- 综合排序
- 最热优先
- 最新优先
- 来自专栏VRPinea
加速创意落地，UE4用技术助力行业前景应用开发
虚幻引擎4（Unreal Engine 4，简称UE4) 是站在行业前端的开发引擎。VR、AR项目可以通过使用UE4来完善功能，提高效率。 在传统设计领域，构思和优化产品需要消耗大量时间，因此不少从业者开始投身于实时技术，UE4从游戏领域拓展到全行业，也为设计师们工作方式的转型提供了契机。 快速验证设计则可以帮助开发者及时发现问题以免影响落地的进程。 而UE4的设计验证不单单是停留在高效上，而是更深入更直观。 UE4对于传统设计行业的助力也预示着这个开发引擎将更广泛地应用于非游戏领域，获得更强的生命力。 ? UE4全面支持ARKit 和ARCore 实时技术与3D视觉化让产品展示可以突破传统媒介的限制。 VR/AR行业应用正在为用户体验带来质变。UE4一直致力于做更接近于照片级图像渲染的实时渲染引擎，因此在视觉体验和3D图像技术上，UE4处于行业领先。
1.2K110发布于 2018-05-18 - 来自专栏决策智能与机器学习
人工智能落地金融行业概况【2019】
落地情况 AI落地过程与算法模型的技术成熟过程相匹配，目前仍处在第一阶段和第二阶段，其中各个阶段的落地也是从简单环节替代人力逐步向整体替换过度： Step1：从简单场景的重复工作开始替代人的工作，如身份识别 Step3：是初级决策性工作替代，如风控、交易等 Step4：是高级决策性工作替代，如投研、投顾等 Final：将实现主动创造性工作替代。 落地方案 在各个业务的落地之中，智能技术目前以简单场景的分类识别能力为主，如语音、人脸、推荐等。下一步将在反欺诈识别和对话机器人（RPA）等复杂业务的分类识别方面有所作为。 由于技术门槛和行业门槛的限制，创业公司以提供第三方服务为主，逐步积累技术和用户。 在资管、证券、信贷、保险等方向的主要从业公司如图所示。 ? 报告下载：艾瑞咨询《2019年中国金融科技行业研究报告》PDF下载，公众号回复：20191215
60920发布于 2020-08-04 - 来自专栏嘉为动态
关于SRE在金融行业落地的探讨
本文我们就以Google经典运维体系理念——SRE为例，通过对SRE的主旨内容剖析，梳理SRE与运维开发之间的联系，同时通过典型SRE落地案例详解，与大家一同探讨SRE在金融行业的落地经验。01. 关键概念上，主要分为四个层面指标层：具体描述与SRE相关的指标标准层：SRE相关系列标准工具层：核心常用工具体系层：围绕SRE建立的流程制度与体系4）SRE岗位/团队的主要工作了解了SRE整个体系的工作方式与方法以后 SRE在金融行业落地探讨1）落地案例分析以国内某大型银行SRE实践为例，其SRE落地进程有以下几个重要关键点：① 确定SRE落地的核心理念：符合长期战略，改善运维手动、重复性工作，建立SRE团队提升运维价值 除此之外我们对众多企业SRE进程和落地实践也进行了详细的深入分析，包含农业银行、腾讯、美图等，如您感兴趣，欢迎点击了解详情！2）经验探讨① SRE是否适合在金融行业落地？ 如果说短期内企业并没有短期内进行容器化、分布式的建设规划的话，落地SRE是比较困难的。
1.2K10编辑于 2022-08-14 GEO 3.0全行业落地实操手册：破解4大核心难题避开1.02.0遗留陷阱
GEO 3.0全行业落地实操手册：破解4大核心难题，避开1.0/2.0遗留陷阱随着GEO 3.0时代的全面普及，越来越多企业从1.0老牌传统机构的落后模式、2.0的过渡模式，升级到3.0模型驱动优化体系 二、4大落地难题的针对性解决方案（可直接落地）结合第三方落地案例与远山思维学员实操经验，针对上述4大难题，给出“思维转变+工具使用+行业适配+合规防控”的全流程解决方案，兼顾实用性与可操作性，尤其适合从 三、不同行业GEO 3.0落地适配技巧（第三方实测总结）结合不同行业的特性，第三方总结出4大核心行业的3.0落地适配技巧，帮企业精准落地，避免走弯路，尤其适合从1.0老牌传统机构升级的企业：1. 4. 避坑：套用通用模板，不做行业适配；对策：结合行业需求，打造定制化优化方案，避免盲目跟风；4.
18310编辑于 2026-03-06行业应用落地版（面向企业 运营人员）
行业痛点：为什么聊天机器人成了 “刚需工具”？ 核心逻辑：企业怎么用聊天机器人落地？ 不用纠结复杂技术，4sapi.com教企业落地只需抓两个核心：选对 “能力底座”：用 OpenAI 的模型保证 “聊得通、聊得准”，避免机器人说 “废话”；借好 “稳定工具”：通过 New API 平台快速接入 三大行业落地案例（附实操方案）案例 1：电商行业 —— 售后客服机器人（降本 60%）企业痛点：某生鲜电商，售后咨询占客服总量的 70%（如 “水果坏了”“漏发商品”），人工处理 1 条需 5 分钟，高峰时用户等 案例 3：营销行业 —— 品牌互动机器人（转化提升 30%）企业痛点：某美妆品牌，线下活动吸引的用户，后续无法持续互动，转化率低（仅 5%）。
19420编辑于 2025-10-11企业GEO行业标准落地方法论+行业深度解析
落地框架：找战场（平台差异化选型）→做结构（内容Markdown化/技术Schema化）→强信源（A/B/C三级交叉验证）。 三、GEO+GEM落地方法论：双引擎与九字真言我们将GEO落地抽象为可复制的「双引擎×9字真言」框架。3.1双引擎定位GEO（防御基建）：让AI认识你、防幻觉、防截流。 Q4：GEO行业未来的合规趋势是什么？A：随着315曝光与监管介入，行业正从“技术投机”转向“合规基建”。 200+企业AI营销落地项目跟踪调研（脱敏处理）。 版本记录：v2.0/2026年4月发布/将随平台机制与产业演进定期更新。
1500编辑于 2026-04-15- 来自专栏IT创事记
新华三营建新生态，数字大脑行业落地
2019年，新华三发布了数字大脑计划, 并制定了数字大脑“4+N”的架构。 其中，“4”指新华三主导的智能数字平台，包括数字基础设施、业务能力平台、主动安全和统一运维；“N”代表众多行业的智慧应用，由新华三与百行百业的生态合作伙伴、专业厂商共同提供。 新华三集团副总裁、解决方案部总裁李立说，解决方案部的工作重点就是基于“4”，着力于联合“N”这端，把数字大脑计划付诸落地。 智能战略之于新华三的“4”，是让新华三自身的产品和解决方案更加智能；“N”，则是助力客户的业务和运营更加智能。 反过来，新华三也通过行业场景的聚焦，把行业的应用需求导入转换为对“4”（自身产品方案）的具体要求，并做最佳的适配。 数字化时代的到来，使很多行业的客户需求发生了变化。
50720编辑于 2022-06-28 - 来自专栏深度学习与python
多模态技术爆发元年，行业应用如何落地？
完整直播回放可查看：https://www.infoq.cn/video/mNVM5eqQsFsd0H4sZNrD 技术挑战 赵波： 前段时间 GPT-4O 文生图功能令人印象深刻， 从 CLIP 这些研究方向既涉及核心算法突破，也直接关系到技术落地的可行性。 行业落地应用 赵波：在提升多模态模型的效率（如降低计算成本、加速推理）方面，两位认为当前最值得关注的技术路径是什么？ 赵波：在技术落地的业务场景中，端侧算力限制是否为落地的关键瓶颈？如何平衡效果与速度？ 高欢： 从实际业务落地的角度来看，我们往往需要在模型效果和执行效率之间寻找平衡点。 虽然用户勉强接受了这种体验降级，但显然这种交互方式远非理想状态，这也促使行业普遍开始重视"first-token 延迟"的优化工作。 我相信，这种交互革命很快就会成为行业标配，而实现这一目标的关键就在于持续优化模型的响应速度。
73110编辑于 2025-04-26 - 来自专栏博文视点Broadview
来看看深度学习如何在文娱行业“落地”
2 文娱行业面临的画质问题 一方面，近两年《开国大典》《我的祖国》等高清修复内容多次刷屏全网，使老电影焕发新生机。 各个模块有不同的作用：超分辨率技术可以将原低分辨率视频扩展到4K；插帧算法可以提升帧率，有助于消除视频顿挫感，提升平滑度；HDR用于改善动态范围。 4 评估指标 对于算法恢复的视频和抽帧结果，首先采用PSNR（Peak Signal to Noise Ratio，图像的峰值信噪比）和VMAF（Video Multi-Method Assessment ▊《阿里云天池大赛赛题解析——深度学习篇》 天池平台 著 揭开人工智能算法的神秘面纱 透析大赛专业选手的解题思路 本书聚焦深度学习算法建模及相关技术，选取医疗、视频、工业三个非常有行业代表性的赛题：瑞金医院 本书从经典行业案例出发，内容由浅入深、层层递进，既可以作为专业开发者用书，也可以作为参赛选手的实战手册。 （京东满100减50，快快扫码抢购吧！）
49020编辑于 2023-04-19 - 来自专栏深度学习与python
HTAP 在快递行业助力时效分析的落地实践
企业级实践及开源之路》一书，该书集结了中国几乎所有主流基础软件企业的实践案例，由 28 位知名专家共同编写，系统剖析了基础软件发展趋势、四大基础软件（数据库、操作系统、编程语言与中间件）的领域难题与行业实践以及开源战略 4）多维度：技术方案支撑多维的灵活分析。 5 ）可用性要求高：要突破单机性能瓶颈、单点故障，缩短甚至消除故障恢复时间。 4）支持更多维度的业务分析，满足了更多业务分析的需求。 整体架构清晰，可维护性增强，相比之前的存储过程，升级 后整个架构体系非常清晰。 3. 大宽表建设 接下来给大家简单地介绍中通快递的大宽表建设情况，如 图 2-3-4 所示。 图 2-3-4 大宽表建设情况 1）目前宽表有 200 多个字段，至今还在继续增加。 4. 运维监控 TiDB 已经有很丰富的监控指标，它使用的是现在主流的 Prometheus + Grafana，监控指标非常多、非常全。
35710编辑于 2024-01-17 - 来自专栏资讯分享
携手AIIA，助推行业大模型安全高效落地
会上，腾讯云凭借在行业大模型落地等方面的能力积累及产业贡献，被AIIA授予“基础平台工作组副组长单位”以及“安全治理委员会副组长单位”。 来自人工智能领域的多位院士专家、行业领军学者、知名企业代表见证了这一时刻。当谈到当前AI基础平台的挑战时，硬件资源不足、服务不稳定以及软件易用性等问题成为了行业焦点。 这一方案不仅将文生文领域成本降低到原来的1/4，还增强了服务吞吐量，并在模型推理加速的过程中动态加载了不同的LoRA模型，显著降低了部署维护成本。政务领域需要大模型深入应用场景，更加专业、可靠。 在金融领域，腾讯云作为推动行业大模型发展的核心单位，联合信通院发布国内首个金融行业大模型标准，为金融行业智能化的高质量发展提供了重要支撑，为全面促进大模型安全合规和可信发展提供了重要保障；前不久，腾讯还联合信通院 未来，腾讯云也将协同产业伙伴，持续升级产品、技术能力，加速千行百业应用落地，助力更多实体实现高质量的数智化转型升级。
44010编辑于 2023-12-13 - 来自专栏AI SPPECH
57：Agentic在法律行业落地的垂直案例拆解
作者： HOS(安全风信子) 日期： 2026-04-20 主要来源平台： GitHub 摘要： 本文深入分析Agentic在法律行业的落地案例，包括法律合同审查Agentic的构建过程、变现路径和实战经验 Agentic在法律行业的应用场景 3.1 法律合同审查 3.2 法律咨询 3.3 法律研究 3.4 法律文书起草 4. 本文将深入分析Agentic在法律行业的落地案例，重点介绍法律合同审查Agentic的完整构建过程和变现路径，为法律行业的数字化转型提供参考。 2. 权利与义务 {rights_and_obligations} ## 4. 违约责任 {liability} ## 5. 争议解决 {dispute_resolution} ## 6. Agentic在法律行业的落地，不仅是技术的创新，更是法律服务模式的创新。通过科技与法律的结合，可以推动法律行业的发展，为社会提供更公平、更高效、更便捷的法律服务。
14910编辑于 2026-04-08 - 来自专栏机器之心
大模型进入「落地战」，腾讯云下手「行业」大模型
6 月 19 日，在主题明确的「行业大模型及智能应用技术峰会」上，腾讯首次公布腾讯云行业大模型进展，也让我们看到了腾讯对大模型在产业落地的思考。 正如每项落地的 AI 技术一样，作为使用者，企业首先清楚自身行业需求，然后将这些需求转化为大模型解决的课题，这其中不能一概而论，也是大模型最终能否为企业带来效益的先决条件。 大家在将更多时间和精力放在如何将大模型用下去，如何真正实现产业落地。 对于厂商而言，在推出行业大模型解决方案时，考虑更多的是把算力、技术要求这类高复杂事项留给自己，让企业少压力甚至无压力地部署应用。 从今天的这波发布中，我们就能够看到腾讯云对大模型技术发展前景的这种考量：聚焦推动大模型技术真正落地行业。 腾讯云，背靠腾讯优图实验室、腾讯 AI Lab 等顶级实验室的产品和技术能力，加上自身多年产业实践经验，提供了从底层算力、算法开发、AI 应用到全场景数智化的四级全链条服务，全力推动行业大模型落地。
1.1K40编辑于 2023-08-07 OpenTenBase 技术解读与实战体验：从架构到行业落地
面对金融、政府、医疗、电信等行业对高可用、高性能和兼容性的严苛要求，腾讯云 TDSQL 团队推出的 OpenTenBase，以企业级 HTAP（混合事务与分析处理）数据库的定位，成为业界瞩目的新星。 海量数据高并发：高扩展性实战过去在互联网行业，单机数据库常因容量、性能瓶颈频繁“爆表”。 多级容灾：关键业务的“护城河”在金融行业落地时，最看重的就是业务连续性。OpenTenBase 支持同城多活与跨地域容灾，自动切换、无缝恢复。 结语作为国产分布式 HTAP 数据库，OpenTenBase 不仅在架构和技术上走在前沿，更在兼容性、扩展性和高可用性方面为行业用户带来了实实在在的价值。
35310编辑于 2025-08-29- 来自专栏携程技术
干货 | 腾讯云智能语音行业落地探索与实践
现在腾讯云大数据与人工智能产品中心AI应用产品组担任高级产品经理，负责智能语音相关AI产品，拥有互联网、金融等行业人工智能落地的丰富经验。本文来自倪捷在“2018携程技术峰会”上的分享。 本文梳理了智能语音技术发展路线，行业现状以及其面临的挑战等相关情况，并详细阐述了语音技术的常见落地场景以及相应的一些优化。 四、腾讯云智能语音落地案例分享 腾讯云在智能语音方面已经有一些成功的落地方案，包括跟金融行业，故宫，亚朵酒店等的一些合作。 在此同时，跟亚朵酒店的合作中，利用“小微”智能音箱打造智慧酒店的行业智能解决方案。在酒店中，接入相关设备，他可以听得懂、看得见。 该方案已经在北京，深圳等城市落地和使用。 另外语音技术也可以应用在其他的场景中。
1.8K40发布于 2019-04-22 - 来自专栏AI人工智能
行业应用案例：MCP在不同垂直领域的落地实践
行业应用案例：MCP在不同垂直领域的落地实践摘要 Hello，我是摘星！ 在彩虹般绚烂的技术栈中，我是那个永不停歇的色彩收集者。 每一个优化都是我培育的花朵，每一个特性都是我放飞的蝴蝶。 作为一名专注于企业级AI解决方案的技术顾问，我有幸参与了多个行业的MCP落地项目，从传统制造业的智能化改造到金融服务的风险管控，从医疗健康的诊断辅助到教育培训的个性化学习。 本文将通过详细的案例分析，展示MCP在金融、医疗、制造、教育、零售、物流等主要垂直领域的落地实践，深入探讨各行业的应用特点、技术挑战、解决方案以及取得的业务成果，为正在考虑或即将实施MCP项目的企业提供有价值的参考和指导 金融服务行业1.1 应用场景概览金融行业作为数据密集型和监管严格的行业，对MCP的应用呈现出独特的特点：图1：金融行业MCP应用场景1.2 案例分析：某大型银行的智能风控系统项目背景：某国有大型银行需要构建新一代智能风控系统 通过对MCP在不同垂直领域落地实践的深入分析，我们可以清晰地看到这一协议标准在各行各业中展现出的巨大应用潜力和价值。
93820编辑于 2025-08-07 - 来自专栏猫头虎博客专区
猫头虎 分享AIGC在那些行业更容易落地？
摘要 AIGC（人工智能生成内容）正在各个行业掀起一股新的技术浪潮。从电商到教育，从医疗到媒体，AIGC都展现出了其独特的优势和广泛的应用前景。 本文将深入探讨AIGC在各个行业的应用，分析其优势和挑战，并分享一些实用的代码案例和操作技巧。 正文 AIGC在电商行业的应用 1.1 产品描述自动生成 在电商平台上，每一件商品都需要详细的描述来吸引顾客。 print(response) AIGC在教育行业的应用 3.1 自动批改作业 AIGC可以自动批改学生的作业，给出详细的评语和改进建议，减轻教师的工作负担。 小结 AIGC技术在各个行业的应用前景广阔，通过合理的应用，可以显著提升效率，降低成本，创造更多的商业价值。无论是电商、医疗还是教育，AIGC都展现出了强大的潜力。
28300编辑于 2024-05-26 数据标准落地难？4个步骤帮你解决！
4.标准的代码值与范围对于那些下拉框里的选项，必须明确所有可能的值。比如，“订单状态”只能是“01-待支付”、“02-已发货”、“03-已完成”。这样就不会出现“已完成”和“完结”并存的混乱场面。 5.清晰的管理责任必须明确这个标准由哪个业务部门负责解释和更新（业务负责人），以及由哪个技术团队负责在系统里落地（技术负责人）。6.相关的数据源指明这个标准所对应的权威数据来源是哪个业务系统。 四、落地之难：如何让标准不只是文档？但是这里有个坑是：很多团队的标准工作就止步于文档发布了。如何确保标准被真正执行？说实话，这需要管理和技术的双重保障，缺一不可。 五、来看一个具体的例子我们以“客户行业”这个常见字段为例，看一份可执行的标准：业务定义：根据国家统计局《国民经济行业分类》标准，客户企业所属的最细一级行业类别。 业务规则：必须从标准的行业分类代码中选择，不支持自由文本输入。数据格式：字符串，固定长度为4位（采用国标代码）。标准代码示例：‘C381’代表“电机制造”，‘I6510’代表“软件开发”。
29210编辑于 2025-12-08- 来自专栏大数据在线
不止于“算”，开放计算加速技术落地和行业赋能
有数据预测，到2025年，中国数据中心能耗总量约占全社会用电量4%，碳排放占比则接近2%，“能耗大户”的节能减排不容忽视。 因此，走绿色节能的可持续发展之路，成为中国数据中心未来发展的头号必答题。 ，实现上述子项目和物理接口之间的标准化，加速数据中心液冷技术的创新与落地。 ，实现通用服务器、高密度服务器、整机柜服务器、AI服务器等四大系列全线产品均支持冷板式液冷，建成亚洲最大液冷数据中心研发生产基地，打造全生命周期液冷数据中心整体解决方案在互联网、金融、教科研多领域应用落地等一系列实质性动作 因此，满足多元算力需求、推动各种新场景落地应用就至关重要。“融合、标准、精准将助力算力设施多元化升级，通过标准化+微定制，可以快速满足多计算场景的硬件精准化设计，提供高效、多元、多态的算力设施供给。” 事实上，开放计算相关技术向传统行业的数据中心延伸绝非易事，陈彦灵认为， “这是由于传统行业和互联网行业用户的应用模式和基础设施能力不同导致的。”
45920编辑于 2022-12-13 - 来自专栏EAWorld
数据资产管理之多行业实施落地方法论
目录： 1.数据资产实施领域现状以及演进发展 2.不同行业的数据资产实施路径和工具选择 3.数据资产之不同抓手的实施落地方法论 4.数据资产之实施价值体现参考 一、数据资产实施领域 现状以及演进发展 当前数字化时代已至 二、不同行业的数据资产 实施路径和工具选择 那么不同行业的数据资产管理都分别具有什么样的特点特色呢？体量不同、行业不同、组织架构不同的企业又该如何选择适合自己的实施抓手呢？ 不同行业的最佳实践，作为建设路径的参照 以下不同行业的数据资产实施实践，分别从建设策略、实施难点、实施优点、适用对象等4个维度出发，对应整体规划模式、业务分析集市模式、数据平台模式（DW/大数据平台/数据中台 在建设初期，应选择合适的落地切入点，通过“局部执行，快速见效”策略，以点带面，推动数据资产管理体系的逐步完善。 4. 发布资产报告：输出数据资产盘点成果、固定为标准，并执行落地。
1.1K20发布于 2021-07-29
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