- 综合排序
- 最热优先
- 最新优先
文远知行与腾讯云战略合作推动L4级Robotaxi规模化商业落地
自动驾驶商业化面临高精度地图与规模化部署挑战 自动驾驶行业面临高精度地图覆盖不足、动态环境更新延迟及跨平台服务接入复杂等核心瓶颈，导致L4级Robotaxi大规模商业化进程受阻。 0主动安全事故（安全性达人类驾驶5倍） 覆盖5个城市（含北京、广州等核心城市）的公开收费运营 超5年公众开放运营经验（截至2024年11月） Uber首次在美国以外地区上线Robotaxi服务（阿联酋落地 腾讯云技术领先性支撑全球化部署 腾讯云凭借云端地图更新与版本差分服务，支持文远知行18个月内完成博世ADAS方案量产落地。
13810编辑于 2026-04-20- 来自专栏深度学习与python
Agent规模化落地前夜，AI Infra的难题全都暴露了
InfoQ 特别邀请 IDC 高级研究经理张犁、智诊科技产品总监罗龙生、腾讯云异构计算高级产品经理黄阳，解析 AI Infra 的六大核心能力、Agent 规模化的结构性难题、AI Infra 价值闭环衡量标准 扫描二维码，获取腾讯云联合 IDC 发布的《AI Infra：加速智能体落地的基础架构发展趋势与产业实践》白皮书，了解更多行业知识。 重估 AI Infra 价值 随着 AI 应用进入规模化落地阶段，Agent 也逐步快速渗透到各个行业。 企业在评估 AI Infra 时，不再只关注芯片种类或资源规模，而是从性能优化、成本管控、运营效率、安全保障、应用落地等角度，全方面衡量其能力。 AI Infra 下一阶段的竞争逻辑 随着 Agent 在行业中加速落地，AI Infra 的竞争开始从“比技术”走向“比业务价值”。
61310编辑于 2025-11-26 - 来自专栏数据猿
以领域认知智能，推动大模型的规模化应用落地
特别是在各行各业的应用落地方面，大模型面临着精准度不够、与业务系统联动不足、数据安全担忧、算力成本居高不下等问题。这些问题直接影响了大模型在实际业务中的有效应用，限制了其在产业界的发展。 同时，爱数通过规范的数据治理和资产化，大模型一体机等方法，来提升数据治理能力、降低算力成本、有效解决数据安全问题，最终实现大模型在各行各业的规模化应用落地。 然而，大模型的规模化商用面临着显而易见的两大问题，即算力成本和数据安全。对此，爱数提出的AnyShare大模型一体机，或许是一种解决之道。 首先，AI算力成本无疑是大模型规模化商用的一大阻碍。 例如，一些高级的深度学习模型，例如OpenAI的GPT-4模型，其训练需要大量的计算资源和时间，这需要巨量的资金投入。在此背景下，如何有效降低大模型的算力成本，成为了业界亟待解决的问题。 这一切，使得大模型的规模化商用变得更为可能。 然后，数据安全问题也是大模型规模化商用的另一大挑战。大模型的训练和应用，都涉及到大量的数据，这其中包含了用户的个人信息、商业机密等各种敏感信息。
53420编辑于 2023-09-15 AI 规模化落地的“隐藏成本”：从架构视野审视 API 选型
AI规模化落地的“隐藏成本”：从架构视野审视API选型发布日期：2026年2月技术视角：SRE（可靠性工程）与TCO（总拥有成本）优化核心结论：稳定的基础设施能将研发效率提升40%，减少90%的生产事故 4SAPI的工程方案：通过部署数十台CN2线路服务器，4SAPI在物理层面上实现了与OpenAI、Claude核心节点的“近邻部署”。 通过4SAPI提供的兼容接口，我们可以轻松实现供应商无关（Provider-Agnostic）的代码结构。 v1")defgenerate_response(self,prompt,model="gpt-4o"):"""利用4SAPI的聚合能力，一键调用全球顶级模型"""try:#这里的接口完全兼容标准协议， 与其在深夜排查因为网络抖动导致的API失败，不如将系统构建在像4SAPI这样稳健的架构之上。现在就登录4SAPI，开启您的企业级AI接入之旅。
26310编辑于 2026-02-09- 来自专栏AI科技大本营的专栏
AI规模化落地，英特尔至强的七重助力
与为数不多的顶级AI研发公司相比，大多数传统行业或企业有着更丰富的 AI 应用场景，推动着规模化的AI应用落地，其AI应用更具有实践意义。 而且，解决企业 AI 规模化落地，需要充分利用以数据为中心的基础架构，考虑芯片处理器、核心算法和软件工具等平台解决方案的选择。 下面我们从7个方面，展开阐述英特尔如何从性能、数据预处理、可扩展性、内存、模型部署、大数据分析、跨平台部署应用等多方面实现优化和升级，全面支持企业AI的 规模化应用落地。 总结：英特尔架构和平台，AI应用落地之选 上面分析了AI应用落地时，开发者需要重点关注的七大维度——性能、数据预处理、可扩展性、内存、模型部署、大数据分析、跨平台部署应用，我们会发现，每一个维度都支持CPU
88420发布于 2019-08-20 智能体规模化落地阶段的 AI Agent 职业路径与能力建设
一、行业落地现状与长期趋势判断2026 年，"人工智能 +" 已从实验室概念进入各行业规模化落地阶段，智能体（AI Agent）成为企业数字化转型的核心载体之一。 从企业运营视角看，智能体的规模化应用正在重构职场核心命题：正如 NVIDIA 创始人黄仁勋所观察，未来企业的运营重心将从十万级人力规模管理，转向千万级智能体的编排与调度 —— 这并非工具层面的迭代，而是企业数字化运营模式的长期变革 职业教育体系已同步跟进这一趋势：2026 年教育部办公厅公布的职业教育拟招生专业中，新增 "智能体技术应用" 专业方向，标志着智能体人才培养从企业自发探索进入国家标准层面，将逐步形成标准化、规模化的供给体系 4. 行业解决方案 / 视觉设计背景：智能体行业落地专家这类人群的核心是将智能体能力与行业场景深度融合，实现商业价值转化。 ，为传媒、文创等行业提供智能体落地解决方案。
43010编辑于 2026-02-03- 来自专栏区块链大本营
BTA | 吴萌野：区块链中间件驱动应用生态规模化落地
谈到中间件，他希望通过中间件搭建连接互联网云服务和区块链智能合约的中间桥梁，推动区块链应用生态规模化落地。 ? 那么如何去推动区块链在商业应用上的落地？我们认为，区块链和互联网的云系统之间有一条很大的鸿沟需要去逾越。一定要有一套中间件的体系，填这个鸿沟，粘合现在的基础链和互联网的云服务。 行业链的落地实践 区块链对于行业链是有需求的，所有的基础链都需要抱行业的大腿，为啥呢，一个没有成熟应用的链，始终只是玩具和试验品。在这里就不点名了，我指的是在座所有的各位。 丝链是全行业商业组织间的DAO平台（新一代智能合约平台），由十几家全球贸易行业领袖机构联合发起，在全球最大行业—“国际贸易行业”首先落地，现有业务已覆盖1500万用户，近百亿美元的年交易额。 ?
1.6K60发布于 2018-05-11 - 来自专栏机器之心
寒武纪行歌王平：智能驾驶系统规模化落地面临多重挑战
第二个趋势，是受限场景下 L4 级别自动驾驶解决方案将会逐步实现落地，但是距离大规模量产还有很长路要走。第三个趋势是车路云的闭环协同，这将进一步推动驾乘体验持续的升级。 智能驾驶系统规模化落地面临多重挑战 智能驾驶系统规模化落地，面对多重的挑战。 针对 L4 级别智能驾驶市场的 SD5226 芯片。 当前面向 L4 级别的自动驾驶域控制器都采用了 2 颗甚至 4 颗 SoC 的解决方案， 带来了系统复杂、板级带宽受限、功耗超标、量产周期长等风险和挑战。 第三，我们希望半导体企业的兄弟企业能够在制造端早日实现车规级的制造和封装的本土落地。 最后让我们共同努力，推动智能驾驶芯片这个行业健康的发展。
60520编辑于 2022-03-31 腾讯云以全栈技术方案破解具身智能规模化落地难题
行业面临数据、模型与交付三重瓶颈 具身智能从实验室走向商业化面临核心挑战：数据采集成本高、真机采集效率低；大模型训练算力消耗巨大，复杂场景泛化能力不足；硬件异构性强，部署运维复杂，对实时性要求极高。效
17510编辑于 2026-05-10教育AI智能体落地实践：腾讯云技术赋能规模化因材施教
生态共创能力：联合探索教育前沿场景，连接优质生态伙伴，推动“规模化因材施教”愿景落地（数据来源：浙江小虫科技有限公司，腾讯全球数字生态大会）。
41020编辑于 2026-04-13腾讯云企业级智能体产业落地：从场景试点到规模化应用
来源：腾讯全球数字生态大会《企业级智能体产业落地研究报告》
41510编辑于 2026-04-18- 来自专栏Zabbix中国官方
【案例分享】Zabbix平台在金融行业的规模化落地与智能化探索
3、规模化 采用分布式高可用架构，支撑百万的指标体系。 4、智能化 随着大模型的广泛的应用，把大模型也引入到监控平台，后文会给出智能化运维场景的案例。 “ 二、规模化架构方案 2.1 架构设计 2.1.1 总体架构 架构是落地的核心，我们以Zabbix作为监控引擎外加日志和链路数据，构建了一个可观测体系的运维监控平台。 2.2 纳管规模 监控节点3万+，监控项400万+，触发器300万+，整体NVPS4万以上。 2.4.2 Agent 智能适配 在实际落地中，被监控对象的系统版本繁多，涵盖不同内核和架构，若为每个版本单独维护Zabbix Agent包，容易造成管理混乱。 (4) 切换 IP：通过修改 IP 指向方式，将监控代理快速切换到新Zabbix7.0平台。 (5) 数据验证：迁移后使用几十条 SQL 脚本进行全量比对，验证数据的一致性和准确性。
52810编辑于 2025-09-30 教育智能体：规模化落地驱动K12数字化转型新范式
核心突破点包括：●智能体矩阵：集成课件生成、资源搜索、教学设计等9类Agent，支持教师一键生成跨学科教案●多模态交互：AI学伴支持双模式答疑（直答/启发式），错题本动态推荐精准练习资源量化成效：从单点验证到省级规模化复制 ●管理能效提升：金华实验学校落地放学管理平台后，家长扫码签到实现100%无纸化，班级状态感知效率提升3倍，获CCTV《朝闻天下》专题报道●生态覆盖规模：累计服务32个省份、1400+区县、17万所学校， 200MB超大文档（行业普遍≤100MB）●Text2SQL引擎：万行级表格查询SQL执行准确率超80%，解决教育数据报表跨表检索痛点●多Agent协同：工作流节点支持灵活回退，湖州“湖小问”智能体实现4小时在线响应闭环通过腾讯
35510编辑于 2025-12-17- 来自专栏腾讯云数据库(TencentDB)
金融机构核心系统落地实现规模化复制
他表示，国产数据库即将进入规模化阶段，未来五年，腾讯云数据库即将助力1000家金融机构实现核心系统数据库国产化。同时宣布，腾讯云TDSQL即将推出免费版。
1K120发布于 2021-11-11 菜鸟物流的 数据引擎：Apache Doris 从 0 到万核的规模化落地之路
从 2023 年的小范围验证到如今 25 + 集群、上万核规模的全面应用，Doris 在菜鸟完成了一次教科书级别的 OLAP 数据库规模化落地。 二、从验证到规模化：Doris 在菜鸟的 "两步走" 落地法 菜鸟对 Doris 的落地采取了 "稳扎稳打" 的策略 —— 不急于求成，而是通过核心场景验证、大规模迁移两个阶段，逐步完成从 0 到万核的跨越 测试结果令人惊喜： 点查场景：单表主键查询 QPS 达 1000-2000，响应时间 100-200ms 复杂查询：多表 Join 聚合在 1 秒内返回，极端场景也能控制在 4-5 秒 成本与性能：相比原有方案 ，成本降低 90%，平均响应时间减少 72% 2023 年双 11，这个仅 300 多 CU 的小集群成功通过大促考验，为后续规模化推广奠定了基础。 ，结合资源组隔离提升抗风险能力 智能运维：在现有平台基础上引入 AI 能力，实现故障预测与自动调优 结语：数据引擎的 "进化之道" 从 300CU 的小集群到上万核的规模化应用，Doris 在菜鸟的落地之路
65010编辑于 2025-08-18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。 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”。权威数据源：CRM系统。
31210编辑于 2025-12-08- 来自专栏AI掘金志
小视科技段伟芝：2+3+2，AI规模化落地的必经之路
在段伟芝看来，从驱动因素看，我国智慧城市建设经历了4个阶段： 第一，行业应用进行驱动。 但同时，人工智能的落地应用也非常具有挑战性。 第二，以4G、云计算为驱动，国家开始进行重点项目建设，我们开始推动智能化在中国的发展。 基于这两个基因，整个人工智能的落地必然有三个前提条件。 我们从2-3个案例的落地，可以全部实现50种算法的全栈开发。
48210编辑于 2021-12-24 企业级智能体产业落地研究报告：从场景试点到规模化应用实践**
第一章：报告基础信息 报告标题：企业级智能体产业落地研究报告：从场景试点到规模化应用实践 发布机构：腾讯云 | 腾讯研究院 | Gartner 发布时间：2025年 行业标签：金融,零售,文旅,教育,医疗 本报告针对企业在落地过程中面临的算力成本（训练/迭代资源高消耗）、模型幻觉及数据孤岛等核心挑战，构建了包含5个层级的能力分级体系与4大象限的场景罗盘，旨在为企业提供从场景试点到规模化应用的可执行路线图， 真正的L4（专业骨干）需具备环境感知与自主决策能力，而L5（领导者）将实现多智能体协同与组织领导功能。 2. 场景落地四大象限与策略 高效助手（低复杂度/低自主性）：如企业行政问答，价值在于降低SSC成本，适合作为首选切入点。 广泛的行业落地验证： 已在14个行业落地100+标杆场景。 DHL案例：将人工维护的知识条数从900条下降至119条，机器人解决率提升至74%。
93610编辑于 2026-02-03- 来自专栏PaddlePaddle
百度文心大模型驱动AI规模化应用，落地场景数量居业内首位
4月16日，2021百度认知AI创意赛“AI创意派”决赛正式举行，这是业内首次将先进的AI大模型能力开放给公众使用，实现了大模型在激发创意、落地应用上的突破。 通过本次创意赛，挖掘了多支具备开发和创意双重实力的参赛队伍，丰富了大模型落地的想象空间。 除了技术上的不断创新，文心大模型作为“产业级”大模型，驱动AI规模化落地应用是其核心价值。 截至目前，文心大模型已支持数百家企业与机构，开发者数量超过6万，已在数百个场景中落地应用，产业应用数量居业界首位。 除了AI创意派的决赛活动，4月16日上午，百度还举办了首场文心大模型技术开放日，文心大模型背后的“技术天团”首次集中亮相，百度技术委员会主席吴华，百度计算机视觉首席科学家王井东，百度飞桨总架构师于佃海，
93020编辑于 2022-04-19 - 来自专栏腾讯云智能·AI公有云
携手巨人网络，腾讯云“大模型+语音”方案引爆游戏AI原生玩法规模化落地
前不久，腾讯云与巨人网络通过两次深度探索，以自身实践推动了AI原生游戏玩法的规模化落地。 腾讯云与巨人网络的两次携手实践，清晰地勾勒出一条从技术验证到规模化落地的路径。其价值远不止于两款游戏的成功，更在于为整个互动娱乐产业提供了可复制的AI原生解决方案。
70310编辑于 2026-01-30
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