- 综合排序
- 最热优先
- 最新优先
- 来自专栏大数据文摘
吴恩达发布《AI转型指南》：喊话CEO们，AI转型分五步
总结来说，这五个步骤分别是： 1.执行试点项目从而获得动力 2.建立公司内部的AI团队 3.对员工进行AI技能培训 4.制定人工智能战略 5.在公司内部和外部建立良好的沟通渠道 ? 因为这些小项目无法适用于整个公司层面的转型。 在人工智能时代，对于许多公司来说一个关键点将是组建一支能够帮助整个公司的中心化AI团队。 培训计划因人而异，因部门而异： 高管和公司负责（⩾4小时培训） 目标：让管理人员了解AI可以为企业做些什么，做出合理的资源分配决策并与负责AI项目的AI团队协作。 我在Landing.AI的团队致力于帮助合作伙伴进行AI转型，我将继续分享更多的最佳实践。 AI转型项目可能需要2-3年的时间，但你应该期望在12个月内就能看到初步成效。 通过投资AI转型，你将持续领先于你的竞争对手。
48520发布于 2018-12-26 - 来自专栏AI派
吴恩达发布《AI转型指南》：喊话CEO们，AI转型分五步
总结来说，这五个步骤分别是： 1.执行试点项目从而获得动力 2.建立公司内部的AI团队 3.对员工进行AI技能培训 4.制定人工智能战略 5.在公司内部和外部建立良好的沟通渠道 ? 因为这些小项目无法适用于整个公司层面的转型。 在人工智能时代，对于许多公司来说一个关键点将是组建一支能够帮助整个公司的中心化AI团队。 培训计划因人而异，因部门而异： 高管和公司负责（⩾4小时培训） 目标：让管理人员了解AI可以为企业做些什么，做出合理的资源分配决策并与负责AI项目的AI团队协作。 我在Landing.AI的团队致力于帮助合作伙伴进行AI转型，我将继续分享更多的最佳实践。 AI转型项目可能需要2-3年的时间，但你应该期望在12个月内就能看到初步成效。 通过投资AI转型，你将持续领先于你的竞争对手。
43630发布于 2018-12-27 从AI原生看AI转型：企业和个人的必选项｜AI转型访谈录
《AI转型访谈录》是由腾讯研究院发起的一个开放研究项目，希望在人工智能加速推进产业和社会转型的背景下，发现和识别那些已经站在变革前沿的企业和个人，通过100个先锋实践访谈，记录他们推进AI转型的深度思考与实践经验 ，为更多组织提供可借鉴的AI转型路径参考。 曾为150多家世界500强客户提供过数字化转型咨询服务。什么是AI Native？人均产值1000万美金是AI原生企业的门槛？ 给企业推进AI转型的建议袁晓辉：没错，所以还是要回到人的本质问题上。如果最后让你给企业做AI原生转型提些建议，除了刚才提到的全员要有意识、提供充分的资源和工具、先尝试做起来，还有其他建议吗？ 现在我觉得企业如果想做AI原生转型，应该先关注个人和小团队层面。不要想着一下子让整个大组织实现AI转型，因为变化可能非常快。
81720编辑于 2025-04-25- 来自专栏AI研习社
开发者 AI 转型指南
v=oJfFMoAgbv8） 4 Ways of Thinking About Abstract Objects（https://www.youtube.com/watch? #4 统计方法 ? 您还可以学习其他语言，如 C++/R/Java，但对我个人而言，Python 是 AI 和数据科学最合适的工具。想知道为什么吗？ Choosing the Best Tool for AI, ML & Data Science（https://medium.com/datadriveninvestor/python-vs-r-choosing-the-best-tool-for-ai-ml-data-science Via：https://towardsdatascience.com/how-to-get-started-as-a-developer-in-ai-9116a2326d5f
61110发布于 2019-08-20 - 来自专栏架构师专栏
企业AI转型的4种路径：选错一种，代价可能是全盘崩塌
前言最近接手了几个企业AI项目的咨询工作，发现一个普遍现象：不少公司在转型初期就选错了技术路线，等到发现问题时，已经投入了大量人力物力。 企业AI转型不是简单的技术堆砌，而是一场关乎战略、成本、时间和风险的系统工程。本文将从实战角度，拆解4种主流转型路径的技术架构、适用场景和潜在风险，帮助技术团队少走弯路。 优化策略量化压缩：通过INT4/INT8量化，可以把模型大小压缩到原来的1/4，推理速度还能提升2倍。虽然会牺牲一点精度，但在大多数业务场景下，这种损失是可以接受的。 除非你是：业务规模足够大，有独特的数据优势希望建立技术护城河，形成差异化竞争力有长期战略规划，愿意持续投入研发团队有顶尖AI科学家坐镇真实成本OpenAI训练GPT-4，据传花费超过1亿美元。 不要一上来就想做GPT-5，先把一个具体场景跑通，让AI真正产生业务价值，比什么技术路线都重要。见过太多"PPT上的AI转型"最后落得一地鸡毛，归根结底还是没想清楚要解决什么问题。
61510编辑于 2025-12-23 - 来自专栏啄木鸟软件测试
团队转型：AI安全测试实战指南
这背后暴露出一个关键断层：传统软件测试团队正站在AI安全测试的‘能力悬崖’边缘——懂测试，不懂模型；懂AI，不擅验证；懂开发，难建防线。 这不是工具替代问题，而是团队认知、流程与能力的系统性转型。 本文基于啄木鸟软件测试团队为三家金融、医疗与智能驾驶客户落地的AI安全测试实践，拆解一条可复用、可度量、可进化的转型路径。 四、从合规驱动到价值驱动：让安全测试产生业务ROI 最可持续的转型，是让安全能力直接贡献于商业目标。 结语：转型不是更换工具，而是重写团队的‘认知操作系统’ AI安全测试的挑战，从来不在技术复杂度，而在组织惯性。当测试工程师开始追问‘这个softmax温度值为何设为0.7？’ ，当开发人员主动提交模型置信度分布图供测试分析，当CTO在OKR中为‘AI鲁棒性提升20%’单独设项——转型才真正发生。
31110编辑于 2026-03-31 - 来自专栏云云众生s
拥抱AI的转型：从软件开发者转型为构建者
AI时代，开发者转型构建者！拥抱AI并非取代，而是赋能。聚焦系统设计、架构和用户体验，掌握基础，优先测试验证，有目的地利用AI。无代码/低代码平台助力非技术人员创新。 拥抱AI、API，构建Cloud Native应用，提升生产力，实现DevOps转型！ 在过去的二十年里，我几乎见证了 AI 演变的每一个阶段 —— 从遗传算法到神经网络、深度学习、预测性 AI 和生成式 AI。 然而，我从未相信 AI 会让所有工作岗位都变得过时，包括软件开发者的工作。 这个观点来自于一位向世界推出了 AI 驱动的服务和体验的人。 而在于 AI 使他们能够做得更多、更快，并产生更重大的影响。 AI：软件开发中的力量倍增器 就像一种新的编码语言一样，AI 正在被证明是开发者的一种强大的力量倍增器，但不是替代品。
25500编辑于 2025-03-16 - 来自专栏AI研习社
Java 工程师转型 AI 的秘密法宝——深度学习框架 Deeplearning4j | 回顾
在近期 AI 研习社的线上分享会，来自苏宁易购搜索技术研发部的资深算法工程师万宫玺为大家介绍了 Deeplearning4 框架的构成、主要功能模块并结合实例讲述具体的使用方法。 第二部分为 DL4j 的生态圈，主要介绍生态圈中最重要的三个模块：DL4j 本身，它所依赖的张量预算库 ND4j、DL4j 当中做数据 ETL 的库 DataVec。 DL4j 所依赖的张量运算库 ND4J，ND4j 可当作 JAVA 版的 Numpy。 ? ND4j 内存管理情况： ND4j 利用了堆外内存和堆上内存两个部分的内存做相应的计算。 个人在做 AI 方面的心得体会 机器学习是 AI 的主要解决方案，但不是唯一方案。 深度学习并不是万能的，对于非结构化数据：图像、文本、语音会有出色的效果，但传统机器学习模型同样很重要。 转型 AI 同样可以从 Hello World 入手。 提升 AI 内功必须精通原理，而不仅仅跑出 Demo。 不要局限于某一特定工具框架，可以取长补短。 迁移学习和强化学习可能代表 AI 的未来。
1.5K40发布于 2018-03-16 - 来自专栏人工智能头条
AI生态赋能2018论坛来袭！转型AI看这里！
AI热潮来了，企业要转型，程序员要转型。 但是，人人都说转型难。 企业由于缺乏经验和产品落地的能力，即使招揽到了人才，也很难有所作为。 算法红利期，学术界的大牛都被各大巨头企业用诱人的薪资招致麾下。 但其实，AI产业的发展，不能仅仅依托高精人才。应用开发者、数据工程师、AI产品经理、后台运维人员等同样可以在AI大浪中发挥自己的价值。 进入2018，AI行业从最初的野蛮生长阶段迈入工程技术红利期，距离AI行业的真正爆发还有几年时间，企业成功转型尚有机会。但是，在行业大环境下，企业如何转型AI？程序员怎样转型AI，以弥补业务短板？ 为此，2018年1月16日，CSDN联合多家AI生态圈企业，在北京蔓兰酒店举办“AI生态赋能2018论坛暨CSDN AI新战略发布会”，届时AI领域知名企业、权威专家、技术精英齐聚，全方位多视角共话AI 为了进一步助力企业智能化升级，帮助IT工程师找到自己的进阶之路，CSDN还将重磅推出《AI行业应用路线图》和《AI技术人才成长路线图》，为企业和IT工程师提供切实可行的转型路径。
48141发布于 2018-06-05 - 来自专栏AI研习社
Java工程师转型AI的秘密法宝：深度学习框架Deeplearning4j | 回顾
在近期AI研习社公开课，来自苏宁易购搜索技术研发部的资深算法工程师万宫玺为大家介绍了Deeplearning4框架的构成、主要功能模块并结合实例讲述具体的使用方法。 第二部分为DL4j的生态圈，主要介绍生态圈中最重要的三个模块：DL4j本身，它所依赖的张量预算库ND4j、DL4j当中做数据ETL的库DataVec。 DL4j所依赖的张量运算库ND4J，ND4j可当作JAVA 版的Numpy。 ? ND4j内存管理情况： ND4j利用了堆外内存和堆上内存两个部分的内存做相应的计算。 个人在做AI方面的心得体会： 机器学习是AI的主要解决方案，但不是唯一方案。 深度学习并不是万能的，对于非结构化数据：图像、文本、语音会有出色的效果，但传统机器学习模型同样很重要。 转型AI同样可以从Hello World 入手。 提升AI内功必须精通原理，而不仅仅跑出Demo。 不要局限于某一特定工具框架，可以取长补短。 迁移学习和强化学习可能代表AI的未来。
2K70发布于 2018-03-16 这 7 类企业 AI 转型项目，根本不该用 AI
AI仅作辅助：把模型放在"提示、建议、初筛"环节，最终决策交给人或规则。判断门槛：如果业务规则在一张A4纸上能写清楚80%，就先用规则做。 反模式A/G用法建议：把这10个问题做成一页A4纸，每次和业务方开"AI立项评审会"时摊在桌上一起填。不要怕问得"太挑"——你越早问，客户越感谢你；上线之后才问，所有人都会埋怨你。 十、不上AI怎么交付价值？4条替代路径判断"不适合AI"之后，如果你只对客户说"这个做不了"，那是不合格的顾问。合格的做法是给替代路径。 下面是我最常用的4条：路径1：先自动化/流程优化把人做的重复步骤先自动化掉：RPA、规则引擎、工作流编排、API集成。AI如果要上，放在"辅助判断"而不是"裁决"。 结语：在企业AI转型里，"敢说不"才是真本事写到这里，回到最开始那句话：AI不是越用越值钱，而是用错越烧越快。企业AI转型的真正难点，不在技术，不在算力，而在判断力。
34310编辑于 2026-05-23- 来自专栏高速公路那点事儿
数字化转型 | 河北高速数字化转型升级中的AI应用介绍
4.智慧大屏数字人 智慧大屏数字人可以帮助高速公路管理者基于大屏实现各类自动化语音语音操作，包括 公文写作：涵盖业务各类日月周年报、PPT，日常办公各类公文，可以帮助高速公路管理者提高工作效率、优化公文质量 ，在长尾应用场景相比传统AI有更好效果。 ---END--- 大家都在看： 人工智能 | 基于高速公路场景，物理AI可以引导新产品突破？ 人工智能 | 《AI赋能下面向车路协同的智能道路》的学习，感知、定位与引导 数字化转型 | 智能感知设备+大模型数字底座+AI数智人=智慧高速AI数智人平台(大厂方案) 数字化转型 | 大屏可视化是高速公路信息化系统的重点吗 看看AI生成的... 从情报板到“AI指挥者”，交通智能体如何改变高速出行的服务形态？ 点击下方卡片，可以快速关注： 感谢关注、转发、在看、点赞！
29510编辑于 2026-03-02 某机构AI优先通信平台的技术转型
AIR、ARR与AI：透视某机构向AI优先互动平台的技术转型某机构最新季度财报显示，该公司已悄然将人工智能从未来愿景转变为其产品差异化、运营杠杆及增长的主要技术引擎。 这家最初作为统一通信即服务提供商的企业，正在演变为一个AI优先的客户互动平台，其AI接待员系统及相关产品已成为每场对话的前端入口。 技术架构：AI接待员系统的核心能力在此次财报电话会议中，某机构宣布了其AI接待员系统的扩展版本，新增功能将AI直接引入B2C互动的起点。 AI编排。 技术架构中包含三层AI介入机制：人工介入前：AI处理初始交互人工介入中：AI辅助人类代理人工介入后：AI从交互中学习并优化下一次响应对于受法律、监管和复杂性约束的场景，系统保留人工代理角色，形成完整的智能增强回路
12810编辑于 2026-05-21诺基亚更换首席人力官，继续布局AI转型
后来诺基亚想通了，收购西门子，成立NSN公司，转型做了通信设备厂商，在全球范围内又遭遇华为和爱立信的“胖揍”，现在又砸了上百亿搞AI。 他们的实验室里的黑科技是一堆接一堆，可转型之路还是磕磕绊绊。 转型需要员工跳出舒适区学AI时代的新技能。可是没人愿意折腾，一个个摆烂摸鱼，拿着高薪混日子，把诺基亚的转型当成了“熬退休”或者等“拿包”的场所。 其实不止诺基亚，整个科技行业的转型，都绕不开一个核心命题：AI再牛，也是人创造的；技术再先进，也需要人来落地。这些年，多少科技巨头栽在了“重技术、轻人力”的坑里？ 前几年有个知名科技公司，砸了几十亿搞AI转型，HR脑子进水，上来就一刀切裁员，还放话说“不配合转型的都滚”，结果核心技术团队集体跳槽，转型直接崩盘，几十亿打了水漂。 更值得所有科技公司反思的是：AI时代的竞争，从来不是技术的竞争，而是人心的竞争；企业的转型，从来不是技术的升级，而是人的升级。
16210编辑于 2026-04-09- 来自专栏AI科技大本营的专栏
传统程序员转型AI做错了吗？
▌机器学习是你必经之路 入门 AI，机器学习是必须要学习的，可以这么说：机器学习是人工智能的基石和精髓。只有学好了机器学习算法原理和思想，你才算真正的入门人工智能。 虽然目前 AI 领域发展火热，商汤科技 B 轮融资 4.1 亿美元。但是这场革命是机遇，真的适合你吗？实践证明，并不是所有人都适合转行 AI。 对于这一类 猿友 ，我觉得你转行也行，但是你一定要走应用化的 AI 道路。 如果你数学很好，但是编程薄弱。恭喜你，你具备了转行 AI 的先天优势。 对于这类 猿友，我觉得你可以转行 AI，但是你得努力把编程水平提上来。 如果你数学很牛，曾经与菲尔兹奖擦肩而过，曾经给 Apache 顶级项目贡献 N 万行核心代码。 恭喜你，AI 领域需要的就是你，你就是未来的 Hinton，吴恩达……
68640发布于 2018-09-28 - 来自专栏云服务业务
腾讯云代理商：腾讯云与 DeepSeek V4 强强联合 企业 AI 转型的最佳选择
企业 AI 转型正从 “可选项” 变为 “必答题”，但长文档处理难、算力成本高、落地周期长三大痛点，始终阻碍转型步伐。 腾讯云与 DeepSeek V4 强强联合，以百万级上下文能力、全栈算力支撑、零门槛落地模式，为企业打造低成本、高效率、高价值的 AI 转型最优解，让顶尖 AI 能力惠及每一家企业。 全栈云底座支撑，低成本筑牢 AI 转型根基AI 落地离不开强算力与稳底座，腾讯云以 “一云多芯” 架构，从算力集群到开发平台，完成 DeepSeek V4 全链路适配，提供 “训练 - 精调 - 推理” 企业级安全合规，全程可控无后顾之忧AI 转型，安全是底线。腾讯云为 DeepSeek V4 提供全方位企业级保障，让企业用得安心、放心。 选择腾讯云 ×DeepSeek V4，就是选择一条更高效、更普惠、更安全的 AI 转型之路，助力企业在智能时代抢占先机、行稳致远。
26620编辑于 2026-06-04 腾讯CodeBuddy：AI4SE研效协同工具体系驱动软件工程智能化转型
剖析行业AI4SE发展现状与核心瓶颈 当前AI4SE（AI for Software Engineering）各阶段成熟度一般，面临研发提效增质需求与传统开发模式的根本冲突。 undefined（数据来源：腾讯《当前AI4SE各阶段成熟度现状》《当前AI4SE建设成效与瓶颈》） 构建CodeBuddy产品矩阵与AI4SE研效协同方案 腾讯以CodeBuddy为核心，打造覆盖软件全生命周期的 undefined（数据来源：腾讯《当前AI4SE建设成效与瓶颈》） 腾讯内部业务线落地实践案例 CodeBuddy通过多端产品形态（AI IDE、Plugin、CLI）支持腾讯集团各业务线差异化需求： 软件工程师（L4），迈向AI开发团队（L5）范式，支持氛围编程与规约编程共存； 企业赋能：通过Admin统一管理后台沉淀企业研发资产（MCP/Rules/RAG），提供全栈支持（推理框架、国产信创适配 undefined（数据来源：腾讯《AI Coding软件工程新范式的落地飞轮》《腾讯AI4SE能力规划》）
63910编辑于 2026-04-02- 来自专栏目标检测和深度学习
深度学习的研究方向: 你会为AI转型么？
数据挖掘 消费习惯、天气数据、推荐系统、知识库（专家系统）； 4. 游戏 角色仿真、AlphaGo（强化学习）； 5. 非专业人员转型 你会为AI转型么？ 如果是我，我的答案会是，如果可以优雅的转身，那就转吧。 如何保证优雅的转身？ 如果你的主要编程语言是 C++ 和 Python，并且数学功底很好，那么恭喜你，没什么障碍了，最多三个月的转型期，你马上就能成为一名合格的 AI 从业者。 > 转型开始 开始转型，怎么一步一步的去实现这个目标呢？ 总结为4点： 看书、读论文、用框架、敲代码。 1. 4.
1.1K40发布于 2018-04-18 《AI领航工业制造：解锁智能转型新密码》
二、AI，筑牢产品质量防线产品质量是工业制造的生命线，AI技术在质量检测环节发挥着不可替代的作用。AI视觉检测系统，利用深度学习算法，可快速、精准地识别产品表面的瑕疵、尺寸偏差等问题。 三、AI，实现设备智能运维工业设备的稳定运行是生产顺利进行的保障，AI技术让设备运维从被动维修转变为主动预防。 四、AI融入工业制造的挑战与应对数据安全与隐私保护AI依赖大量数据进行训练与决策，工业制造数据涉及企业核心机密，数据安全至关重要。 技术人才短缺AI技术在工业制造的应用需要既懂AI技术又熟悉工业生产流程的复合型人才。 企业在引入AI技术时，需制定统一的数据标准与接口规范，选择兼容性强的AI解决方案，分阶段、分步骤推进AI系统与现有系统的集成，确保生产过程不受影响。
29610编辑于 2025-01-25- 来自专栏前沿技墅
云计算和 AI 时代下的运维转型
在阿里巴巴的PE转型过程中，有一部分运维转型去做效能工具研发，有一部分经验丰富的资深运维就转型成为技术产品和技术运营这样的运维专家角色。 可以参考阿里巴巴PE转型的经验，根据自己的优势特点提前做好方向规划。 云计算和AI带给我们的挑战 机遇与挑战并存，上面我们更多地讲了机遇，但是与此同时也要看到挑战，甚至是危机。 然后，再谈谈AI。这里说明一下，我们现在谈论AI，其实大部分情况下是在谈论AI的一种实现方式——机器学习算法。关于这一点，我在InfoQ做过分享（“AIOps为什么是运维发展的必然趋势？” “AI时代，我们离AIOps还有多远？”），如果感兴趣可以读一读。 AI和Ops的结合，更多还是场景驱动的。 所以，我的建议就是要去多了解，因为未来随着技术、数据和计算能力的提升，AI是一个必然的趋势。如果一点都不了解，那么极有可能会被卡在门槛外面，这就不是转型的问题了。
1.7K31发布于 2018-07-31
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