- 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
就在刚刚，他在自己的Medium专栏上po出了一份公开信，正式宣告了这份名为《人工智能转型指南（AI Transformation Playbook）》（下称《指南》）的发布。 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。 课程设置： 掌握人工智能的基本项目方向，包括基本技术，数据以及AI能做什么和不能做什么。 了解基本AI算法 。 基本了解AI项目的工作流程，AI团队中的角色和职责，以及AI团队的管理。 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
就在刚刚，他在自己的Medium专栏上po出了一份公开信，正式宣告了这份名为《人工智能转型指南（AI Transformation Playbook）》（下称《指南》）的发布。 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。 课程设置： 掌握人工智能的基本项目方向，包括基本技术，数据以及AI能做什么和不能做什么。 了解基本AI算法 。 基本了解AI项目的工作流程，AI团队中的角色和职责，以及AI团队的管理。 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
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 https://towardsdatascience.com/how-to-build-your-own-neural-network-from-scratch-in-python-68998a08e4f6） -6-months/） Efficient BackProp by Yann LeCun and others（http://yann.lecun.com/exdb/publis/pdf/lecun- Via：https://towardsdatascience.com/how-to-get-started-as-a-developer-in-ai-9116a2326d5f
61110发布于 2019-08-20 - 来自专栏数据挖掘与AI算法
数字化转型失败的6种原因
导致这种情况的原因可能是公司管理层对数字化转型工作关注度不足，没能及时纠正数字化团队的转型路径。 在这种情况下，该怎么做呢？ 一种方法是回顾整个数字化转型历程，剖析出现问题的环节，调整数字化团队的执行流程，纠正转型方向。另一种方法是采纳咨询公司的数字化转型方案，在具体的执行过程中，依据实际情况对方案加以调整。 二 数字化转型技术路线错误，不断推倒重来 企业数字化转型的第二种失败原因是技术路线错误，需要数字化团队不断推倒重来，导致转型工作陷入无底洞、死循环。 三 数字化转型产生的业务价值低无法赋能业务 企业数字化转型失败的第三种情况是技术实力强，但是产出弱，业务价值低。 四 没有完整的数字化转型体系 数字化转型是一个长期、持续的试错过程，企业需要有一套完整的体系，尽可能减少试错成本，需要站在更高的视角看待数字化转型。
1K30发布于 2021-04-26 - 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。 该小组6周内完成： - 输出《AI模型安全测试准入标准V1.0》（含12项强制卡点，如‘所有微调模型必须通过差分隐私ε≤2.0验证’）； - 在Jenkins中集成AI测试插件包（含模型熵值监控、输入分布偏移告警 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 - 来自专栏人力资源数据分析
人力资源数据化转型中的 6化
在人力资源数据化转型中，我们需要实现数据的6化，最终构建人力资源数据分析体系。 1、标准化 2、流程化 3、可视化 4、业务化 5、智能化 6、体系化 1、数据标准化 数据标准化是数据分析的基础，数据的建模分析都是基于数据的标准化来的，数据的标准化分为两个标准化 数据字段标准化 对于这些关键指标有些是需要进行计算的，特别是人员流动，薪酬，人效等指标，在这些指标上，我们需要做到数据的标准化，每个HR对于指标的计算要统一，这样就方便汇总数据和进行数据的对标 2、流程化 在进行数据化转型的过程中 5、数据智能化 在未来的人力资源数据体系中，会越来越多的引入AI人工智能，比如在人员离职预警上，我们就可以根据离职的人员离职数据，通过AI 来预测未来的离职人员，做离职人员画像。 在招聘模块通过AI 可以在招聘过程中，对招聘人员的语言，表情等进行分析，最终来分析判断候选人是否符合要求。
1.2K31编辑于 2022-05-27 - 来自专栏云计算D1net
针对云原生转型的6个关键数据策略
如今，许多组织正在将采用云原生平台作为其数字转型战略。云原生允许企业以更灵活的方式提供快速响应、用户友好的应用程序。 如今，许多组织正在将采用云原生平台作为其数字转型战略。 随着数据成为每个组织的信息货币，企业如何在云计算转型过程中避免常见的数据错误?在构建云原生应用程序时，应该知道哪些数据问题?如何从数据中获得有价值的见解? 以下将阐述企业在向云原生转型过渡时必须考虑的六个关键因素： (1)放弃面向服务体系结构(SOA)，采用微服务 尽管仍有许多遗留应用程序仍然是基于面向服务体系结构(SOA)的，但架构思维已经发生了变化，并且微服务获得了广泛的普及 (6)云原生数据库的基本要求 亚毫秒级响应时间仅供少数特殊应用使用。但是，在当今微服务架构的世界中，这是所有应用程序的必备条件。这个延迟要求需要最高性能、最具可扩展性的数据库解决方案。
83840发布于 2018-06-08 - 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 腾讯云WorkBuddy驱动企业AI原生转型：6-9个月实现50%-80%效率提升
第一章：政策倒逼与效率代差下的转型困境 在“数字中国”与“人工智能+”战略相继落地的背景下，国资委明确要求央企打造AI原生能力，将其作为新质生产力的重要载体。 然而，企业在推进数字化转型过程中面临显著的“效率代差”与内部瓶颈： 竞争压力： 根据 Gartner 预测，到 2026年底，40% 的企业应用将集成AI智能体，率先具备AI原生能力的企业将形成降维优势 工具与能力层： 包含腾讯乐享企业AI知识库、一站式Agent开发平台、图像/视频创作引擎。 6-9个月落地节奏 试点突破（1-2个月）： 选定1-2个高价值场景（如财务对账），通过WorkBuddy桌面端试点，跑通流程。 第五章：开放兼容与全链路安全合规保障 企业在选择AI方案时，核心关注点在于数据安全、合规自主与技术绑定风险。
39810编辑于 2026-05-28- 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 这 7 类企业 AI 转型项目，根本不该用 AI
一、先讲清楚一件事：AI转型≠把系统换成模型在拆反模式之前，必须先把"边界"立起来。否则讨论"哪些不适合AI"会变成无穷无尽的争论。 下面这张图把企业AI转型立项前的"决策漏斗"画了出来，你可以直接拿去和业务方对齐：这张图的本质是告诉你：在企业AI转型里，"不立项"也是一种交付。把不该做的事挡在门外，比把模型训得更准更值钱。 必须先定的三件事在企业AI转型里，评估体系比模型本身更重要。 从小场景开始：先做一个能闭环的场景，再扩展，不要一开始就做"平台级AI"。判断门槛：上线后6个月谁负责？如果说不出名字，就不立项。 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。
34610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
再点击右上角的“···”，选择设为星标 研究大模型技术在交通综合感知及业务运营协同中的创新应用，在现阶段智慧业务系统基础上完成智能化水平提升，面向日常运营、应急处置、协同调度、决策分析、出行服务等场景，构建高速AI ，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？
复合应用 无人驾驶、无人机、机器人； 天朝的 AI 趋势貌似势不可挡，华人的高智商开始凸显，看各大 Challenge 的获胜者，几乎清一色的华人的身影，包括 MSRA、FAIR、 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。 该干嘛还是干嘛，继续领你架构师的高工资，AI的泡沫可不小，听哥的，别趟这趟浑水！ > 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.
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 - 来自专栏AgenticAI
6种AI Agent模式详解
在本文中，我们将探讨多种构建 AI 智能体结构的模式。这些模式有助于我们扩展功能、保持模块化，并更好地控制执行流程。 为什么使用多智能体模式？ 一开始，通常会采用单智能体模型。 适用于按领域或部门划分逻辑的系统 每个监督者管理一组特定任务或智能体 优势： 高度可扩展且结构清晰 各层级具备模块化控制能力 挑战： 实现复杂度较高 层级之间需要明确定义接口 适用场景： 企业级系统、多领域编排任务 6.
1.3K10编辑于 2025-07-27
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