- 综合排序
- 最热优先
- 最新优先
- 来自专栏腾讯云TVP
别再追捧AI概念，来看腾讯AI商业化实践
AI技术商业化的代表是什么？它们是如何跨越的这道鸿沟？产学研一体化将给AI商业化带来怎样的助力？未来AI领域可能的商业化风口是什么？一切问题的答案，都在本次TVP技术闭门里。 AI商业化元年，始于2017年 从2016年AlphaGo的成功开始，人工智能关键词再次焕发了勃勃生机。 而在国内市场，以腾讯云为代表的云厂商也在将自己的AI技术集成到云服务上，并将旗下AI实验室中的研究成果推向业界。 计算机视觉、AI语音语义，是目前AI商业化的典型代表。 为什么这两个典型技术在商业化探索上走在了前头？它们在从概念到落地的过程中是怎样跨越的鸿沟？在未来，AI技术还有哪些商业化的可能方向？这是本届TVP AI技术闭门会想要与业界一起探讨的问题。 计算机视觉技术作为AI领域的宠儿，也已走过了技术的快速发展期，商业化落地是各个玩家思考的重点。
93930编辑于 2023-03-30 - 来自专栏腾讯云TVP
别再追捧AI概念，来看腾讯AI商业化实践
AI技术商业化的代表是什么？它们是如何跨越的这道鸿沟？产学研一体化将给AI商业化带来怎样的助力？未来AI领域可能的商业化风口是什么？一切问题的答案，都在本次TVP技术闭门里。 AI商业化元年，始于2017年 从2016年AlphaGo的成功开始，人工智能关键词再次焕发了勃勃生机。 而在国内市场，以腾讯云为代表的云厂商也在将自己的AI技术集成到云服务上，并将旗下AI实验室中的研究成果推向业界。 计算机视觉、AI语音语义，是目前AI商业化的典型代表。 为什么这两个典型技术在商业化探索上走在了前头？它们在从概念到落地的过程中是怎样跨越的鸿沟？在未来，AI技术还有哪些商业化的可能方向？这是本届TVP AI技术闭门会想要与业界一起探讨的问题。 计算机视觉技术作为AI领域的宠儿，也已走过了技术的快速发展期，商业化落地是各个玩家思考的重点。
1.6K1023发布于 2020-08-21 - 来自专栏AI机器学习与深度学习算法
学习分类 2-3 感知机
要如何求出权重向量呢？基本做法和回归时相同，将权重向量用作参数，创建更新表达式来更新参数。这就需要一个被称为感知机的模型。
68010编辑于 2022-11-08 - 来自专栏人工智能cv应用
原创 | AI商业化的迷思与选择
在资本泡沫、技术泡沫、商业泡沫逐个被击破的时候，如何让人工智能技术真正商业化落地，成为众多AI公司2019年最大的课题。 1.jpg 尽管有资本市场的投入和政策的支持，技术的发展瓶颈和产业链的不完善使得AI的商业化落地不如预期。 对于AI公司来说，找到切实际的需求是商业化进程的首要战略任务。 //AI商业化的破局 在AI创业的路上，视觉公司们对于技术、需求、行业的看法都逐渐趋于一致，但对于如何打破商业化的瓶颈，大家给出了不同答案。 在各种模式下，AI公司的运营侧重点和适合的客群也明显不同，尤其在商业化部分。
1K20发布于 2019-04-25 - 来自专栏算法无遗策
动画 | 什么是2-3树？
2-3树正是一种绝对平衡的树，任意节点到它所有的叶子节点的深度都是相等的。 2-3树的数字代表一个节点有2到3个子树。它也满足二分搜索树的基本性质，但它不属于二分搜索树。 2-3树查找元素 2-3树的查找类似二分搜索树的查找，根据元素的大小来决定查找的方向。 动画：2-3树插入 2-3树删除元素 2-3树删除元素相对比较复杂，删除元素也和插入元素一样先进行命中查找，查找成功才进行删除操作。 2-3树为满二叉树时，删除叶子节点 2-3树满二叉树的情况下，删除叶子节点是比较简单的。 动画：2-3树删除 -----END---
1.1K10发布于 2020-01-02 - 来自专栏我是攻城师
什么是2-3树
2-3树 VS 二叉搜索树 同样的一组数据，在2-3树和二叉搜索树里面的对比如下： ? 可以看到2-3树的节点分布非常均匀，且叶子节点的高度一致，并且如果这里即使是AVL树，那么树的高度也比2-3树高，而高度的降低则可以提升增删改的效率。 2-3树的插入 为了保持平衡性，2-3树的插入如果破坏了平衡性，那么树本身会产生分裂和合并，然后调整结构以维持平衡性，这一点和AVL树为了保持平衡而产生的节点旋转的作用一样，2-3树的插入分裂有几种情况如下 2-3树的删除 2-3树节点的删除也会破坏平衡性，同样树本身也会产生分裂和合并，如下： ? 总结 本篇文章，主要介绍了2-3树相关的知识，2-3树，2-3-4树以及B树都不是二叉树，但与二叉树的大致特点是类似的，它们是一种平衡的多路查找树，节点的孩子个数可以允许多于2个，虽然高度降低了，但编码相对复杂
2.4K20发布于 2019-04-28 AI软件商业化面临的三重挑战
AI应用面临商业化难题软件供应商急于将AI功能货币化却面临风险：可能抬高客户成本却无法兑现减少人力投入等承诺。某咨询机构最新报告探讨了SaaS供应商应如何穿越AI炒作迷雾，将AI能力成功整合至产品中。 效益难以量化仅30%软件企业能提供客户部署后的可量化投资回报多数客户发现AI增加IT成本却无法通过降低人力成本抵消典型企业全客服栈AI化可能导致价格飙升60%-80%某大型企业高管坦言：“所有智能助手都应提升效率 定价机制不透明复杂定价模式使客户难以预测AI成本随用量增长缺乏可预测的定价结构定价模式转型报告建议软件企业重构AI时代的定价策略：传统按用户月费模式不会完全消失，但需融入基于用量的计费混合模式渐成主流： 市场推广困境试用策略失效多数SaaS企业通过免费试用促进采纳但某研究机构发现许多企业AI投入回报为零采购决策转移采购权从IT部门转向业务部门，领导者需要在人力投资与AI部署间权衡，更关注价值而非功能。 但AI企业仍需收回巨额投资，形成商业化矛盾。
41410编辑于 2025-10-24- 来自专栏刷题笔记
2-3 链表拼接 (20 分)
本文链接：https://blog.csdn.net/shiliang97/article/details/101050371 2-3 链表拼接 (20 分) 本题要求实现一个合并两个有序链表的简单函数
75140发布于 2019-11-08 - 来自专栏XINDOO的专栏
从豆包收费看 AI 商业化的必然逻辑
放眼全球：国外的AI早就不是免费的了 如果你觉得"AI收费"很突兀，那是因为我们一直在国内市场的免费惯性里待太久了。把目光放到全球，AI商业化早已是板上钉钉的共识。 ChatGPT：从免费到四档个人版定价体系 OpenAI是AI商业化的开路先锋，它在2023年初推出ChatGPT Plus（$20/月）时，国内很多人还在争论"AI应不应该收费"。 DeepSeek 走的不是"AI 商业化"路线，而是"用极致降本延缓商业化压力"的路线——它并不是没有成本，而是通过极致降本显著推迟了算力成本对商业模式的反噬，让它有更大的空间用低价甚至免费抢占市场。 这条规律决定了AI商业化必然是分层的，不可能一刀切。 按量付费vs订阅制 既然要付费了，但为什么是订阅制而不是按量付费？ 你只需要在 2-3 个免费产品里轮换，遇到限额就换一个，基本不会有体验损失。 第二类：中度用户（每天都在用，AI 已经成为工作流的一部分）。
28110编辑于 2026-06-21 - 来自专栏python3
2-3 选项卡控件
2-3 选项卡控件 u本节学习目标： n了解选项卡控件的基本属性 n掌握如何设置选项卡控件的属性 n掌握统计页面选项卡控件页面基本信息 n掌握选项卡控件的功能操作控制 2-3-1 简介 在 Windows 一般选项卡在Windows操作系统中的表现样式如图2-3所示。 ? 图2-3 图片框控件的属性及方法 2-3-2 选项卡控件的基本属性 图片框控件是使用频度最高的控件，主要用以显示窗体文本信息。 其基本的属性和方法定义如表2-3所示： 属性 说明 MultiLine 指定是否可以显示多行选项卡。如果可以显示多行选项卡，该值应为 True，否则为 False。 使用这个集合可以添加和删除TabPage对象 表2-3 选项卡控件的属性 2-3-3 选项卡控件实践操作 1．
2.3K10发布于 2020-01-07 - 来自专栏python3
2-3 T-SQL函数
2-3 T-SQL函数 学习系统函数、行集函数和Ranking函数；重点掌握字符串函数、日期时间函数和数学函数的使用参数以及使用技巧 重点掌握用户定义的标量函数以及自定义函数的执行方法 掌握用户定义的内嵌表值函数以及与用户定义的标量函数的主要区别 我们首先运行一段SQL查询：select tno,name , salary From teacher，查询后的基本结构如图2-3所示。我们看见，分别有三位教师的薪水是一样高的。 图2-3 薪酬排序基本情况 图2-4 row_number函数排序 图2-5 row_number另一使用 我们可以使用Row_number函数来实现查询表中指定范围的记录，一般将其应用到Web应用程序的分页功能上
2.2K10发布于 2020-01-08 - 来自专栏量子位
吴恩达：我的AI商业化方法论
我和企业CEO们交流的时候，他们经常会问三个问题： 1）如何招聘AI人才、建立AI团队？ 2）如何挑选项目？怎样决定该把AI用在哪些地方？ 3）怎样把AI和公司策略结合起来？ 在Landing.ai和各个公司合作的过程中，从这些问题里，我学习总结了一套AI商业化方法论： 1）招聘AI人才，建立AI团队 ? 这个环节，也可以说是组织架构调整的三步走策略。 首先，借助外部资源开展AI项目；然后，用外部资源逐渐培养内部AI团队，最终得到一支能为内部各个业务部门服务的AI团队。 AI赋能政府 AI带来的一个挑战是会有人因被AI替代而失业，这会给政府造成巨大的问题。 AI赋能大学 AI人才缺乏现象很普遍，核心问题之一，就是对AI教育需求巨大，供给不足。 人工智能缓解教育资源稀缺 即便是在斯坦福，拥有世界上最好的AI教授，AI教学师资也不够。
65261发布于 2018-09-29 - 来自专栏AI Coding
Token：AI时代伟大的创新，也是商业化的妥协
Token：AI时代伟大的创新，也是商业化的妥协很多人谈AI时，会把注意力放在参数量、模型能力、推理水平上，但我越来越觉得，token机制本身，才是这轮AI革命里最关键、也最容易被低估的发明之一。 我们今天在使用AI时感受到的很多“断裂感”，本质上都和这件事有关。所以我现在的看法是：token机制既是AI普及史上的重大创新，也是AI商业化过程中的现实折中。 它让更多人用上了AI，也让AI天生背负了一种“不连续”的结构性代价。而未来AI产品真正要竞争的，不只是模型本身，更是谁能用更多机制，把这种不连续尽可能弥补回来。 它像集装箱标准化改变全球贸易一样，给AI提供了一个统一的工业化接口。智能第一次不再只是概念，而是可以被规模化传输、调用和交易的能力。二、为什么它又是一种商业化的妥协但伟大，不代表没有代价。 这可能才是最值得重视的一点：token让AI变得便宜、可用、普及，也让AI变得碎片化、预算化、阶段化。它成就了今天的AI，也定义了今天AI的局限。
39110编辑于 2026-05-02 - 来自专栏机器学习入门
算法原理系列：2-3查找树
结构缘由 首先，搞清楚2-3查找树为什么会出来，它要解决什么样的问题？假设我们对它的基本已经有所了解了。先给它来个简单的定义： 2-3查找树： 一种保持有序结构的查找树。 而2-3树就是为了规避上述问题而设计发明出来的模型。现在请思考该如何设计它呢？ 这里我们从BST遇到的实际问题出发，提出设计指标，再去思考利用些潜在的性质来构建2-3树。 这部分内容，没有什么理论根据，而是我自己尝试去抓些字典的性质来构建，而2-3树的诞生过程并非真的如此，所以仅供参考。 构建2-3树 字典的两个主要操作为：查找和插入。 我就不卖关子了，直接给出2-3树的其中一个基本定义： 一棵2-3查找树或为一颗空树，或由以下节点组成： 2-节点：含有一个键和两条链接，左链接指向的2-3树中的键都小于该节点，右链接指向的2-3树中的键都大于该节点 3-节点：含有两个键和三条链接，左链接指向的2-3树中的键都小于该节点，中链接指向的2-3树中的键都位于该节点的两个键之间，右链接指向的2-3树中的键都大于该节点。 ！！！
1.2K20发布于 2019-05-26 - 来自专栏腾讯大讲堂的专栏
浅谈AIGC商业化
本篇文章试图从产品经理的角度，系统地讲述下AIGC的技术和商业化现状，谈谈对未来发展前景的展望。 这两者目前的技术现状、商业化落地形态都不太一样，本篇文章将主要介绍文本生文领域的情况。 二、商业化现状 既然预训练大模型这么厉害，目前商业化进展到哪一步了？ 要回答这个问题，先要了解下预训练大模型的特点，从技术自身出发，才能推导出因此可能造就的产业形态。 从已经验证的实际效果来看，对于大多数场景都可以不用训练、或者只需要几千或几万条数据简单finetune就能得到可以商业化落地的效果。 总之，在文生文领域，虽然目前的商业化落地尚不成熟，存在着多种多样的困难。
1.4K50编辑于 2023-03-08 - 来自专栏AI科技评论
智谱 AI 狂飙：与商业化博弈的一年
大模型商业化路线图正在逐渐清晰。 作者丨张进 编辑丨陈彩娴 “这一年时间过得太快了。” 2023 年 12 月 AI 科技评论在搜狐网络大厦见到智谱AI COO 张帆时，张帆如是说。 在 AI 科技评论看来，智谱商业化更快的原因主要有二，一是实力，二是洞识。 2023 年 10 月，在与 AI 科技评论探讨大模型开源与商业化时，智谱AI CEO 张鹏脱口而出：“谁说创业公司不能赚钱？” 但也由于过去 AI 落地中，“私有化”与“定制化”的关联过于紧密，智谱商业化遭到了业界的讨论与关注，被质疑是否会成为“上一代 AI 公司的翻版”。 张帆告诉 AI 科技评论，过去一年的探索启示，大模型的商业化不会重复上一代 AI 公司的老路。
1.2K10编辑于 2024-03-18 - 来自专栏量子位
网易依然要以慢打快，AI商业化AR是重要方向
网易AI路线 那AI呢？依然延续这个路数吗？ 在BAT和各大公司纷纷把AI喊得响亮的当前，网易公司层面的AI声量显得克制。 不过，这种克制也将成为过去时。 不过当时深度学习方兴未艾，AI也还没狂飙突进。 在业务思路上，在3条战线上分别展开，分别是：基于视觉的网易AR、语音识别和NLP方向上的语音交互业务，以及AI平台。 其中，网易AR的商业化落地是网易AI的核心战略之一。 ? 这也是大洋流中的历史性要求：靠Demo、纯讲技术应用的时代已经过去——看货——是对于AI落地和商业化的核心诉求，而网易的初步答卷上，要率先以AR展开作答。 那么AI呢？AI加持下的AR呢？网易又会交出什么样的产品？ 量子位 QbitAI · 头条号签约作者 վ'ᴗ' ի 追踪AI技术和产品新动态
93630发布于 2018-07-19 - 来自专栏刘旷专栏
加码“狗脸识别”背后，旷视的AI商业化焦虑
而旷视科技研发的狗脸识别技术，则是为了增加AI识别技术在更多场景的应用。 一直以来，AI领域发展势头迅猛，但应用场景有待开发、商业化滞后的现状一直没有得到改善。 旷视科技扩展AI技术应用则不仅可以开拓新的市场，也能推动AI领域的商业化进程。 在面部识别领域，旷视科技在业内已经处于领先地位。 而旷视科技加码AI技术应用布局的背后，也有些许的无奈。AI技术积累广泛，但其应用场景急需开发、市场竞争激烈成AI企业普遍面临的难题。 业绩承压下，任何AI技术变现的渠道都成了旷视科技必须紧紧抓住的机会。 从AI技术的发展和商业化两个方面来看，多元化布局仍将会是旷视科技未来发展的重点。 难去的商业化隐忧 在生态方面，旷视科技对G端的高度依赖和C端的不足，暴露出了明显的隐忧。
90661发布于 2020-07-27 - 来自专栏算法无遗策
（基于2-3树）
学习过2-3树之后就知道应怎样去理解红黑树了，如果直接看「算法导论」里的红黑树的性质，是看不出所以然。 此时我们借着2-3树去理解基本的红黑树，当然我会在后几篇文章介绍2-3-4树以及基于2-3-4树的红黑树。 红黑是指被指向节点的链接颜色，对于一颗2-3树，因为3-节点的存在有很多不同的二叉树的表示，所以我们只考虑左倾的情况。 （和2-3树等价的，任意节点到其叶子节点的高度都是相同的）。 因为2-3树不存在永久的4-节点，4-节点终归要分解的（在2-3-4树中，为了更好地插入和删除，4-节点可存在于叶子节点和非叶子节点）2-3树一样不行，所以在2-3树中没有任何一个节点能同时和两条红链接相连
1.1K20发布于 2020-01-02 - 来自专栏静之森
记录折腾路上用到的教程 自2-3开始
netdata: Real-time performance monitoring
74820编辑于 2021-12-28
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