- 综合排序
- 最热优先
- 最新优先
腾讯云Elasticsearch解决方案：规模化AI搜索的性能与成本优化实践
应对AI搜索规模化的核心挑战 行业在AI搜索规模化中面临四大瓶颈：海量数据规模（超10亿向量且持续增长）、运营复杂性（需管理和调试四个独立复杂系统）、极端性能需求（1亿+活跃用户需亚100ms延迟）、高昂初始成本 （数据来源：Elastic Excellence Awards 2025） 整合Elastic企业版的腾讯云AI搜索解决方案 提供腾讯云Elasticsearch Solution，基于Elastic企业版优势构建 ： AI生态：集成业界领先向量模型与重排模型、完整AI厂商生态，含AI助手、知识库、图像创作、数智人、内容安全等能力； 云为本功能：运维编排平台、推理服务集成、云基础设施集成、可搜索快照、LogsDB Elastic被Gartner（2022年12月魔力象限）和Forrester（2021年认知搜索Wave）评为搜索与可观测性领导者，受近50%财富500强企业信任。 AI生态协同：整合Elastic企业版AI功能（向量模型、RAG、知识库）与腾讯云AI能力（数智人、内容安全），覆盖全场景需求； 效果可量化：通过服务器精简、成本压缩、性能优化（延迟/推理速度）直接驱动业务增长
11310编辑于 2026-04-24腾讯云Elasticsearch解决方案：规模化AI搜索的性能突破与成本优化
破解AI搜索规模化瓶颈 企业在推进AI搜索规模化进程中，面临四大核心瓶颈。 部署腾讯云Elasticsearch统一方案 腾讯云联合Elastic推出Elasticsearch解决方案，以统一平台整合AI搜索全链路能力。 方案依托Elastic企业版优势： AI生态：集成业界领先向量模型、重排模型，提供AI助手、知识库等多场景方案，支持图像创作、数智人等AI能力； 云为本功能：含运维编排平台、推理服务集成、可搜索快照 30%，增强用户体验（来源：Elastic Search Labs³）； 规模化落地：建成首个“十亿级向量”RAG应用（来源：Elastic），获2025 Elastic Excellence Award Sanjay Kautikrao Deshmukh）； 生态整合：依托腾讯云基础设施，实现AI与搜索、观测、安全能力统一，降低系统耦合度； 持续创新：聚焦AI新商业功能企业版订阅，通过云原生架构保障扩展性
10410编辑于 2026-04-18腾讯云Elasticsearch解决方案：规模化AI搜索的性能与成本优化实践
应对AI搜索规模化挑战 行业在数据与AI时代面临AI搜索规模化落地瓶颈，核心痛点包括：超过10亿向量且持续增长的数据规模（Over 1 billion vectors and growing）；管理和调试四个独立复杂系统的运营复杂性 AI生态集成（含AI助手与知识库方案），首个支持复杂文档版面分析、元素排序，OCR解析大模型准确率提升30%，效果全国第一； 云为本功能：运维编排平台、推理服务集成、云基础设施集成、可搜索快照、LogsDB active users）； 服务器从400+台减至30台，运维成本降低90%+（BEFORE/AFTER对比）； 被Gartner（2022年12月魔力象限）和Forrester（2021年认知搜索 Wave™）评为搜索与可观测性领导者； Elastic为全球最广泛部署的VDB，结合灵活搜索、隐私、性能、规模支撑生成式AI（来源：Elastic描述）； 获福布斯500强近50%企业信任（Trusted （服务器、运维成本显著缩减）；通过AI生态与性能优化（向量模型、BBQ算法、亚100ms延迟）满足极端需求；获Gartner、Forrester权威认可及福布斯500强近50%信任，成为规模化AI搜索的可执行路径
7510编辑于 2026-04-24腾讯云Elasticsearch解决方案：以统一平台驱动AI搜索规模化价值
应对AI搜索规模化挑战 行业在AI搜索扩展中面临四大核心冲突： 数据规模：需处理超10亿向量且持续增长的数据集（来源：文中“Over 1 billion vectors and growing”）； 部署腾讯云Elasticsearch统一平台 腾讯云与Elastic合作推出Elasticsearch解决方案，以统一平台整合技术能力： 架构核心：构建统一平台替代分散系统，集成向量搜索与生成式AI 生态与云功能：集成业界领先向量模型、重排模型及AI助手/知识库；提供运维编排平台、推理服务集成、可搜索快照、LogsDB、AutoOps、Otel等云原生能力（来源：文中“AI生态”“云为本”部分）； AI.undefined—— Elastic（The Search AI Company） 选择腾讯云的核心动因 技术确定性：依托Elastic（Gartner/Forrester领导者、最广泛部署 、亚100ms低延迟等明确价值； 生态前瞻适配：AI新商业功能定位企业版订阅，持续集成图像创作、数智人等能力（来源：文中“面向未来”“AI生态”部分）。
11010编辑于 2026-04-20腾讯云Elastic合作：规模化AI搜索的统一平台与量化价值实现
破解AI搜索规模化瓶颈 企业在AI搜索规模化进程中面临核心挑战：需处理超10亿向量且持续增长的数据规模（Over 1 billion vectors and growing¹²），同时应对管理4个独立复杂系统的运维复杂度 理想中的高效AI搜索与现实中分散系统导致的高成本、低效率形成显著差距。 构建统一AI搜索平台 腾讯云联合Elastic提供集成RAG解决方案，以统一平台整合技术能力： AI生态：集成业界领先向量模型、重排模型、AI助手、知识库，覆盖图像创作、数智人等场景； 云基础功能 Search Labs），亚100ms延迟支撑1亿+活跃用户； 效率：AI模型推理速度提升120%（Information Retrieval - Elastic Search Labs²），搜索准确率提升 AI. —— Elastic（合作伙伴）
12910编辑于 2026-04-21腾讯云Elasticsearch解决方案：以统一平台破解AI搜索规模化挑战
应对AI搜索规模化挑战 在数据与AI时代，行业需释放数据潜力，但企业面临AI搜索规模化四大核心瓶颈： 大规模数据压力：需处理超10亿向量且持续增长的复杂数据集； 运营复杂性：原方案需管理4个独立复杂系统 、完整AI厂商集成、含AI助手与知识库的多解决方案）、云基础功能（运维编排平台、推理服务集成、可搜索快照、LogsDB、AutoOps、Otel等）； 差异化优势： AI品力：全国首个支持复杂文档版面分析 模型推理速度提升120%²； 效果增强：搜索准确率提升30%³，实现首个“十亿级向量”RAG应用；OCR解析大模型准确率提升30%（效果全国第一）； 行业认可：获2025 Elastic Excellence AI.undefined—— The Search AI Company 阐释选择腾讯的核心逻辑 选择腾讯云基于三重确定性： 技术整合力：以统一平台替代分散系统，解决运营复杂性与极端性能需求； AI与云协同：依托云基础设施集成与AI生态能力（向量模型、重排模型、多解决方案），保障开发效率与系统稳定性； 价值可验证：通过服务器精简、成本降低、性能提升等量化指标（如90%+成本降幅、120%
9510编辑于 2026-04-22腾讯云Elastic合作：以统一平台破解AI搜索规模化难题，驱动业务增长
应对AI搜索规模化挑战 在数据与AI时代，企业探索向量搜索与生成式AI应用时，面临四大核心瓶颈： 规模压力：需处理超10亿向量（Over 1 billion vectors and growing） 构建统一AI搜索平台 腾讯云联合Elastic推出Elasticsearch解决方案，基于Elastic企业版“AI生态、云为本、面向未来”优势，整合RAG（检索增强生成）能力，核心特性包括： AI 生态集成：业界领先向量模型与重排模型、完整AI厂商生态（含AI助手、知识库），支持图像创作、数智人、内容安全等能力； 云原生功能：运维编排平台、推理服务集成、云基础设施集成、可搜索快照、LogsDB AI.undefined—— Elastic 选择腾讯云的核心动因 技术确定性：依托Elastic企业版AI生态与云原生能力，覆盖向量搜索、RAG、生成式AI全栈需求； 成本效率：统一平台简化运维 （替代四套系统），BBQ量化算法等优化资源占用，实现90%+成本削减； 规模化保障：支持十亿级向量处理，满足亚100ms高并发低延迟，提升系统稳定性； 生态协同：深度集成腾讯云基础设施与AI能力
12110编辑于 2026-04-19使用AI图像服务规模化视觉内容生产
使用AI图像服务规模化视觉生产Stability AI图像服务现已在某中心云平台中提供，通过API提供即用型媒体编辑功能。 搜索重着色和搜索替换工具针对图像中的特定元素进行修改。搜索重着色改变对象颜色；例如，展示连衣裙的不同配色方案而无需新的摄影。搜索替换可以完全交换对象，这对于更新营销材料中的季节性元素或替换产品很有用。 解决方案概述为了演示某中心云平台中的Stability AI图像服务，让我们通过GitHub存储库中的Jupyter笔记本示例进行操作。 确认笔记本实例的执行角色具有必要权限完成以下步骤验证分配给笔记本实例的执行角色具有正确权限：在身份和访问管理控制台上，选择角色在角色搜索栏中输入执行角色名称选择该角色验证托管策略是否存在（可选）如果缺少任何策略 要开始使用，请查看某中心云平台中的Stability AI模型和示例GitHub存储库。
12010编辑于 2025-10-06企业级智能体AI规模化技术解析
企业级智能体AI规模化技术解析在最近的一场炉边对话中，两位企业AI前沿的关键人物分享了他们对智能体AI演进格局的见解：某机构的產品总监Matan-Paul Shetrit和某中心的执行合伙人Sandesh 全栈方法在生成式AI中的重要性某中心在生成式AI投资中采取主题性、周期感知的方法。Patnam指出："当周期移动如此之快，而你只专注于一个层级时，你不知道颠覆会从哪里来。这样很难建立持久的公司。" 相反，某中心寻找具有以下特征的全栈生成式AI公司：对模型的明确观点（无论是内部、开源还是混合）对中间件和交付机制的控制对最终用户工作流程的深入理解企业AI关乎工作流，不仅仅是聊天机器人"秘诀是工作流程， AI正在发生同样的事情。"AI主管：IT的新角色通过他们的AIHQ平台，某机构正在推动更协作的模式：业务团队和IT共同设计、构建和监督AI工作流程。" 我们需要授权IT成为我们所谓的AI主管，"Shetrit解释。
17610编辑于 2025-11-04- 来自专栏程序那些事儿
秘塔AI搜索，AI时代的搜索引擎
然而，随着用户需求的不断升级，对于搜索体验的期望也水涨船高。上海秘塔科技洞察到这一市场趋势，推出了秘塔 AI 搜索，这不仅是对产品的一次革新，更是中国 AI 搜索领域迈向新高峰的一个标志性事件。 一、秘塔 AI 搜索的技术基础 秘塔 AI 搜索的核心是上海秘塔网络科技有限公司倾力打造的大语言模型 MetaLLM。 四、对未来的展望 毫无疑问，秘塔 AI 搜索的推出标志着中国 AI 搜索市场即将迎来一个崭新的时代。它的到来不仅仅是对现有搜索体验的一次颠覆，更有可能推动整个行业进入新纪元。 结语 总结来说，秘塔 AI 搜索作为一款创新的 AI 搜索引擎，以其出色的技术能力和用户友好的设计理念，迅速在国内外市场上占据一席之地。 随着 AI 技术的持续进步和应用场景的日益扩大，秘塔 AI 搜索的未来充满无限可能，它将不断为用户提供更为深入、高效、便捷的搜索体验，开启信息检索的新时代。
2.8K20编辑于 2024-04-26 - 来自专栏bit哲学院
AI（四）：对抗搜索
参考链接： 人工智能对抗搜索 https://blog.csdn.net/NGUever15/article/details/89160951 对抗搜索 文章目录 对抗搜索1 博弈multi-agent 4.2 截断搜索4.3 向前剪枝 1 博弈 假设： 有两个选手完全可观察，确定性的环境zero-sum（零和游戏）时间受限 multi-agent 环境 合作 vs 对抗 对抗的情况下，产生博弈搜索问题 形式化搜索问题 初始状态： Actions 转移模型 目标测试 路径代价 其中，节点是状态，边是移动。 3.1 行棋排序 时间有限，实行深度受限搜索。 采用迭代加深搜索。 4 不完美的实时决策 ？？？如何设计评估函数。 ？？？ 如何截断。 4.2 截断搜索 ？？？如何截断，以满足时间限制 评估函数是不准确的，截断可能导致错误。 典型的错误： 评估值的摇摆。
75540发布于 2021-01-29 腾讯云Elasticsearch解决方案：以统一平台破解AI搜索规模化难题，实现性能与成本双优化
应对AI搜索规模化挑战 当前AI搜索规模化面临四大核心冲突。 部署腾讯云Elasticsearch统一平台 腾讯云联合Elastic推出Elasticsearch解决方案，定位为AI时代搜索与向量数据库核心工具。 ：提供运维编排平台、推理服务集成、云基础设施集成、可搜索快照、LogsDB、AutoOps、Otel等以云为基础的功能与服务； 生态与未来布局：构建完整AI生态（含AI助手、知识库等多解决方案），AI 验证规模化应用价值 方案落地后实现量化业务指标突破（数据严格基于原文）： 成本与资源优化：服务器从400+台降至30台，运维成本降低90%+； 性能提升：查询速度优于OpenSearch¹，支撑 1亿+活跃用户亚100ms延迟；AI模型推理速度提升120%²，搜索准确率提升增强用户体验³； 技术突破：实现首个“十亿级向量”的RAG应用，向量内存通过BBQ量化减少95%，OCR解析大模型准确率提升
9210编辑于 2026-04-23- 来自专栏算法一只狗
AI 搜索 vs 传统搜索：替代还是共存？
尽管聊天机器人流量增速惊人，但其总量仍仅为搜索引擎的1/34，可见在宏观层面上，AI搜索尚未完全取代传统搜索。 1.AI 搜索与传统搜索的对比 交互方式传统搜索需要用户自行过滤和阅读海量结果，围绕关键词跳转网页；AI助手支持对话式交互，可直接生成整合性的答案与建议，更适合需要理解、总结或规划型任务。 比如，点击了百度的AI搜索功能后，它确实能够根据现在的网页信息，集成进一些图文、视频等信息出来然后展示：像图文暂时这一块，夸克、Bing搜索等，在AI爆火的初期，早就已经接入进来。 2.以百度为例：AI 搜索的实践与困境“已经好久没有用过百度搜索了”，这句话折射出当下许多用户的体验： AI 功能走马观花 百度在网页入口中嵌入了 AI 搜索功能，能够集成图文、视频等信息、直接展示相关内容 AI 搜索确实改变了我们获取信息的方式，让复杂任务和多轮对话变得更高效，但它更像是对传统搜索的补充，而不是完全取代。
2.1K10编辑于 2025-07-08 - 来自专栏深度学习与python
揭秘“灯塔工厂”的 AI 应用案例和规模化策略
在这个过程中，友达光电培育了超过 800 位 AI 专家，累计了超过 2000 个 AI 模型（如今已经超过 3000 个），在工厂里实时运行。 接下来，聚焦数据科学、工业质检、智能监控三个方面，给大家分享一下 AI 在工业品质提升场景的具体应用案例。 AI 数据科学 首先，看 AI 数据科学。 2 无代码平台是实现 AI 扩散和“全民 AI”的重要抓手 大家可以看到，如今 AI 应用越来越广泛，企业关心的不只是 AI 的某个应用导入，还包括如何更快速地扩散企业内的 AI 应用，甚至是实现“全民 AI”的愿景。 但是，随着技术的迭代，AI 技术的使用成本会越来越低，比如现在已经有很多的无代码 AI 平台可以助力企业快速完成人才的赋能和技术的落地。
53420编辑于 2023-08-09 - 来自专栏Web_xy
AI搜索引擎
通过与 ChatGPT 发明者 OpenAI 合作，微软给自己的搜索引擎加入了先进的 AI 对话模型，以支持全新版本的必应（Bing）和 Edge。 我本来也想试试，但是现在公测版还未发行，且内测版被各大头条垄断，只能先看看谍照了hh ---- 基于AI的搜索引擎 新模式的搜索引擎 ---- 我们能看到，新必应搜索的其中一种模式将传统搜索结果与 ---- 「人工智能将从根本上改变各类软件，首先就从最大的类别 —— 搜索引擎开始。今天，我们推出了由 AI 加持的必应和 Edge，以帮助人们从搜索和网络中获取更多信息。」 实时对话 ---- 用 AI 重塑搜索 微软宣布，新的必应体验是四项技术突破的结晶： 下一代 OpenAI 模型。 将人工智能应用于核心搜索算法。我们还将 AI 模型应用于我们的核心必应搜索排名引擎，从而实现了二十年来相关性的最大跃升。有了这个 AI 模型，即使是基本的搜索查询也更加准确和相关。 新的用户体验。
1.7K20编辑于 2023-02-23 AI会消灭搜索吗？
徐一平 腾讯研究院高级研究员一边是谷歌Gemini 3高调入局，AI独角兽争相涌入，将AI搜索视为最钟爱的赛道；另一边却是马斯克“AI将消灭搜索”的惊人断言。 当前的AI搜索早已超越纯文本的束缚，全面支持语音、图像乃至视频的输入与输出。这一技术演进极大地拓宽了搜索引擎的应用疆域，使其影响力从传统网页端，向移动设备乃至各类AI硬件终端无缝渗透。 当时谷歌AI Overview给出了用胶水粘住披萨的错误答案。路线二——破局原生：AI原生搜索引擎颠覆式重构该路线的代表是是以Perplexity、OpenAI为代表的AI原生搜索引擎。 中游：营销范式向夺取AI心智转移传统数字营销的核心方法论——搜索引擎优化（SEO），其底层逻辑正因AI搜索的出现而面临结构性调整。过去，优化的核心是提升特定页面在搜索结果列表中的排名。 以AI搜索为代表的信息服务正在翻开新的一页。
42610编辑于 2025-12-10- 来自专栏做数据的二号姬
认真聊AI | 搜索技术
原创内容 No.704 认真聊AI | 搜索技术 书接上回，本期AI的内容到了搜索技术~ 图片由海艺AI绘制 提到搜索技术就不得不提到搜索问题。 搜索解决方案：使用广度优先搜索（BFS）或深度优先搜索（DFS）找到从初始状态到目标状态的路径。 剪枝条件：在搜索过程中，如果发现某个状态已经搜索过了，或者某个状态不符合问题的约束条件，就可以将其从搜索路径中剔除，以避免无效搜索。 这种解决问题的方法也就是搜索技术。 我们在实际执行的时候，为了提高搜索的速度，图搜索并不是先生成所有的状态连接图再进行搜索的，而是边搜索边生成图，一旦找到了合适的答案搜索就停止了。 在搜索的过程中引入启发信息，减少搜索范围，以便更快地找到问题的解，这种搜索策略称为启发式搜索。 A算法和A*算法是常用的两种启发式搜索算法，我们首先介绍一下A算法。
48810编辑于 2024-11-26 - 来自专栏Python自动化测试
规模化集群验证
然后结合Jenkins就可以打造可持续的集群规模化的流水线的验证，这样可以形成可持续的质量交付。
50620编辑于 2022-03-29 - 来自专栏机器学习
AI 文档搜索系统：基于 LangChain + FAISS 的智能搜索
LangChain 和 FAISS（Facebook AI Similarity Search） 构建一个 AI 文档搜索系统。 原理解析2.1 传统搜索 VS AI 搜索传统文档搜索依赖于 全文搜索（Full-text Search） 或 基于关键词的索引。 例如： 传统搜索： 用户查询 "公司财务情况" 搜索引擎返回所有包含 "公司"、"财务"、"情况" 的文档 无法识别 "盈利情况"、"年度财报" 这些相关内容 AI 语义搜索： 使用 向量化索引 总结本教程介绍了 AI 文档搜索系统 的原理、核心技术，并提供了完整的代码示例。通过 LangChain 解析文档，FAISS 进行语义索引，嵌入模型向量化文本，实现高效、精准的 AI 文档搜索。 未来优化方向： 增加 OCR 解析，提高扫描文档支持能力 支持更多嵌入模型，提高搜索精准度 结合 RAG（检索增强生成），自动生成文档摘要 通过 AI 赋能文档管理，提高企业知识获取效率，节省大量搜索时间
1.6K01编辑于 2025-03-30 - 来自专栏深度学习与python
Agent规模化落地前夜，AI Infra的难题全都暴露了
InfoQ 特别邀请 IDC 高级研究经理张犁、智诊科技产品总监罗龙生、腾讯云异构计算高级产品经理黄阳，解析 AI Infra 的六大核心能力、Agent 规模化的结构性难题、AI Infra 价值闭环衡量标准 重估 AI Infra 价值 随着 AI 应用进入规模化落地阶段，Agent 也逐步快速渗透到各个行业。 训推一体化和加速能力：AI 训推平台针对 AI 模型训练 / 微调和推理框架的支撑能力，以及对于 AI 训推流程的加速能力，成为 AI Infra 在 AI 模型开发层面的核心技术平台。 安全体系构建能力： 基于隐私计算和联邦学习的核心安全能力，AI Infra 融合基础云安全能力，构建适配 AI 模型和应用的智算安全体系，保障 AI 模型和用户敏感数据的安全。 AI Infra 的风险和成本控制 明确了衡量 AI Infra 能力的宏观框架，实际落地过程中，企业还需要用可量化的方式，判断 AI Infra 在具体业务场景的价值。
55310编辑于 2025-11-26
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