7-2 寻找大富翁

7-2 寻找大富翁 分数 25 全屏浏览题目 切换布局 作者 陈越 单位 浙江大学 胡润研究院的调查显示，截至2017年底，中国个人资产超过1亿元的高净值人群达15万人。

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。

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。

PTA 7-2 符号配对（20 分）

7-2 符号配对（20 分） 请编写程序检查C语言源程序中下列符号是否配对：/*与*/、(与)、[与]、{与}。 输入格式: 输入为一个C语言源程序。

PTA 7-2 找奇葩 (20 分)

在一个长度为 n 的正整数序列中，所有的奇数都出现了偶数次，只有一个奇葩奇数出现了奇数次。你的任务就是找出这个奇葩。

7-2 到底有多二

本文链接：https://blog.csdn.net/shiliang97/article/details/96301355 7-2 到底有多二 一个整数“犯二的程度”定义为该数字中包含2的个数与其位数的比值

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。

7-2 树种统计 (20 分)

本文链接：https://blog.csdn.net/shiliang97/article/details/102924532 7-2 树种统计 (20 分) 随着卫星成像技术的应用，自然资源研究机构可以识别每一棵树的种类

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。

PTA 7-2 方阵循环右移

PTA 7-2 数字之王 (20 分)

的每个数的各位数的立方相乘，再将结果的各位数求和，得到一批新的数字，再对这批新的数字重复上述操作，直到所有数字都是 1 位数为止。这时哪个数字最多，哪个就是“数字之王”。

从豆包收费看 AI 商业化的必然逻辑

一篇官方评论把一场用户情绪的爆点，拉回到了产业规律的讨论层面——AI 商业化已经不是要不要做的问题，而是怎么做才合理的问题。 豆包官方很快回应：聊天、问答、写作、生图，这些基础功能 永久免费 不变。 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？

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。

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。

PTA 7-2 列车调度（25 分）

7-2 列车调度（25 分） 火车站的列车调度铁轨的结构如下图所示。 两端分别是一条入口（Entrance）轨道和一条出口（Exit）轨道，它们之间有N条平行的轨道。

7-2 冒泡法排序 (30分)

7-2 冒泡法排序 (30分) 将N个整数按从小到大排序的冒泡排序法是这样工作的：从头到尾比较相邻两个元素，如果前面的元素大于其紧随的后面元素，则交换它们。

7-2 冒泡法排序 (30分)

将N个整数按从小到大排序的冒泡排序法是这样工作的：从头到尾比较相邻两个元素，如果前面的元素大于其紧随的后面元素，则交换它们。通过一遍扫描，则最后一个元素必定是最大的元素。然后用同样的方法对前N−1个元素进行第二遍扫描。依此类推，最后只需处理两个元素，就完成了对N个数的排序。

7-2 歌唱比赛计分 (15分)

7-2 歌唱比赛计分 (15分) 设有10名歌手(编号为1-10)参加歌咏比赛，另有6名评委打分，每位歌手的得分从键盘输入，计算出每位歌手的最终得分(扣除一个最高分和一个最低分后的平均分)，最后按最终得分由高到低的顺序输出每位歌手的编号及最终得分

PTA 7-2 找奇葩 (20 分)

在一个长度为 n 的正整数序列中，所有的奇数都出现了偶数次，只有一个奇葩奇数出现了奇数次。你的任务就是找出这个奇葩。

PTA 7-2 数字之王 (20 分)

的每个数的各位数的立方相乘，再将结果的各位数求和，得到一批新的数字，再对这批新的数字重复上述操作，直到所有数字都是 1 位数为止。这时哪个数字最多，哪个就是“数字之王”。