- 综合排序
- 最热优先
- 最新优先
- 来自专栏破局燎：AI写作与内容自动化实战
3-10 人的团队买 AI 助手，先别急着按人头配个人版
3-10人的团队买AI助手，先别急着按人头配个人版前阵子一个开工作室的朋友找我，说团队5个人要上AI助手，是不是每人开个99的月卡就够了。我让他先别下单。 不是99不划算，是他这个买法，大概率买完之后变成5个孤岛：每个人各自用各自的，额度有人浪费有人不够，账号密码各管一套，老板想知道"团队到底用AI干了多少活"，答案是没有答案。 信号二：你在意"团队到底用AI干了什么"。一旦你开始想这个问题，说明你需要用量管控和审计，个人版给不了。信号三：人要进出。有离职、有新人、有外部协作，账号管理成本马上上来。SSO在这一天就值回差价。 企业版支持把"我们这边周报怎么写、素材怎么归档"做成团队共享的技能和专家，新人直接调用——这部分恰恰是AI采购里最值得花时间的投入。 写在最后选AI工具和选人的逻辑有点像：先看你们现在到底卡在哪，再决定买什么档。5个孤岛版的"省"，往往贵过1个共享池的"贵"——前者省的是看得见的月费，后者省的是看不见的重复劳动和管控成本。
14210编辑于 2026-09-10 AI原生开发范式
AI原生开发范式的核心概念 AI原生开发范式（AI-Native Development）指以AI为核心构建应用程序的设计方法，其特点包括数据驱动、模型即服务（MaaS）、自动化工作流和持续学习。 与传统开发相比，AI原生应用将机器学习模型作为基础组件，而非附加功能。 典型行业案例分析 金融领域-智能风控系统 某银行采用AI原生架构重构信贷审批流程，实现实时风险评估。 医疗领域-影像辅助诊断 一家医疗科技公司开发AI原生影像分析平台，整合多种医学影像模型（CT、MRI）。 model.predict(input_data) r.setex(key, CACHE_TTL, pickle.dumps(result)) return result 效能评估指标 AI 原生系统需监控多维指标： 模型指标：AUC-ROC、F1 Score、推理延迟 系统指标：QPS、错误率、资源利用率 业务指标：转化率、用户留存、ROI 监控看板应包含实时数据和历史趋势对比，设置自动告警阈值
50010编辑于 2026-01-20中国 CRM 从“+AI” 走到 “AI原生”
国内 B2B CRM 正从"外挂 AI 辅助功能"向AI 原生架构（AI-Native CRM）演进。 当各家CRM厂商纷纷打出"真原生，非外挂""Agentic CRM""智能体平台"的旗号，CIO最该问的不是"你们有没有AI"，而是——你们的AI 是 CRM 原生内置的大脑，还是点缀功能的挂件？ 3.0 Agentic CRM（AI原生智能）：AI驱动的智能型CRM，具备自主决策与行动能力，通过交互、数据、能力、可信四层落地，实现智能化客户运营。 二、AI 原生 CRM 的核心特征 产品架构 纷享销客 采用数据底座层、AgentOS内核层和Agent服务层三层自上而下一体化原生架构，实现能协同工作、会持续进化的核心能力。 原生CRM市场，核心价值不在于AI技术的炫技式展示，而在于将AI能力以可治理、可追溯、可持续进化的方式嵌入CRM业务全链路。
27110编辑于 2026-07-31AI原生组织（AI-Native Organization）
AI原生组织深度研究报告研究主题：AI原生组织（AI-NativeOrganization）概念、特征、构建路径与全球案例研究时间：2026年5月18日研究深度：⭐⭐⭐⭐⭐（深度研究）组织设计逻辑的根本翻转传统是 "业务先行、AI补丁"，原生是"AI即底座"。 很多公司卡在这里，历史数据包袱太重一个现实的观察目前真正做到AI原生的公司还很少，大多是"AI+"的改良版。 核心难点不在技术，而在组织权力的重新分配——当AI能做出比中层更准的决策时，原来的管理层怎么自处？一、概念定义1.1什么是AI原生组织？ *|深度融合|业务流程与AI深度整合，数据闭环|初步AI原生||**L5**|AI原生|组织架构建立在AI之上，智能演化|真正的AI原生组织|###4.2转型核心步骤Step1:顶层设计├──设立CAIO
3.1K10编辑于 2026-05-18如何构建AI原生应用？从大模型到知识中台，从数据到规则逻辑。AI原生=模型原生+知识原生+价值原生
今天继续聊AI和大模型方面的话题。即什么是AI原生，如何构建一个真正意义上的AI原生系统？ 对于这个问题，我们先看下AI大模型自己给出的答案。 AI原生必须是土生土长的，系统一开始构建就原生在系统里面的能力，而不是已有系统后简单嫁接或集成AI大模型能力。那些把传统IT系统改造集成AI大模型能力后叫AI原生是相当错误的说法。 AI原生-大模型原生+知识原生+价值原生 一个系统能够称之为叫AI原生系统呢？这里面核心的一个关键就是整个系统核心的能力是架构在底层的AI大模型和底层的知识层上面的。 你如果满足这么一个条件，那你们做一个系统就可以叫做AI原生系统。 我原来谈AI原生的时候谈到过，AI原生核心是知识原生，为何你当前企业有数据库数据，有资料文档，不能快速的构建AI原生应用？ 注意这个说法只解决了AI原生应用的大模型原生问题，并没有解决知识原生的问题。如果按这个说法所有的AI智能体应用都是AI原生应用，但是我的理解，AI原生应用的核心重点应该是在知识原生上面。
1.2K20编辑于 2025-11-17- 来自专栏深圳架构师同盟
从数字化到AI原生，到底什么是AI原生？
最近一年被问得最多的一个问题是：什么是AI原生？很多企业说自己要做AI原生，我问他们打算怎么做，答案往往是"我们准备上一个大模型，把系统都接上AI能力"。 所以我一直说，那些把传统IT系统改造集成AI大模型能力后叫AI原生是相当错误的说法。你给一个跑了十年的ERP加个AI知识库、加个智能报表、加个图像识别，这叫AI赋能或AI集成，不叫AI原生。 三、AI原生的真实分界线：模型原生 + 知识原生 + 价值原生我认为一个系统要称得上AI原生，得同时满足三件事：AI原生 = 大模型原生 + 知识原生 + 价值原生。 这个才是构建AI原生企业的关键。回到最开始那个问题：从数字化到AI原生，到底什么是AI原生？ （AI原生=模型原生+知识原生+价值原生）》《在AI时代，如何去构建AI智能原生企业？》
5510编辑于 2026-10-05 - 来自专栏阿泽的学习笔记
云原生与AI漫谈
对于系统开发人员来说（比如云数据库，云 AI 平台），云原生的趋势也会产生相应的影响。 具体的例子比如我们可以通过用户的数据查询看到经常使用的过滤维度，来重新安排数据的排序和分区，这样在同样的数据量情况下，系统可以花更少的计算资源来完成查询，增加系统的利润 :) 云原生+AI 最后再来看下跟 AI 相关的部分。 而前面讲的“云原生语言”，则更关注在程序具体执行层面的关注点分离。 把两者结合起来看，云原生时代的 AI 平台开发会是一片巨大的未开垦之地，对于云和算法各自都有很宽很长的路可以走。 目前云原生跟 AI 结合的一个比较好的学习样例是 Kubeflow，之前春节期间读了一本《Kubeflow for Machine Learning[3]》，感觉收获还是挺多的，如Istio，CRD的应用等
1.1K30发布于 2021-07-06 - 来自专栏cwl_Java
C++编程之美-结构之法(代码清单3-10)
代码清单3-10 class Queue { public: Type MaxValue(Type x, Type y) { if(x > y)
30240编辑于 2022-11-30 - 来自专栏腾讯专有云
从云原生演进到云原生 AI：TCS AI infra解决方案
导读： AI 浪潮席卷而来，算力争夺白热化，模型迭代日新月异，云原生为AI业务创新提供强大动力。 需求变革：从"云原生"到"云原生 AI"的范式转移 云原生为AI业务创新提供强大动力，已成为企业数字化转型的共识。 CNCF 在 2024 年发布首份《云原生 AI 白皮书》，正式确立“云原生 AI（CNAI）”这一范式：用云原生原则构建和部署 AI 应用，在资源效率与开发部署效率上双向赋能。 云原生 AI 平台正经历如下三段演进： TCS AI Infra 破局之道 TCS AI Infra 面向私有化企业级 AI 落地需求，打造一站式云原生 AI 解决方案，整体以六大核心能力为核心支撑： ” 到 “云原生 AI” 的平滑演进。
40800编辑于 2026-07-10 腾讯云AI大模型全信创解决方案：驱动证券期货业数智升级
融合，通过统一集群（云原生数据湖+AI）、统一元数据（多模态统一治理）、统一开发（DataOps+MLOps+LLMOps一体化）解决割裂问题（来源：信创大数据章节）； 信创数据库：实现LLM能力下沉至 DB，支持全链路向量检索、AI原生SQL语法、NL2SQL交互，减少应用层链路调用（来源：信创数据库章节）； 信创操作系统（TencentOS Server AI）：AI原生OS通过qGPU虚拟化（ 内核态劫持，故障隔离强，支持容器共享）提升GPU利用率3-10倍，及TACO-LLM训推加速框架优化模型性能（来源：信创操作系统章节）； 信创AI平台（TCADP）：提供智能体低代码开发、RAG Workflow 第三章 量化应用成效与客户价值 方案落地实现三大核心指标突破（数据严格基于原文）： GPU利用率提升3-10倍：通过qGPU虚拟化（内核态劫持设计，支持训练推理在离线混部、故障显存算力强隔离），打破 /Remote GPU，提升利用率3-10倍（来源：信创操作系统章节）； TACO加速框架：TACO Train（训练加速）、TACO Infer（推理加速）、TACO-LLM（训推加速）覆盖智算全周期
50310编辑于 2026-05-01- 来自专栏架构师北京同盟
AI藤壶：满身AI不等于AI原生
我们把这种现象称为“AI 藤壶”。 虽然应用AI 越来越多，但并不意味着企业越来越“AI 原生”。 在我们近期开展的企业 AI 应用调研中，约69%的受访组织已经形成正式或初步的 AI 战略，约56%已经进入多场景推广及以上阶段，但明确表示 AI 已进入业务系统或标准流程的企业只有约17%。 我把“AI藤壶”这个观点交给 AI，它给了我这样一幅图： 我们把这戏称为“AI 藤壶（AI Barnacle）”。 因此，企业最自然的选择往往是：组织不动，继续加 AI。 问题也就出在这里。企业规划 AI 时，不能一直问“这里能不能加一个 AI？”，而应该开始问“有了 AI，这里还有没有必要存在？” 真正的 AI 转型，不是让旧组织的每一个角落都长出 AI，而是借助 AI 重新设计组织。 否则，企业得到的可能不是一个 AI 原生组织，而是一艘长满 AI 藤壶的旧船。
16521编辑于 2026-09-09 - 来自专栏AI机器学习与深度学习算法
机器学习入门 3-10 Numpy中的比较和Fancy Indexing
如果我们想索引向量中 "第4,6,9 个元素"，上面的索引和切片操作显然不能满足我们的需求。比较直观的想法是直接将三个位置的元素索引出来，然后再存储到一个新的向量中。
1.1K20编辑于 2022-11-08 - 来自专栏蟋蟀得不像专家派
如何构建 AI 原生技术团队
如何构建AI原生产研团队：我们花了一年，才搞懂这句话 别人还在讨论"AI要不要用"，我们已经把AI变成了团队的肌肉记忆。 工具只是皮，真正的AI原生团队，是从组织基因层面被重构的。 今天不讲虚的，就讲我们这一年干了什么，怎么干的，效果怎么样。 一、撕掉标签：什么叫"AI原生"？ 大部分人理解的AI原生 = AI用得很熟。 我们理解的AI原生 = AI已经渗透到组织的毛细血管里。 事实就是：同样的团队规模、同样的业务复杂度，AI 原生团队和非 AI 原生团队的产出差距已经拉开了 40% 以上。 这个差距只会越来越大。 标签：#AI原生产研#AICoding#团队管理#技术管理#数字化转型
52310编辑于 2026-05-26 - 来自专栏devops_k8s
Go Protobuf(比xml小3-10倍, 快20-100倍)
此外，XML 是人类可读的和人类可编辑的;protocol buffers，至少它们的原生格式，并不具有这样的特点。XML 在某种程度上也是自我描述的。
2.6K50发布于 2021-04-13 企业AI战略的演变：从AI就绪到AI原生(AI Native)
也是催生企业AI应用走向“AI原生” 那么什么是"AI原生"企业？他有什么核心特征呢？又有什么价值呢？下面我们一起来看看。 首先，"AI原生"(AI Native)是将AI融入企业全业务场景，重新定义产品功能、流程与价值。 3 "AI原生"企业的价值创造 "AI原生"企业通过重构业务流程和价值链条，创造多重价值： 效率提升：自动化重复性工作，释放人力从事更高价值活动 体验升级：提供高度个性化的用户体验，提升客户满意度 创新加速 "到"AI原生"的根本性转变。 AI原生将AI深度融入企业业务流程与组织文化，采用科学的方法、适合的工具、成熟的基础设施，合面拥抱AI原生，才能在智能经济的新时代中赢得未来。真正释放AI的价值，开创智能经济的新篇章。
40610编辑于 2026-07-01- 来自专栏数据猿
从+AI到AI+，我们离AI原生还有多远？
可真正接入后，却发现不是这么回事，企业应用AI的实际场景十分复杂，简单的接AI无法真正提高效率。同时，目前AI本身也存在着幻觉频发等问题，如果AI不是一剂见效的灵丹妙药，我们又该如何看待它？ 在企业接入AI的场景中，目前大部分企业以“+AI”为主，运用AI优化自己本身的业务模式，这是量变；“AI+”则是未来以AI本身作为驱动的更高阶状态，属于质变。 将人不具备或不够好的能力借助AI、智能体等快速补足，这里涉及到+AI与AI+的问题。 过去我们靠工程师来绘图，用+AI的思维，我们可能会让AI提供设计思路或设计参考，工程师来完成绘制；如果站在全新的AI+场景，AI是不是可以直接完成这个任务，把需求提交给AI，直接通过AI完成文生设计，将大大降低人的负荷 东海大学教授、前沿数智创新研究院院长周忠信在创想会上提到：Because AI, Become AI.第一个AI是人工智能，第二个AI是augmented intelligence。
27210编辑于 2025-10-21 AI原生云建设与加速指南
第一章：报告基础信息 报告标题：AI原生云建设与加速指南 发布机构：腾讯云计算（北京）有限责任公司 发布时间：未明确标注 行业标签：通用SaaS,技术服务 产品标签：#异构计算 #高性能计算集群HCC 年超过80%的企业将在生产环境中采用生成式AI。 报告旨在解析从Cloud for AI向AI Native Cloud转型的技术要求，为企业在AI原生时代构建全栈能力云平台提供架构指南。 第三章：报告目录 背景 从Cloud for AI到AI Native Cloud，云平台能力要求对比 新型AI云平台需要解决的挑战 为AI加速而生，腾讯云（AI Native Cloud）平台架构能力全景解析 全栈能力：从基础设施（HCC集群、EdgeOne边缘平台）到应用层（数智人、智能客服），提供端到端AI原生云解决方案，支持公有云、专属云、本地化多态部署。
32610编辑于 2026-05-30- 来自专栏《Cloud Studio》
AI 原生时代新质软件研发
在 CSDN 1024 程序员节技术英雄会全体大会上，腾讯云开发者产品中心总经理刘毅进行了《AI 原生时代的新质软件开发》的主题演讲。 腾讯云也在程序员节上推出 AI 原生云时代超级“码”力工具箱，为开发者提供低门槛、高效率、支持多模态的系列开发工具，助力软件开发“增质提效”。 腾讯云“超级码力工具箱” 对外开放 推动软件开发“提质增效”，腾讯云今年还举办了 “TechoDay AI 原生云开发工具峰会”，推出 AI 原生云时代超级“码”力工具箱，为开发者提供低门槛的云开发、高效率的 在会上，多位腾讯云产品专家对外分享了上述产品的应用与实践，同时发布了“腾讯云 AI 代码助手产品推荐官计划”，邀请各位开发者体验腾讯云 AI 代码助手，一起拥抱 AI 时代，助力 AI 全自动开发+部署 在10月26日的“超级码工厂- AI 编程大赛”上，腾讯云 AI 代码助手也将亮相，助力开发者们发挥想象力，用 AI 代码助手快速搭建AI应用，见证 AI 原生时代的超级「码」力。
99100编辑于 2025-02-12 这才是“AI原生数据库”
今天不聊虚头巴脑的, AI 原生数据库, 到底长啥样? 我给来给做个“素描”, 保证你能看懂. 众所舟知, 数据库是用来存业务数据的, 随着AI的出现, 就出现了AI4DB, DB4AI的说法. AI4DB通俗的说是用AI来赋能DB, 例如text2sql, AI优化器, AI数据库SQL优化、诊断等. DB4AI 的话就是用DB来做AI agent的记忆存储, 或者外部知识库, 通常要求数据库的语义搜索、图、关键词搜索、全文检索、标量检索、混合搜索、reranking等能力. 别被忽悠, 这些根本不是 AI 原生数据库! 还有给数据库包个小龙虾就自称AI原生数据库的，我只能说呵呵哒！ 什么才是真正的AI原生数据库?
21710编辑于 2026-07-10AI原生时代的超级【码】力
第一章：报告基础信息 • 报告标题：AI原生时代的超级【码】力 • 发布机构：腾讯云 • 发布时间：2024年（基于“腾讯云工具指南|07”及2024 Gartner报告引用推断） • 行业标签：电商, • 中国信通院调查显示，75.86% 的企业已在软件开发阶段应用AI技术，AI正在全面覆盖代码生成、补全、缺陷检测等软件工程全生命周期环节。 • 本报告旨在介绍腾讯云“超级码力工具箱”，通过低门槛的云开发、高效率的HAI、增质量的AI代码助手及多模态检索的向量数据库，解决AI原生开发中的具体痛点，助力软件开发的“增质提效”。 第三章：报告目录 01 趋势洞察：AI原生时代，AI助力新质软件开发 开发者如何与代码大模型共存? 场景实践：AI原生开发场景的具体痛点及解法 用腾讯云开发生成及运营商小程序 用高性能应用服务HAI 3分钟部署超级AI应用环境 用AI代码助手为编码场景“增质” 用腾讯云向量数据库实现RAG增强 04
27910编辑于 2026-05-30
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