的思考判断，我们在尝试的一个解法就是通过平台化和服务组件化的形态来对外提供服务。 腾讯希望将灯塔平台做成公司最完整、最高效的数据分析工具。在这个分析平台上有数据分析、用户画像、数据可视化，也有数据驱动中工作流等一系列的组件。 目前就职于腾讯中台部门，探索大数据分析平台 SaaS 化建设及商业化路径。 让数据驱动为企业增长决策指引方向 灯塔是腾讯大数据平台倾力打造的“一站式敏捷分析”平台，借助大数据套件及各类型原子能力，为企业发展和增长提供：从“数据上报、接入，到自定义万亿级实时数据分析，再到数据行动
2.2K20编辑于 2023-03-30 《低代码平台的深层架构：从组件拖拽到数据闭环的逻辑》
例如，当表格因数据加载失败而处于错误状态时，下拉框应自动暂停触发新的刷新请求，避免连锁错误的发生。自定义组件的扩展生态，考验着平台在“开放”与“秩序”之间找到平衡点的智慧。 平台需要为自定义组件制定清晰的“行为规范”：明确组件在初始化时必须声明的元数据（如名称、版本、支持的配置项），规定数据输入输出的格式标准（如日期必须以ISO格式传递），限制可访问的系统资源（如禁止直接操作 数据存储层的设计，是低代码平台实现“业务驱动”的核心支撑，它的关键在于将数据库的技术逻辑转化为用户能理解的业务语言。 这种“润物无声”的权限控制，既保障了数据安全，又不干扰正常的创作流程。从配置到部署的全流程自动化，体现着低代码平台的工程化深度，它的价值在于让用户专注于“做什么”而非“怎么做”。 这个过程中，系统还需要处理各种边缘情况：如果应用包含自定义组件，需检查其与当前平台版本的兼容性；如果数据模型有变更，需自动执行数据库迁移且不丢失现有数据；如果部署环境网络不稳定，需支持断点续传与版本回滚
36100编辑于 2025-08-10- 来自专栏架构师专栏
AI评测平台建设与研发效能反馈闭环
引言：为什么需要AI评测平台2. AI评测平台整体架构3. 核心功能模块设计4. 研发效能反馈闭环机制5. 平台实施方案6. 效果评估与持续优化7. 总结与展望1. 一个好的评测平台应该告诉我们： 哪里做得好，哪里还需要改进 用户真实的使用体验如何 如何形成持续优化的闭环2. 研发效能反馈闭环机制4.1 闭环流程设计好的评测平台不只是”照镜子”，更要能”指路”。 平台实施方案5.1 分阶段建设计划第一阶段：基础建设（1-2个月）搭建核心架构实现基础评测功能完成CI/CD集成第二阶段：功能完善（2-3个月）增加多维度评测实现智能报告生成建立反馈机制第三阶段：智能化升级 数据驱动优化定期分析平台使用数据收集用户反馈和建议调整评测策略和算法 迭代升级每月功能更新季度大版本发布年度架构review7.
57210编辑于 2025-07-10 腾讯企点营销云：构建全域数据资产与MAaaS智能营销闭环
全场景触点互通： 微信生态深耕： 行业首家连通 视频号 与 企业微信 触点，支持直播预约、观看行为数据采集及小程序转化闭环。 案例 2：导购智能化分层运营 客户背景： 零售门店导购能力参差不齐，缺乏统一的运营标准。 （公众号、小程序、支付、朋友圈广告），形成完整的流量闭环。 外域扩展： 具备抖音私信等第三方平台打通能力，支持多场景互通及数据采集，非单一生态封闭系统。 数据安全： 依托腾讯云联邦数据安全技术，确保二方数据与品牌一方数据在安全合规的环境下进行融合计算。
63610编辑于 2026-02-02AI评测平台建设与研发效能反馈闭环
一个好的评测平台应该告诉我们： 哪里做得好，哪里还需要改进 用户真实的使用体验如何 如何形成持续优化的闭环 2. 研发效能反馈闭环机制 4.1 闭环流程设计 好的评测平台不只是"照镜子"，更要能"指路"。 平台实施方案 5.1 分阶段建设计划 第一阶段：基础建设（1-2个月） 搭建核心架构 实现基础评测功能 完成CI/CD集成 第二阶段：功能完善（2-3个月） 增加多维度评测 实现智能报告生成 建立反馈机制 6.2 持续优化策略 数据驱动优化 定期分析平台使用数据 收集用户反馈和建议 调整评测策略和算法 迭代升级 每月功能更新 季度大版本发布 年度架构review 7. ✨ 关键词: AI评测平台建设、研发效能反馈闭环、自动化测试、智能分析、持续优化 作者说明：本文旨在为AI团队提供评测平台建设的实用指南，如有疑问或建议
40720编辑于 2025-07-15- 来自专栏鸿的学习笔记
数据平台的那些事（2）
调度平台简述 数据平台中的地位 任务调度系统在数据平台中算是非常核心的组件了。 在日常的数据处理中，定时运行一些业务是很常见的事，比如定时从数据库将新增数据导入到数据平台，将数据平台处理后的数据导出到数据库或者是文件系统。 可以这么说，任务调度系统类似于军队的司令，指挥着数据平台上的各个组件的运行，时刻监督着任务的运行情况。 与资源调度系统的区别 在数据平台里，有着另一种调度系统，称为资源调度系统。 awesome-pipeline和https://github.com/meirwah/awesome-workflow-engines，国产的调度系统也有阿里的TBSchedule、Easy Scheduler、腾讯的 ，比如大数据开发平台的离线数仓报表处理业务，从数据采集，清洗，到各个层级的报表的汇总运算，到最后数据导出到外部业务系统，一个完整的业务流程，可能涉及到成百上千个相互交叉依赖关联的作业 因此DAG工作流类调度系统在数据平台中使用的更加广泛
83830发布于 2019-07-08 构建亿级用户实时互动平台，小鹅通借腾讯云TRTC实现业务全景闭环
平台需在零代码改造前提下，实现高并发支撑与快速迭代能力。 腾讯云音视频PaaS组合拳，破解多场景技术瓶颈 全球低延迟网络架构：基于RT-ONE™全球节点部署，通过TRTC实现跨平台全终端互通（支持iOS/Android/Windows/Mac/Electron TRTC三级架构，支持直播录制、拼接、转码自动化流水线，单集群可承载PB级存储需求 毫秒级延迟与成本双优化，用户时长翻倍增长 小班课场景端到端延迟降至70毫秒，学生签到响应速度从3-5秒提升至1-2秒 美颜特效功能使平台用户平均使用时长实现翻倍增长 全链路闭环方案降低研发成本，视频处理效率提升40%，支撑单日超万场直播活动 “腾讯云TRTC的毫秒级延迟能力让我们实现了真正意义上的实时互动教学 ，腾讯云提供从音视频采集、处理、传输到播放的全栈能力。
21210编辑于 2026-04-06- 来自专栏腾讯大数据的专栏
腾讯大数据平台质量保障之道
引言： 大数据时代，业界各巨头都在投入重兵打造自己的大数据平台，分析挖掘蕴藏在数据金矿中的价值。在腾讯，数平承建了公司级大数据平台，我们的测试团队也有幸一起搭上了大数据的航母。 TDW现网压测 TDW（Tencent distributed Data Warehouse）:腾讯分布式数据仓库。 TRC现网引流 TRC（Tencent Real-time Computing）：腾讯实时计算平台。做为海量数据处理的另一利器，专门为对时延敏感的业务提供海量数据实时处理服务。 目前，TRC日计算次数超过2万亿次，很多产品已经在实际使用TRC平台提供的实时数据处理服务。 更多大数据资讯，欢迎关注微信公众号“腾讯大数据”。
1.7K50发布于 2018-01-26 - 来自专栏腾讯大数据的专栏
腾讯大数据平台自治能力探索
这样的数据平台实质上是一个自动驾驶、自我保护和自我修复的自治型大数据平台。自治这种概念实际上已经被业界很多头部公司所认可，这也是我们腾讯下一代大数据平台目前在探索的方向之一。 今天的文章会聊一聊腾讯大数据平台在自治能力建设上的一些实践经验。 二、平台服务层 平台服务层包括：数据可视化平台、实时分析平台、离线巡检平台、算法决策平台及公共服务平台，这些能力很显然是依赖生长在腾讯大数据自身基础组件上的，其中： 1.数据可视化平台 提供时序类指标、 2.实时分析平台（基于腾讯Oceanus、Hermes及太极） 数据的预处理（实现数据过滤、按维度,周期聚合等）；规则引擎（支持支持判定、自定义复杂表达式、简单的波形判定、以及对OLAP、模型服务的实时调用 以上就是腾讯大数据平台大脑建设过程的回顾与总结，前文中也提到了，目前仍然有不少正在探索的能力，非常期望能有更多这方面的伙伴们来加入我们。 扫码关注 | 即刻了解腾讯大数据技术动态
1.9K60编辑于 2021-12-31 私有化部署数据分析平台：从数据链路、权限审计到业务闭环
对金融、零售、汽车、医药、集团型企业等高合规行业来说，用户行为数据、客户身份数据、订单数据、会员数据和运营触达数据，都可能进入核心数据资产范围。选型时需要同时看私有化要求和数据分析平台能力。1. 因此，适合私有化部署的数据分析平台，不能只是把系统装进企业环境，还要能围绕完整数据链路做管理。 以 GrowingIO 为例，其用户行为分析平台围绕数据采集、存储、加工和使用流程，帮助企业在可控环境中建设分析能力。2. 安全合规是否有支撑安全合规不能只看口头承诺，还要看公开评测和认证积累。 数据分析平台需要支持来源、路径、漏斗、留存、分群、归因、LTV 等分析场景，让业务团队能围绕用户行为定位问题。5. 分析结果是否能进入运营闭环数据分析的终点不是看板，而是行动。 按这个标准看，GrowingIO 具备安全合规能力、丰富项目经验和一站式分析运营平台产品，是企业私有化部署数据分析平台的首选。
9710编辑于 2026-05-15汤道生：腾讯以算力、模型、数据闭环助力汽车智能化
在TIMEDAY·腾讯智慧出行技术开放日上，腾讯集团高级执行副总裁汤道生指出，汽车智能化进入深水区，高性能算力、可迭代模型、精准数据闭环，是这场变革的底层要素。 腾讯云TI平台则为车企提供全栈AI开发服务，覆盖数据获取、处理、模型训练、评估、部署、应用全流程，在常见主流大模型之外，也支持智能驾驶等，特定领域的模型的训练精调。 目前，很多头部的自主品牌、新势力品牌、德系日系豪华品牌，都在使用腾讯TI平台。在销售获客方面，腾讯企点基于AI大模型能力，推出了“线索精益产品”。 博世中国就通过腾讯云，搭建了全流程合规的数据闭环，每天数百TB的数据从车端上传至云端，保障合规的同时，让数据流转更快、模型训练更好。此外，腾讯地图高质量的地图数据，也可以用于端到端算法训练。 长安汽车就采用了腾讯地图数据，支持模型研发，推动城市NOA（导航辅助驾驶系统）模型的训练和迭代。不久前，我们双方签署了深化合作协议，进一步推动数据共享，完善数据闭环。
69110编辑于 2025-04-27腾讯问卷制造业解决方案：无纸化调研与数据闭环实践
在人事选举、奖项评比及绩效测评中，传统层层上报模式导致数据汇总周期长，难以满足快速决策需求。 敏感数据的安全合规风险： 大型国企如中粮集团在数字化转型中，需通过中粮E+（企业微信）平台进行内部协同。 第二章：多场景问卷系统与企业级集成 针对制造业痛点，腾讯问卷提供SaaS与私有化部署两种模式，通过以下核心能力实现业务闭环： 深度企业系统集成： 支持与企业微信账号体系打通，直接调用组织架构进行问卷投放与消息催填 第三章：量化业务指标与降本增效 基于原文数据，腾讯问卷在制造业应用中实现了以下关键业务指标的提升： 调研回收效率： 针对五羊本田的用户偏好调研，实现3000份问卷在1天内完成回收，数据实时在后台进行统计与分析 案例二：中粮集团（私有化安全部署） 客户背景： 中粮集团以中粮E+企业微信为移动办公平台，需处理大量敏感的内部与客户数据。 第五章：技术积淀与平台能力 选择腾讯问卷的核心依据在于其技术成熟度与生态整合能力： 技术架构优势： 基于腾讯技术底座，平台具备高并发响应能力与高稳定服务，支持分层权限管理与分级数据统计，确保制造业复杂组织架构下的系统可用性
900编辑于 2026-05-29腾讯自动驾驶DMS方案：破解数据闭环难题，驱动研发效能提升
第一章：破解自动驾驶数据闭环共性瓶颈 自动驾驶数据闭环需完成“量产采集-场景还原-仿真测试-算法升级”全流程，但行业面临以下核心痛点（数据来源：腾讯智慧出行，2025.09 Tencent Intelligent Mobility）： 链路割裂：数据采集商、软硬件供应商、车厂、算法公司等多环节缺乏统一视野，无一体化平台融合全链路。 第二章：部署腾讯自动驾驶DMS一体化方案 腾讯提供自动驾驶DMS（数据管理系统）方案，基于腾讯地图、合规云、AI能力构建智驾数据处理平台，一站式覆盖数据接入、预处理、脱敏加密、挖掘、标注、管理、训练各环节 DMS核心能力： 平台：多源数据统一接入、加工、标准化、检索、开放，场景化分类管理路测/采集/标注/场景数据。 Intelligent Mobility）： 全链路整合：唯一覆盖“采集-处理-挖掘-标注-训练”全闭环的一体化平台，打破多环节割裂。
25610编辑于 2026-04-12构建全栈智能可观测闭环：腾讯云TCOP平台降低系统风险与运维成本指南
部署全链路智能观测与压测协同矩阵 针对上述瓶颈，腾讯云可观测平台（TCOP）构建了集指标（Metrics）、链路（Traces）、日志（Logs）、事件（Events）于一体的全栈智能解决方案，通过以下产品矩阵实现无缝接入与协同运维 托管 Grafana： 与腾讯云账号 SSO 整合，支持 VPC 私有网络隔离，预置多种数据源插件，实现免安装部署下的数据统一大盘监控。 锁定三大核心业务指标提升系统稳定性 通过部署 TCOP 平台矩阵，企业在系统稳定性、数据处理并发量及资源成本控制上实现了可量化的指标突破： 用户流失阻断与体验指标： 通过前端与终端监控的实时预警，平台有效前置防范了因页面加载延迟带来的业务折损 移动端深水区问题治理： 针对 App 常见的 OOM（内存溢出）等深水区异常，平台联动崩溃堆栈与各类日志数据，在符合国内数据隐私合规要求的前提下，为业务团队提供完整的异常问题现场还原，大幅缩短排障耗时。 依托自研调度技术确立最高级智能引领地位 腾讯云可观测平台基于内部海量业务多年的实战沉淀，在技术深度与系统健壮性上获得了国家级权威机构的量化认可，为企业提供极高确定性的底层支撑： 智能观测能力满级认证：
23910编辑于 2026-04-10
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号