- 综合排序
- 最热优先
- 最新优先
【AI落地应用实战】本地部署与调用ChatGLM-6B解决方案
ChatGLM-6B是由清华大学和智谱AI开源的一款对话语言模型，基于 General Language Model (GLM)架构，具有 62亿参数。 本篇将介绍使用DAMODEL深度学习平台部署ChatGLM-6B模型，然后通过Web API的形式使用本地代码调用服务端的模型进行对话。 一、DAMODEL-ChatGLM-6B服务端部署1.1、实例创建首先点击资源-GPU云实例，点击创建实例：进入创建页面后，首先在实例配置中首先选择付费类型为按量付费，其次选择单卡启动，然后选择需求的GPU 然后下载Hugging Face上的ChatGLM-6B预训练模型，也可以进入魔塔社区选择https://www.modelscope.cn/models/ZhipuAI/chatglm3-6b/files 我们可以直接在终端cd进入ChatGLM-6B文件夹，运行api.py文件：暂时无法在飞书文档外展示此内容显示如下提示则说明启动成功！
2K00编辑于 2024-07-31- 来自专栏AI科技大本营的专栏
加速AI应用落地，英特尔AI 2.0的进阶之道
英特尔则在人工智能方面提供优越的硬件选择，并通过软件来最大化释放硬件的性能，从而帮助客户无论是数据多么复杂或位于哪里都可以自如运行AI应用。 OpenVINO是英特尔基于自身现有的硬件平台开发的一种可以加快高性能计算机视觉和深度学习视觉应用开发速度工具套件，支持各种英特尔平台的硬件加速器上进行深度学习，并且允许直接异构执行。 借助英特尔OpenVINO工具包，能够帮助开发人员加快深度神经网络推理应用的开发，支持深度神经网络测试、调整和原型制作，可以帮助开发者进入实际应用的量产阶段。 爱奇艺助理研究员虞科华分享了他们在OpenVINO上的AI应用开发的相关实践 。 OpenVINO目前在爱奇艺的落地服务主要有AI雷达、图文审核、视频标签、图片审核等。 百度计算平台的软硬件优化 ?
1.2K00发布于 2019-07-11 【AI落地应用实战】HivisionIDPhotos AI证件照制作实践指南
2024好事发生这里我要推荐的【好事】文章是《深度学习入门指南：一篇文章全解》，在科技日新月异的今天，深度学习的应用越加广泛，引领着智能技术的新一轮革命。 本文将从以下四个方面:深度学习的背景历史、主要研究内容、重要分以及其在现实生活中的广泛应用，让读者简单认识一直广受关注的深度学习究竟是什么。 它利用AI模型实现对多种拍照场景的识别、抠图与证件照生成，支持轻量级抠图、多种标准证件照和排版照生成、纯离线或端云推理、美颜等功能。 一、创建实例本次实验选择了DAMODEL（丹摩智算）平台，致力于提供丰富的算力资源与基础设施助力AI应用的开发、训练、部署。 apt-get updateapt-get install ffmpeg libsm6 libxext6 -y3.2、证件照换底色除了透明图，模型还提供了将证件照换色，输入以下命令：python inference.py
1.5K10编辑于 2024-11-13- 来自专栏AI科技评论
大模型「进化手册」：AI 原生应用该如何落地？
据 AI 科技评论观察，大模型应用的落地有两堵围墙： 其一，许多企业虽然希望借助 AI 原生应用来解决过往业务中的难题，但由于信息的快速迭代和交互壁垒，他们并没有很好的路径得以了解、触达到已经诞生的大模型应用 3 打造全链路生态支持体系 通过建一座大模型应用商店，搭建交易平台、瞄准商业化，百度关注的是实实在在的问题。但大模型应用的落地还离不开模型训练、推理、计算还有运维、系统、工程等方面的投入。 其二，对于缺少技术培训赋能、资本及产业落地支持的初创企业，百度智能云推出了 AI 加速器。 更重要的是，面向客户落地大模型的五类需求，百度智能云基于千帆大模型平台打造的“大模型超级工厂”给出包括AI原生应用开发平台在内的全套服务方案。 同时推出大模型全链路生态支持体系，加速企业 AI 原生应用落地和商业化。 接下来的竞赛，不再是局限于大模型的追逐，更是如何对应用产品进行自我优化、革新。
73620编辑于 2023-10-24 - 来自专栏AI科技评论
大模型「进化手册」：AI 原生应用该如何落地？
据 AI 科技评论观察，大模型应用的落地有两堵围墙： 其一，许多企业虽然希望借助 AI 原生应用来解决过往业务中的难题，但由于信息的快速迭代和交互壁垒，他们并没有很好的路径得以了解、触达到已经诞生的大模型应用 3 打造全链路生态支持体系 通过建一座大模型应用商店，搭建交易平台、瞄准商业化，百度关注的是实实在在的问题。但大模型应用的落地还离不开模型训练、推理、计算还有运维、系统、工程等方面的投入。 其二，对于缺少技术培训赋能、资本及产业落地支持的初创企业，百度智能云推出了 AI 加速器。 更重要的是，面向客户落地大模型的五类需求，百度智能云基于千帆大模型平台打造的“大模型超级工厂”给出包括AI原生应用开发平台在内的全套服务方案。 同时推出大模型全链路生态支持体系，加速企业 AI 原生应用落地和商业化。 接下来的竞赛，不再是局限于大模型的追逐，更是如何对应用产品进行自我优化、革新。
40030编辑于 2023-10-24 - 来自专栏CV
基于AidLux&AI中台，轻松落地动态人脸识别AI应用
.quickconnect.cn/d/s/spGcMhq9Yqvl2xQMe1lfUAntnhdLiesf/Atf6Qjb5djg4y7QCfyryNyLKNNL5E4iU-kLIAmuLPTAo百度网盘 **人脸识别整体流程**图片**人脸识别落地应用**图片2.3人脸识别算法Retinaface的训练和数据集**RetinaFace原理**详见sansa大佬的博客，这里不展开细讲https://zhuanlan.zhihu.com AI视觉算法开发平台介绍及使用AI视觉算法开发平台，是华勤技术基于自研结构化架构+海量自研AI算法+算法应用/训练/开发功能的一站式AI应用解决方案平台，可跨平台部署，支持一体机/服务器/云端多场景使用 图片**华勤AI中台的使用**首先打开手机端的AidLux，然后点击应用中心，在应用中心里下载安装aid-IVS软件，安装后才能在进入AI中台。 学习心得笔者最近也在尝试做人脸识别算法，通过AidLux动态人脸识别AI实战训练营的学习，对于人脸识别算法在AidLux平台和AI中台的部署应用有了新的认识，从中受益良多，在此感谢成都阿加犀公司和华勤公司提供的学习平台
2K10编辑于 2023-04-12 - 来自专栏机器之心
7 Papers & Radios | Transformer自动debug；AI合成舞蹈落地应用
尽管业界也曾出现过多项红极一时的研究成果，如 AI Choreographer 和 DanceNet3D，然而这些方案并未落地于实际商业生产应用。 历经两年多的潜心研发，网易互娱 AI LAB 的研发团队提出了符合实际生产环境应用要求的 AI 舞蹈动画合成方案 ChoreoMaster。 推荐：全球首个落地的舞蹈动画合成系统，入选 SIGGRAPH 2021。 语音转换在电影配音、角色模仿以及复刻人物音色等方面都有重要的应用。 (from Ming-Hsuan Yang) 6.
82150发布于 2021-06-08 AI 数字人技术应用详解：实际落地在哪些场景？
本文将详细拆解这些应用场景，同时分析技术价值与落地挑战，而我司的 AI 虚拟数字人服务，凭借三类控制模式、多场景适配及 200 个维度捏脸功能，能满足不同场景需求。 AI数字人技术应用：元宇宙场景在元宇宙这一新兴领域，AI数字人展现出巨大应用潜力，成为连接虚拟与现实的关键角色，主要应用集中在三方面。 AI数字人技术应用：旅游行业场景AI数字人的出现，为旅游行业的服务升级与体验创新提供了新路径，主要体现在三大应用方向。一是提供智能导览服务。 AI数字人技术应用：品牌营销场景AI数字人凭借独特的技术属性，成为品牌打造差异化形象、提升营销效果的重要工具，主要通过三大方式赋能品牌。一是塑造专属品牌符号。 随着技术的持续进步，AI数字人在交互自然度、场景适配性等方面将进一步突破，有望在更多领域落地应用，为产业升级与社会发展注入新动能。
1K10编辑于 2025-10-22AI的落地难题、应用案例和生产率悖论
一、AI的企业应用仍处于初期阶段人工智能的2C应用进展很快，2024年美国居民生成式AI的渗透率已达39.6%（来源：圣路易斯联储）。 然而，当前的模型厂商还热衷于评分打榜、技术炫耀，企业应用尚处于早期阶段。迫切需要找到丰富落地场景，加快推进AI和各行各业的深度融合。 大体是信息密度越高，AI应用越容易越深入；信息密度越低，AI应用越滞后越困难。 AI加持后，某些广告库存的点击率可以提高到3.0%（来源：腾讯2025年一季度业绩电话会）。根据彭博（2024）数据，2026年全球生成式AI广告的支出规模将达到500亿美元，占数字广告的6%。 AI已经覆盖公司95%以上的作业场景，为约600家客户提供了AI服务，落地1500个AI驱动的营销案例。2024年蓝色光标由AI驱动的收入达到12亿元，占总收入的2%，占比是上年的十倍。
78220编辑于 2025-05-28- 来自专栏老齐教室
AI 项目落地杂谈
人工智能（AI）项目的“落地”问题，现在谈论的比较多，我也来凑个热闹，不过，我不是从宏观角度来讲，而是从具体实施过程讲讲个人体会。 首先，AI 工程师要有能力且勇敢地将项目真实情况讲出来。 如果项目管理者对某个 AI 技术的细节不很了解，而是凭借浅显的认知决定要在项目中使用，那么，AI 工程师是不是能够协助项目管理者做深入的可行性研究呢？ AI 工程师要有能力进行评估 这对多数 AI 工程师来讲，是一个挑战。因为评估一个项目是否可以使用某项 AI 技术，不仅仅是技术本身，还要考虑项目的其他问题，比如成本、运营、人员、时间等等。 AI 工程师要勇敢地讲出实情 毋庸置疑，宣传中的某项 AI 技术以及它能够给项目带来的好处，和实际情况肯定是有差异的，甚至有时候差异会很大。 这样的 AI 工程师，也要么是“真糊涂”，要么是“揣着明白装糊涂”。一般项目皆败于此。 当科学、客观地对项目和技术进行评估之后，一定能够找到 AI 技术的切入点，此后的落地，必然一帆风顺。
51110编辑于 2022-12-09 - 来自专栏人工智能AI
AI人工智能6大应用场景
AI人工智能6大应用场景 01、AI农业场景 在农业场景，主要包括有作物管理、害虫和杂草处理、疾病管理、土壤管理、产量预测和管理等。 其主要运用的AI技术最开始是基于规则的专家系统，发展到后来的模糊推理系统和人工神经网络的结合。主要涉及模式识别，图像识别等。 03、AI医疗场景 在医疗卫生场景，主要有疾病诊断预测、临床和患者护理。 除此之外近年来 AI 技术也在应用到新药研制场景中得到应用。主要使用到的 AI 技术为神经网络、专家系统等。主要涉及的用例是图像识别、分析推理、分类等。 06、AI电子商务场景 在电子商务场景，主要用例是推荐系统、欺诈识别、营销活动、产品退货预测。
2.9K10编辑于 2024-05-21 - 来自专栏腾讯云TVP
AI应用进入中场，下一步该怎么落地
今天，让我们在企业AI应用的“中场”来对过去做一个复盘，对未来做一个规划。 复盘：为什么AI应用之前没有产生价值？1） 高速迭代的工具。 MIT报告里特别提到了，自建系统失败率67%，采购专业工具失败率33%，这是因为在AI技术刚出来的时候，企业里的基础技术人才储备远远比不过专业三方，企业里大多是应用级人才，在AI技术尚未完全成熟的环境下 加上国内外的经济形式，人工较为廉价，如果再综合考虑人类可以“承担责任”这一重大优势，AI落地找不到场景就变得很正常了。4） 熟悉业务。通用AI是不可能满足业务需要的，因为他不懂业务。 AI落地时的困境就在于：懂AI的人不懂业务，大多也不屑去了解业务；而懂业务的人，大多没能力去了解AI。AI的能力来自于知识，企业都没有成体系的知识，怎么能用好AI呢？ 其次，IT要把自己变成裁判员，来推动AI落地，可以通过组织AI创新大赛的形式来进行，过程中IT需要和合作伙伴一起做好服务工作。最后，企业的知识库建设是一个持之以恒的工作，尽快开始，不要停下。
48230编辑于 2025-08-26 - 来自专栏大数据文摘
OReilly纽约AI Conference“游记”：AI应用加速落地，强化学习更受关注
AI中遇到的问题，以及在业界的应用情况。 Ben Lorica提到，2010年AI学术论文和patent and invention的转化率由的8：1到2016的3：1，种种数据都表明现在AI已经加速进入了落地实施阶段。 ? 而对于AI应用和使用方面比较成熟的公司来说，他们认为缺乏足够的数据进行分析或者数据质量方面的问题与缺乏合适的人才是当前最大的瓶颈。 越来越多的深度学习和机器学习被运用到企业里面，当前企业面对的AI应用三个常见的问题分别是：如何应用规模部署、如何推动绩效但保持管理成本以及如何应对未来所需的不确定性和变化。 另外他还提到，现阶段的deep learning和AI应用是可以用CPU实现完成的。 ? 在CPU上实现AI模型，3年时间经历了3个阶段的变化。
71430发布于 2019-05-10 - 来自专栏心源易码
【AI落地应用实战】Chaterm：重新定义终端操作的AI智能工具
在当今数字化浪潮下，AI Coding 已成为程序员的得力助手，从早期的 Copilot，到估值飙升的 Cursor，再到近期热度攀升的 Claude Code，程序员们手握众多 AI 智能体，如虎添翼 与传统的本地命令行工具不同，Chaterm 能够通过 SSH 连接，内置 AI Agent 能力，允许用户使用自然语言描述操作意图，由 AI 转化为可执行的命令或自动化流程，实现对远端服务器乃至大规模线上集群的统一管理 Command模式则更进一步，将AI能力深度整合到终端操作中。 值得注意的是，Chaterm背后的合合信息团队在AI技术领域有着深厚积累。 未来，合合信息将继续深耕人工智能领域，推动AI产品在更多场景落地和应用。
1.2K21编辑于 2025-06-24 - 来自专栏腾讯云TVP
AI落地的荒诞剧：寻找实际的应用场景
第一幕关键要点许多AI项目并非需求驱动，而是“为了AI而AI”的盲目跟风。AI应用的“PPT承诺”与实际落地的“ROI表现”之间存在巨大鸿沟。数据、算法、算力是AI落地的三大现实挑战，常被忽视。 “AI落地”的话语狂欢与符号价值在当下的商业语境中，“AI落地”这个词本身，其符号意义往往大于其实际应用价值。 推荐的AI应用场景探索与实践框架：AI落地“排雷”与“价值创造”四步法好了，吐槽完毕，现在是时候贡献一些“人间清醒”的干货了。 本文是一个测试，由纯AI生成，文章类型：博客文章，prompt如下：帮我写一篇辛辣讽刺的文章，关于无数人在寻找AI落地应用场景，但是一次一次被现实打脸，发现AI落地场景其实是一个悖论，恰恰是一旦人们相信并不存在的东西 最后总结一下如果要找AI落地应用场景的正确做法。
6.5K00编辑于 2025-05-26 - 来自专栏Goboy
Dify × EdgeOne，AI应用落地的最后一公里解药
为什么AI应用从Demo到生产这么难先说说Dify有多香。可视化工作流编排，拖拽就能搭AI流程。支持GPT、Claude、DeepSeek、通义千问等上百种模型。 这意味着Dify不再只是一个AI应用开发平台，而是正在成为AI生态的连接器。但问题来了。Dify自带的WebApp界面，说实话，有点简陋。它更像是个Demo展示，而不是给终端用户用的产品界面。 应用做好了，只能自己用，或者截图发朋友圈，挺尴尬的。这就是Dify×EdgeOne要解决的核心痛点。Dify负责把AI应用搭出来，EdgeOnePages负责把应用送上线。 进阶玩法，把AI客服嵌入公司官网刚才做的是独立应用，有时候你需要把AI能力嵌入现有系统。比如公司官网已经有了，想在右下角加个客服悬浮窗。 以前做一个AI应用，搭建后端只是一小部分工作量。写前端、调样式、配域名、搞部署，这些琐事占掉80%的时间。现在有了这两个模板，我能把精力集中在AI逻辑本身，而不是重复造轮子。
52581编辑于 2026-05-11 - 来自专栏镁客网
真正落地的AI应用应该是什么样？
策划&撰写：Lynn 2019年，“落地”被大家反复述说，也是AI领域公司齐头涌进的前方。 降低AI应用门槛，加速技术落地过程 若要AI技术赋能到传统行业，在不断迭代技术、提升性能的过程中，全方位降低技术使用门槛是必由之路。 在数据基础能力层，腾讯云依托大数据平台、机器学习平台、数据仓库等，打造面向数据科学家的高效工具矩阵；在应用服务层，腾讯云通过应用平台和应用服务降低AI落地门槛，让应用开发者灵活便捷的接入AI能力；在行业解决方案层面 在当前NLP领域的研究及落地应用中，为了降低现在预训练模型的高成本，腾讯云最新发布的AutoNLP依托腾讯云语料积累和公有云算力，一次训练多次使用，提供数十个腾讯自研的预训练模型，极大地降低训练成本，提升模型创新及应用效率 但不得不说，通过展示对技术的创新性理解和应用，腾讯云向大家展现了AI落地的更多可能，为行业打了一剂强心针。
1.8K20发布于 2019-12-18 - 来自专栏深圳架构师同盟
AI Agent平台和应用落地实践沙龙参会感想及总结
本周六深圳架构同盟有个AI Agent平台和应用落地实践沙龙，笔者公司最近正在做智能体相关的规划，于是毫不犹豫的报名参加了这个沙龙。 一、智能体平台架构及设计1、智能体平台架构及设计：智能体平台应该作为AI的基建来看待。智能体平台价值：覆盖AI开发框架和流程、可复用的MCP插件模板生态。 Widget 是 AI → 人 → 系统 的桥梁。 6、不确定性是抛出的异常：当模型无法确定或产生分歧时，这本身就是一种信号。程序不应强行执行，而应将其作为“异常”抛给人类或 Supervisor 介入。 semantics and intent.4.The system will be as brittle as its most brittle part.5.Ask Smart to Get Smart.6.
41310编辑于 2026-01-21 场景化拆解 AI 模型落地的 6 大核心考量》
从训练好的模型文件到稳定可用的业务服务，部署环节直接决定 AI 技术的落地效果 —— 既能让大模型在电商大促中支撑万级 QPS，也可能因一次冷启动延迟错失用户。 量化 体积缩减 75% 文本分类、推荐召回 智能客服 QPS 提升至 5000+ INT4 量化 极致压缩 边缘 IoT 设备 工业传感器模型适配 Jetson 设备 动态剪枝 稀疏率 30%+ 移动端应用 小程序 AI 助手体积缩减 60% 需注意：金融风控等高精度场景，可采用 “分层量化”—— 关键层保留 FP16，非敏感层用 INT8，避免 AUC 值下降超 1%。 结语：部署的本质是 “价值工程” AI 模型部署的核心不是堆砌技术，而是在性能、成本、合规、体验间找到最优解。 腾讯云通过模型优化工具链、多架构部署选项、智能监控体系，已帮助金融、医疗、电商等行业客户实现 “推理效率提升 300%+，TCO 降低 50%+” 的落地效果。
55410编辑于 2025-09-24深度长文：Agent AI 如何颠覆公共服务？（内附6步落地指南）
大模型智能体AI系统（Agentic AI）架构实践：政务数字化转型的设计、实现与治理文 | 走向未来公共部门的运作正面临一个根本性的挑战。 智能体通过各种来源收集和分析数据，这些来源包括应用程序接口（API）、数据库、日志文件、文本、图像乃至实时传感器输入。其次是处理能力。这是智能体的“大脑”，其核心是大语言模型（LLM）等基础模型。 一级（AI辅助）和二级（AI增强）是当前较为常见的形态。在一级，AI提供基础的规则工具支持预定义工作流。在二级，AI开始提供决策建议和洞察，以增强人类的判断力，但人类始终保留最终控制权。 主管架构（Supervisor Architecture）是目前应用最广泛且高效的模式之一。一个中央智能体（主管）负责协调多个下属智能体。 在这里，您可以获取AI相关的各类市场分析报告、技术论文书籍、应用实践指南等等，主题涵盖生成式AI、大模型、AIGC、AI芯片和机器人等技术、应用和市场，并能与同侪一起探讨如何使用人工智能大模型和智能体来为工作增效
31720编辑于 2026-03-11
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