11 月 29 日(周六),「与 AI 共生,数智驱动产业新质生长」TVP AI 创变研讨会,特邀来自产业一线与技术前沿的专家大咖,展开深度分享,共同见证 AI 如何从“工具”进化为“引擎”,驱动千行百业迈入高质量发展的新纪元 活动介绍 本次「与 AI 共生,数智驱动产业新质生长」TVP AI 创变研讨会由腾讯云 TVP 和中国海诚联合主办,不仅邀请了 4 位行业及技术专家,围绕 AI + 智能制造发展趋势、零售行业 AI 智能体前沿实践 、AI 创新应用落地路径、AI+Data 驱动企业转型等核心议题,展开深度分享与思想碰撞,共同探寻 AI 落地的真实路径与未来图景,本次活动面向 TVP 专属开放。 结语 TVP AI 创变研讨会 TVP AI 创变研讨会,是为 TVP 等技术管理者、AI 创业者打造的专属交流活动,旨在聚焦 AI 前沿,通过系列专题研讨,共同探索 AI 变革浪潮下的创业与创新机遇。 希望通过本期「与 AI 共生,数智驱动产业新质生长」TVP AI 创变研讨会,携手顶级大咖,助力与会者洞察 AI 融合产业的前沿趋势,把握创业与创新的关键机遇。
.NET 平台 AI 生态发展时间线 从提供AI服务统一抽象接口的Microsoft.Extensions.AI,到实现复杂AI工作流编排的Semantic Kernel (SK),再到整合多方优势、专注于智能体 而即将发布的.NET 10,更是一个从底层性能、硬件支持到工具链都为AI深度优化的“AI Ready”平台,旨在为智能应用提供坚实的基石。 而作为一名.NET 开发者如何抓住平台机遇,在AI浪潮中激流勇进呢? 内容将基于 《.NET+AI|智能体开发进阶》课程课件改写而成,力求简短、接地气、重实操,希望与各位同行者一起,拥抱这个智能变革的时代。 什么是 Microsoft.Extensions.AI? Microsoft.Extensions.AI (MEAI) 是微软为 .NET 生态系统打造的 AI 功能基础抽象层。
Copilot Agents:您的自定义 AI 助手 今天最激动人心的创新之一是 Copilot 代理即将加入 OneDrive! 你可以把 Copilot Agents 想象成量身定制的 AI 助手,为满足你的特定需求而设计。 Copilot 改变了您与文件交互的方式,提供 AI 驱动的功能,以前所未有的方式提高生产力。 个性化视图 - 组织您的数字生活可能会让人不知所措,但 OneDrive 的 AI 可以提供帮助。 凭借更快的搜索速度、更智能的协作和更直观的照片体验,OneDrive 不仅仅是云存储,还是生产力和连接的未来。
一、背景 2023 年可谓是 AI 元年,随着 GPT 的发布,人工智能正在影响着人们的生活。甚至有些人会焦虑是否自己将会被取代而失业。 据 36 氪,如何看待 AI 代替人类工作? 现在很多人都已经开始使用人工智能工具,如 ChatGPT 、 Bard、文心一言等聊天机器人,还有 New Bing 、Phind、You.com 等人工智能搜索引擎,还有 Notion AI、印象 AI 有可能,提供可选项或问题列表供 AI 选择回答。对于有多个可能回答的 prompts,提供可选项或问题列表可以帮助 AI 选择最恰当的回答方式。但不要提供太多可选项,以免导致 AI 无法决定。 四、经验 4.1 根据 AI 的表现调整 prompts 你可以根据 AI 的表现来调整和改进你给出的 prompts。找出哪些 prompts 使 AI 回答成功, 哪些则需要改进。 比如想写一篇文章,可以先提问让 AI 给你写出一个大纲;如果大纲不符合你的要求,你可以再次提问让它修改大纲;大纲修改好之后,再让 AI 给你写出草稿;如果草稿不满意可以再描述自己的想法让它再次修改。
如Stability AI、Anthropic、AI21 Labs和亚马逊云科技自家的大模型。 即Stable Diffusion、Claude等,都是大家耳熟能详的生成式AI了。 那么,为什么需要搭建Bedrock这样的AI平台?它们会给行业带来哪些影响? 为什么需要大模型底座? 由表及里,大概有两层原因驱动。 首先是直接原因,行业需求。 那么亚马逊云科技的动作,则是给出了一种新范式,将多种大模型囊括在一起,放在一个大平台底座上,让用户的可选择性提升,同时发挥他们云厂商本身的优势,让用户的调用和定制化过程门槛更低、效率更高,并在安全性做出保障 更深层次的原因在于,给大模型加底座,能够更进一步降本增效,这本身就符合市场和行业的发展要求。 而除了大模型底座,在近期或许还会衍生出一大批“新兴物种”。比如当下软件应用在争先恐后接入Chatbot,就有企业推出相应服务帮软件应用接入大模型能力。 可见在当下这个时刻,怎么把握机遇非常关键。
自己贴片的51+WIFI的开发板终于到了。。还是贴片的好看 美中不足的是需要改一个电阻的阻值。。还有就是由于自己的8266和51单片机一块断电上电,所以如果用的USB线的质量不好就会出现 下载不了程序
Bito AI 是什么 Bito AI是继Github Copilot、Cursor、CodeWhisperer等AI智能编程产品之后发了一大AI编程工具 。 Bito是一款建立在OpenAI和ChatGPT模型之上的人工智能编程辅助软件,Bito AI可以帮助开发人员大幅提升工作效率。 ---- Bito AI 能干啥 以下是Bito AI 编程助手可以辅助我们完成的一些能力。 生成代码:向Bito提出任何语言的代码生成请求,并获取自然语言提示。 学习技术概念:对任何技术概念提问 ---- 官网 https://bito.ai/ ---- 免费的吗?
“西部数据的策略:从11碟HDD出发,重塑AI存储底座。 大数据产业创新服务媒体 ——聚焦数据 · 改变商业 让我们来试想这样一个场景:凌晨3点,某大模型云服务平台的日志系统依然在高速写入。 西部数据的策略: 从11碟HDD出发,重塑AI存储底座 编者认为,AI时代对HDD提出了两个新要求:更大的容量,更长的周期。这不仅仅是一次性的性能突破,更是一次关于“长期信赖”关系的重构。 1.数据底座:更优TCO+长期信赖 在AI驱动的数据中心架构中,HDD是不可替代的底座。因为它能带来规模化成本效益。 这是对客户的长期关系战略——构建“存储信赖路径”,帮助客户把其数据底座变成护城河。 每一个多模态模型的推理调用、每一个Agent系统的上下文记录,每一次大语言模型的“记忆保存”,都是对存储底座的“微小索取”。
文章提出,构建基于NoETL语义编织技术的统一语义层是筑牢技术壁垒的关键,并详细拆解了从业务对齐、性能成本平衡到生态AI适配的三步评估法,旨在帮助企业构建一个高效、可信、低成本的AI-Ready数据底座 3.安全与审计:先安检,后执行为AI提供数据服务,安全是红线。平台需具备“先安检,后执行”的AI访问控制层,确保每一次AI数据请求都经过鉴权、脱敏规则检查,实现全程可控、可审计。 AI问数准确率与信任度大幅提升:基于语义层的智能问数应在真实业务场景中达到高准确率。例如,中交集团一公局应用后,智能问数准确率达到92%。实现AI数据访问的全程可控、可审计。 核心要点选型范式转移:AI时代,数据平台选型的核心是选择能构建“统一语义层”的下一代架构。三步评估法:筑牢技术壁垒需分三步:评业务对齐能力、验性能成本平衡、察生态AI适配。 价值可量化:成功的选型应带来效率10倍提升、成本降低30%-50%、AI问数准确率超过92%等回报。平滑落地路径:通过“存量挂载、增量原生、存量替旧”策略,可渐进式构建AI-Ready数据底座。
长久以来,不同框架间的模型转换都是AI项目应用落地的痛点。 拥抱“新基建”,用AI底层技术助推产业发展 TNN已于3月中旬在腾讯内部开源,为腾讯QQ、QQ空间、微视、腾讯云、天天P图等多款产品和服务中持续提供技术能力,释放出极大的效能。 “腾讯优图实验室副总经理吴永坚介绍,腾讯优图后续将在现有CV业务的基础上研发更多的AI推理模型,如语音、NLP等相关业务,同时开展针对CPU、GPU服务器端的服务,为业界公司提供更广泛的优化服务。 随着以开源为代表的新代码文化的兴起,腾讯近年来在开源领域表现亮眼:在全球最大的代码托管平台GitHub上,腾讯发布的开源项目已经超过一百个,涵盖云原生、大数据、AI、云计算、安全、硬件等多个热门的技术方向
不是工具不够强,而是企业缺少一个让工具“落地”的运行底座。 二、AI工具的能力边界 我们需要先承认一个事实:当前市面上的主流AI工具,设计目标是通用性,而非企业集成性。 因此,一个合理的结论是: AI工具解决的是“人如何更好地使用AI” 企业真正需要的是“企业如何运行AI” 三、什么是企业AI运行底座? 类比一下: AI工具 ≈ 一台高性能笔记本电脑(很强大,但需要人来操作) AI底座 ≈ 一个操作系统 + 数据库 + 网络协议栈(应用在上面跑,不需要每件事都问人) 一个完整的企业AI运行底座,通常包含三个层次 七、延伸阅读 本文讨论的企业AI底座概念,与[ZGI]项目所定义的“运行底座”在架构思路上基本一致。如果你对该方向的具体实现感兴趣,可以参考ZGI的技术文档或开源仓库。 写在最后 AI工具和AI底座不是替代关系,而是不同层次的能力。 工具让AI“可用”,底座让AI“可运行”。 希望这篇文章能帮你理清一个关键问题: 你的企业是在“用AI”,还是在“运行AI”?
Chatbox AI,这款集大成者,正以其颠覆性的整合能力,重新定义我们与AI的交互方式。它不仅仅是一款工具,更是一场将AI生产力推向极致的革命,让你彻底告别繁琐切换,真正进入智能整合的新时代。 Chatbox AI官网:办公学习的AI好助手,全平台AI客户端 二、Chatbox AI:你的多模态AI梦之队! ,不只是一款工具,更是AI时代的生产力引擎! Chatbox AI不仅仅是一款应用,它更是智能交互的未来形态,是AI时代我们每个人都值得拥有的终极生产力引擎! 无论是专业领域的深度应用,还是日常生活中的内容创作,它都能提供有力的支持,帮助用户在多个场景中最大化地提升生产力和创造力。
飞书在今年4月的时候推出了My AI,当时在指南社群引起了热烈的讨论。 近期漫游指南团队体验到了飞书多维表格的My AI功能,立刻与各位读者来看看这位AI助手有多强~(下方有视频演示) 用飞书AI轻松搭建数据库 在多维表格召唤出飞书的My AI后,可以尝试描述自己的需求场景 ,稍等片刻飞书AI就会帮你生成命名好的数据表以及对应字段,你可以让AI再帮你生成多个实例,本期我们将以搭建漫游指南公众号选题为例,来看看生成效果如何: 下图为「为漫游指南公众号搭建选题数据库」的生成效果 ,并且结构生成后让AI再给5个示例数据,可以看到字段上有选题编号、选题名称、选题描述、选题类型、负责人、截止日期,配合示例数据来看已经可以简单用起来了,当然你还可以对AI描述具体的业务场景,让AI帮你再推荐一些可用的字段 对于稍有经验的业务员而言,通过AI生成与你的数据库建模方案对比,能够从中获取一些感知与灵感,比如让飞书AI帮你推荐一些其他有用的字段。
这里引用一张官网上面的图片,简单介绍一下openGauss正文谈到openGauss,就不得不说一下它的底座操作系统:openEuler。 这里引用一张openGauss官网上面的图:从上面的图中可以看到,openGauss支持2种架构:- AArch64- x86_64** AArch64就是arm架构的芯片openGauss支持3种操作系统底座 我们可以安装一套openEuler的操作系统,在此底座基础上面安装体验openGauss。后记本文起到一个抛砖引玉的作用。
CANN × ROS 2:为智能机器人打造实时 AI 推理底座 在自动驾驶小车、巡检机器人、服务机械臂等场景中,机器人需要在毫秒级时间内完成: 多摄像头目标检测 激光雷达点云分割 语音指令理解 路径规划决策 CANN(Compute Architecture for Neural Networks) 凭借其高能效比与全栈优化能力,正成为机器人 AI 推理的理想选择。 它让复杂的多模态 AI 模型,能在低功耗嵌入式平台上实时运行,为具身智能落地扫清最后一道障碍。 相关资源链接 cann组织链接:cann组织 ops-nn仓库链接:ops-nn仓库
目前 JuiceFS 作为存储底座服务于整个机器学习平台,不仅提高了对混合多云架构的适应性,还大幅提升了数据处理效率。 03 基于 JuiceFS 的存储底座设计 元数据引擎架构设计 JuiceFS 采用的是元数据和数据分离的架构。对于元数据引擎的选型,我们考虑了三个方案。 它允许数据同步从数据写入阶段便开始进行,这与传统的 AI 工作流程形成鲜明对比。 贝壳模型仓库 - 方案设计 我们基于 JuiceFS 的架构设计了一套 AI 模型仓库方案。 为了应对这一变革,我们提出了一个务虚的设想,即如何借助 AI 的能力来提升文件系统的数据处理能力,实现数据处理与 AI 的一体化。
前言 AI大模型以其优异的自然语言理解能力、跨媒体处理能力以及逐步走向通用AI的潜力成为近年AI领域的热门方向。业内头部厂商近期推出的大模型的参数量规模都达到了万亿、10万亿级别。 前几天横空出世的AI爆款产品ChatGPT,可以聊天、写代码、解答难题、写小说,其技术底座正是基于微调后的GPT3.5大模型,参数量多达1750亿个。 图1 ChatGPT的AI内容生成 如此大规模、长时间的GPU集群训练任务,对网络互联底座的性能、可靠性、成本等各方面都提出极致要求。 而在金榜题名的背后,星脉超算网络为腾讯万亿大模型构筑了高性能网络底座。 星脉超算网络作为腾讯大规模训练集群的重要基石,会持续在超带宽、异构网络通信、通信库定制加速、智能监控等技术上不断创新,为AI大模型训练构筑可靠的高性能网络底座。
当每家企业都能以 5 万元雇佣具备清北毕业生知识结构的数字化员工时,“人才壁垒”已被 AI 拉平。程序员用 Cursor 写代码,律师用 AI 写法律文书,专业技能门槛正在被快速拉平。 AI 时代,企业需要重新定义自己的人才和人才优势。能否跟 AI 共生共创是未来企业员工的标准技能,就像信息化时代,员工需要会用电脑会用 Office 一样。 再看技术壁垒。 AI 时代,技术壁垒包含算力、算法 / 模型和私域数据三大因素。回顾过去 15 年,从大数据普及到 AI 普惠,技术平权的周期从十年缩短到三年。 但 AI 不是这样的。一方面 AI 会释放十倍百倍的分析需求,灵活性要求也极高;另一方面 AI 是低度容错的。那传统 ETL 工程体系和工程师体系是否能够支撑 AI 时代海量、灵活的分析需求呢? 只有完成这种生产力变革,才能真正满足 AI 时代的数据分析需求。 这种转变不仅仅是技术升级,更是整个数据处理范式的革命。
CANN 技术全景图:构建自主可控的 AI 全栈底座 在“算力自主”成为国家战略的今天,一个完整的 AI 软件栈必须回答三个问题: 能否高效利用国产芯片?(硬件亲和) 能否支撑前沿算法演进? 相关资源链接 cann组织链接:cann组织 ops-nn仓库链接:ops-nn仓库 一、CANN 全栈架构五层模型 每一层都承担关键职责,共同构成“训推一体、云边协同”的 AI 底座。 ✅ 芯片设计即面向 AI 工作负载优化,非通用 GPU 改造。 愿景:打造一个开放、高效、安全的国产 AI 基础软件根生态。 结语:全栈之力,方成自主之基 CANN 的意义,远不止于“一个推理引擎”。 它代表了一种系统性思维——从晶体管到行业应用,每一层都为 AI 而生,每一环都可自主演进。 相关资源链接 cann组织链接:cann组织 ops-nn仓库链接:ops-nn仓库
今年大会将有 60+ 重磅产品发布,覆盖基建的高效能、数据的生产力、智能的新升级、场景的全管控、协同的新增长开发的敏捷性等重点赛道。 围绕IaaS,本次峰会重点打造「AI超级底座专场」和「分布式云专场」两大重磅专场。 总计14位专场大咖将为您深度解读腾讯云强大坚实的“计存网数”基础设施底座,如何助力AI,释放MaaS生产力;及如何将强大的AI底座“计存网数”,通过分布式云部署到你任意想要的位置。 欢迎报名「AI超级底座专场」 欢迎报名「分布式云专场」