- 综合排序
- 最热优先
- 最新优先
- 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”。
61510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。 用大模型升级数据资产管理与运营体系，构建领域认知中台 从爱数的经验来看，要推动领域认知智能的应用落地，一个关键的步骤就是通过构建领域认知中台，用大模型技术来提升业务和数据的理解能力，更好实现数据资产化和业务智能化 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。 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 在对5万多家客户的服务经验中，4SAPI总结出了一套API服务的“金字塔模型”：底座层（SLA保证）：已稳定运行1年以上，承诺永久运营。
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
88520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 结合人社部相关报告与 To B 场景落地数据，我国人工智能人才供需比例约为 1:10，其中掌握智能体构建、编排与业务落地能力的人才处于供需紧平衡状态，具备较强的职业议价空间。 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 ，为传媒、文创等行业提供智能体落地解决方案。
43310编辑于 2026-02-03- 来自专栏方丈的寺院
可落地的DDD(5)-战术设计
DDD系列文章断断续续也有十来篇了，主要是总结我们团队落地过程遇到的问题和解决方案，算是DDD从学习到落地实践的一个完整的闭环链路，希望对你有所启发。当然这个过程受益最大的肯定是我本人。 另外一个是面向解决域，即代码落地。 即使用一个规范能够反映对象之间的关系，即OO编程。 DDD是一种建模方法，是针对不同的业务领域的， 在不同的团队有不同的落地方案，是没办法靠一种框架来约束，来把一件不统一的事情来统一起来。 www.jdon.com/ddd.html 框架方面（个人觉得没啥用，参考看看） rafy框架：http://zgynhqf.github.io/Rafy/articles/%E9%A2%86%E5% 9F%9F%E5%AE%9E%E4%BD%93%E6%A1%86%E6%9E%B6.html jdon https://github.com/banq/jivejdon 一些相关的书籍pdf上传到百度网盘
1.4K30发布于 2019-08-05 5G视频客服落地指南
目录5G视频通话的背景企业如何开通IMS线路企业呼叫中心软硬件如何升级改造视频客服产品1. 5G视频通话的背景1.1 运营商支持5G视频通话的时间视频通话最早是在4G时代产生的，但当时没有大规模普及使用且不支持三大运营商的互联互通 当前在4G/5G网络都可以正常使用视频通话。原始消息来源，工信微报 ，关于IMS网络互联互通的解读。1.4 工信部政策支持工信部积极推动5G应用发展，要求运营商提升服务质量，并支持适老化改造。 部分行业（如银行、保险）已率先落地视频客服，例如通过“视频核验身份”等功能满足合规与效率需求，这与工信部推动的“数字化转型”方向一致。 1.5 视频客服的优势视频客服结合5G技术，能够高效解决客户问题，尤其适合老年用户。 通过开通IMS线路、升级软硬件设施，并部署我司视频客服系统，企业可以快速实现视频客服的落地，为客户提供更优质的服务体验。
1K00编辑于 2025-03-02- 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。 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
17710编辑于 2026-05-10- 来自专栏JFrog杰蛙DevOps
5步实现规模化的Kubernetes CICD 流水线
二、使用Artifactory和Helm的5步Kubernetes CI / CD流水线 在Platform9提供的方案中，JFrog Artifactory作为微服务的Docker注册表（或多个注册表 2.png 5步实现Kubernetes CI/CD流水线： · 步骤1.使用Artifactory中代理的注册表来开发微服务。 · 步骤5.使用Helm Chart将微服务从安全的Docker注册表部署到Kubernetes集群。 4.png 五、总结 通过上述Platform9推荐的解决方案来看，基于JFrog的Artifactory和Xray，结合Helm Chart，能够方便、快捷、清晰地搭建适用于规模化Kubernetes
2.6K30发布于 2019-12-23 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）。
41120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》
42710编辑于 2026-04-18- 来自专栏前端迷
Webpack5 新特性业务落地实战
本文作者：Wind、Skyler、ZRJ、ZJ 前言 Webpack5 在 2020 年 10 月 10 日正式发布，并且在过去的几个月中快速演进和迭代，截止 1 月 28 日，Webpack5 已经更新了 来承接整套构建体系，迁移时我们参考了 Webpack 官方提供的升级手册[2]，这里我们针对一些对我们的业务现阶段有实际价值的点（新特性基本都有实际收益），集成到了团队的构建流程中，通过实践验证并记录了我们在基建落地的过程中遇到的一些问题和解决方法 Webpack5：仅对有修改的文件失效 ? Webpack5：仅对有修改的文件失效 ? ? 当然，Webpack5 升级给项目带来的最终增益还远远不止上面提到的这些，我们还需要收集更多的数据来验证 Webpack5 的升级对运行时阶段带来的更深层次的性能收益，但就目前而言，Webpack5 的许多特性已经能让我们在开发阶段舒适许多
1.6K30发布于 2021-03-18 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，
35510编辑于 2025-12-17- 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。 5、信创化 全面适配国产的软硬件生态，支持国产芯片、操作系统、数据库。 1.3 监控平台发展路线 2016 客户开始探索Zabbix2.0LTS。 “ 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。 2.4.2 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。 (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。 整个切换过程用时 不足 10 分钟，实现了“平滑迁移”。
52810编辑于 2025-09-30 - 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。 得益于此，微众银行当前每一个账户的科技运维成本降至仅为3.5元/年，仅为国内其它银行的1/10，相比国际银行则更低，只有其成本的2%至5%。
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 并行同步（适用于有主键的表） 外表导出导入：通过外表映射到 MaxCompute，先导出再用 Flink 批模式同步（适用于无主键或超大表） 针对物流行业 "宽表" 特征（300-400 个字段，TPS 5 ，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- 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
该阶段主要参与方是国外的高科技企业，构建的方式是通过单个系统，解决单个问题； 第二，以4G、云计算为驱动，国家开始进行重点项目建设，智能化逐渐起步； 第三，以人工智能、大数据、5G等技术驱动，国家开始牵头 但同时，人工智能的落地应用也非常具有挑战性。 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。 小视科技作为新成长起来的AI公司，以AI普适化规模化应用于数字世界为目标，定位大AI作为我们的智能底座，做最辛苦的那部分活。同时以部分重点产业做大应用，整个战略新定义就是大AI+大应用。 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。
48310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. 技术先进性与高性能： 极致弹性：基于RDMA的去中心化模型分发优化，实现DeepSeek满血版在多节点扩容时3秒内完成权重分发，性能是友商的5倍。 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%。
94110编辑于 2026-02-03
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