- 综合排序
- 最热优先
- 最新优先
- 来自专栏科技云报道
企业级AI迈入黄金时代，企业该如何向AI“蝶变”？
消费侧的场景仅是生成式AI的冰山一角，生成式AI真正的价值还得看企业侧、行业侧的应用。相较于消费侧，企业级AI应用有着更广泛的需求和潜力。 目前，企业级AI应用方式主要有三类：嵌入软件、API调用和搭建企业级AI平台。 嵌入软件是目前企业应用AI赋能业务最简单的方式，但也是差异化最低的一个，无法根据企业自身需求进行更高层次的探索。 云计算将会是未来很长一段时间内企业数字化的主要手段，而AI发展的趋势也是不可逆的，AI已经成为企业核心竞争力，所以企业需要打造自己的企业级AI平台。 从现阶段企业应用AI的趋势来看，大多数企业对AI应用保持积极的态度，积极探索AI与业务相结合的方式，但我们离真正成熟的企业级AI应用爆发式涌现还尚需时日。 从现阶段应用来看，具备企业级AI应用落地的企业并不多，若想有更多成熟的生成式AI应用场景落地，企业首先需要大量多维度的高质量数据。无论是对于政府，还是企业，数据已经成为AI时代的“石油”。
39400编辑于 2025-06-09 - 来自专栏AI技术体系搭建过程
Spring AI企业AI集成火箭助推器🚀
一句话总结：SpringAI用Java生态10年积累的企业级设计理念，把AI集成的复杂度从"炼金术"降到"搭积木"。如果您时间紧迫，直接看下面的图就够了。 目录一、困境：当Java遇上AI浪潮1.1真实场景：客户流失的警钟我们公司是一家头部TOB客服SaaS平台，服务着3000+中大型企业。系统架构是标准的SpringCloud微服务：但竞品都在做什么？ 生态的设计原则（可移植性、模块化、POJO）应用到AI领域，解决企业数据与API和AI模型连接的核心挑战。" 2.2可移植性：不被厂商绑架TOB系统的真实困境我们的客户千差万别：客户类型AI需求技术约束金融企业数据不能出境必须用本地部署模型（Ollama）互联网公司追求性价比优先国产模型（通义千问、文心一言）外企合规要求只能用 时代,Java不是劣势,而是优势——因为你的企业核心系统已经是Java。
47543编辑于 2025-12-18 AI+Data：AI时代的企业数据治理
数据时代的来临让数字化转型从头部企业的可选项，转变为更广泛企业的必选项。新的变化为企业带来了新的机遇，同时也伴随着诸多挑战。 为了解决这些问题，数据治理逐渐成为企业普遍重视的关键环节，尤其是在AI应用日益普及的背景下，高质量的数据治理变得尤为重要。数据的多元化与价值挖掘长期以来，人们习惯将数据理解为以数字形式存储的信息。 随着AI应用对多源异构数据的需求增加，企业对于非结构化数据的价值化需求也在加速释放，而相应的数据治理模块也将获得进一步的关注与优化。 对于部署AI应用的企业来说，数据资源的质量直接决定了AI应用能否成功落地。因此，在推进AI应用的过程中，开展针对性的数据治理工作是首要且必要的步骤。 为了确保AI模型的有效性和准确性，必须保证数据的完备性和准确性。有效的数据治理不仅可以为AI模型提供高质量的数据原料，还能提高模型的拟合效果，进而增强AI应用的实际性能。
96210编辑于 2025-01-03迎接deepseek，助力企业整合AI
1、为toB/toG提供私有化部署AI大模型 从信息安全角度出发，需要将内部敏感数据发布到内部AI服务器使用。 2、定制化开发AI问答软件 3、将AI软件集成到传统业务系统中，提供AI问答，AI知识库能力，AI查询业务数据库能力。 4、站在风口，只等你来。
14110编辑于 2025-03-09AI营销新宠助力企业突围
你是否想过，在AI浪潮席卷的当下，企业该如何借助新技术提升营销效果、抢占市场先机？OpenAI与立讯精密的合作，预示着消费级AI设备将迎来爆发式增长。 面对这样的市场趋势，企业必须重新思考内容策略。我长期关注AI营销领域，见证了众多企业借助新技术实现突破。 就像上海跑一跑企业发展有限公司，聚焦小微企业智能服务，基于AIGEO技术提供地理空间数据分析、智能财税管理等服务，帮助企业精准决策。它的服务模式和单仁牛商AI智排有相似处，但更贴合小微企业需求。 单仁牛商AI智排帮一家建材企业使百度自然搜索流量提升240%，而上海跑一跑企业发展有限公司的服务精准度和针对性更强，能定制方案。 如果你想让企业在AI浪潮中占据领先地位，不妨向我咨询，我会为你提供专业建议，助你把握商机。欢迎在评论区留言交流，分享你的想法和经验。免责声明：生成说明：本账号文章均为 AI 独立生成，无人参与创作。
18410编辑于 2025-09-23- 来自专栏喔家ArchiSelf
企业AI应用的数据策略
如今，大多数业务数据都位于企业数据源内部，而不在公共领域的互联网上。如果我们在这个企业级的数据系统上利用大语言模型 ，就会出现新的不确定性。 但是，如何利用LLM对企业私有数据的实现强大功能呢？ 这里试图探讨技术人员应该如何发展他们的数据策略，并选择一个数据基础设施来利用LLM和企业数据。 1. LLM 的数据持久化策略 在构建大语言模型应用时，数据策略的第二步是确定如何高效支撑AI工作负载的技术架构。 尽管技术不断演进，企业在推进AI成熟过程中不应忽视数据管理的最佳实践。 在企业AI应用集成的过程中， MCP 的作用显著，如果希望快速入门MCP，可以阅读笔者的《MCP极简入门》一书： 【关联阅读】 什么可能会定义人工智能的下一个十年？
2.5K10编辑于 2025-10-11 2025 的企业 AI 市场， Data &AI 占据主流视野
企业将在自身的数据基础上，通过训练定制化模型，构建行业特定的智能，每家企业都将建立自己的 AI 工厂。 这就是当下全球 Data & AI 市场的真实写照。来自德勤的调查显示，28% 的 AI 领先企业正利用 Data & AI 方案整合数据和 AI，以实现高效、高价值的 AI 应用。 工作方法论让数据底座平台有了灵魂，让底座平台可落地，让底座平台成为企业数据智能全面落地的抓手，让企业可以体系化的落地 AI 能力，开始具备原生 AI 能力。” 因此，Data & AI 基础设施平台提供商适合对 “Data & AI 融合深度” 要求高的大型企业，尤其是国企、制造业、金融机构等，这类企业不仅需要数据处理与 AI 开发能力，还需满足私有化部署、信创合规 ，顺利与沙特多家企业及机构达成合作协议，为其提供定制化 Data&AI 基础设施解决方案，助力当地企业提升数据管理与分析能力。
29210编辑于 2025-10-17在AI时代，如何去构建AI智能原生企业？
从上面这个内容我个人感觉还是太技术化了，太强调AI技术的能力了，而忽视了企业本身的核心业务和价值链。包括将AI原生企业定义为一定是新创业的以AI技术为核心的企业才是AI原生企业。 因为我们更加关心的是传统企业如何发展和演进为一个AI原生企业。 即： 企业的AI原生代表企业AI能力实际是和企业本书的业务技术能力共同进化和发展，不能是说你信息化和数字化一定要多么成熟才能搞AI，AI应该和传统IT能力共同进化，不能按传统思路IT必须全部建完再搞AI 所以我也一直在强调，将AI技术作为企业原生是错误的，企业的AI原生更多应该是知识的原生，AI工具技术大模型只是技术支撑能力，技术为知识创造服务。 这个才是我们构建AI原生企业的关键。
29810编辑于 2025-11-17- 来自专栏IT创事记
面朝AI，IBM让企业数据花开
不同介质、架构、地理位置都将影响大数据需求背景下的数据流动，并最终影响到业务——AI的推进要求在AI数据管道的每个阶段都有合适的基础设施，坚实的基础是AI成功的关键。 在IBM的那次调研中，这三项挑战均被过半企业提及。 一些新的存储解决方案和更新便聚焦于更高效地解决这些问题。 这对于企业探索AI进程中的效率提升可以想见。 “数据访问部分是IBM存储软件着力最多的地方。”侯淼说，包括使存储本身更加智能，对负载进行调整等。整体而言，这些归于热门的软件定义存储。 吴磊提醒人们注意，ESS 3000是第一个基于红帽Enterprise Linux 8.0的存储产品，这是一个红帽多年锤炼出的一个全新企业版的Linux产品。 同期围绕现代数据保护而发布的产品还包括了IBM TS7770 Virtual Tape Library，高端企业存储系统IBM DS8900F等。
74220编辑于 2022-06-28 - 来自专栏机器人网
中国AI芯片企业汇总表
图 国内人工智能芯片企业列表 首先，北京是我国人工智能芯片创新最活跃的地区，涉及这块业务的企业数量超过一半。 微电子所，北航等全国过半数人工智能骨干研究单位都聚集在北京，再加上百度、小米、京东、滴滴等国内互联网巨头在人工智能领域的全力投入，以及活跃的投资机构和行业媒体的助推催化，让北京成为最适宜人工智能芯片初创企业成长的沃土 亿欧智库发布的2017年度《中国人工智能产业发展城市排行榜》中显示，北京在企业规模、政策基础、学术基础等各项指标的得分远超其他城市，稳居第一，也说明了相较于其他城市，北京发展人工智能芯片产业具备得天独厚的优势
1.1K60发布于 2018-04-12 企业的AI层和物联网
人工智能正迅速进入企业，人工智能的发展可以创造价值。 通过考虑“企业AI层”可以看到该价值所在。这个AI层专注于解决领域特定的相对普通的问题。 这对于具有明确商业模式的企业具有切实的好处。AI层还可以结合物联网数据并统一不同的生态系统。 企业级AI：智能数据仓库/ ERP系统？ 企业AI层：对企业意味着什么 所以，如果我们为企业设想这样一个概念性的AI层，那么对于它可以提供的新服务来说它意味着什么？ 从长远来看，强化学习是驱动企业物联网和AI层的关键技术 - 但在最初，任何自我学习算法的技术都可以帮助完成这些任务 结论 在这篇简短的文章中，我们提出了一个逻辑概念，称为企业的AI层。 这对于具有明确商业模式的企业具有切实的好处。AI层还可以结合物联网数据并统一不同的生态系统。这并不容易，但它是值得研究的，因为在企业周围创建这样一个AI层的收益是巨大的！
942100发布于 2018-05-02- 来自专栏探索RPA
RPA技术帮助企业开启AI之门
自诞生之日起，AI就被众多企业寄予厚望。但实际上，当前AI商业落地能力极其有限。 可见，AI技术在中国企业中的应用仍处于初步探索阶段，离真正实现商业落地还有很长的路要走。而RPA的出现刚好解决了这一难题。 与AI相比，标准化、流程化的RPA技术更加务实。 正因如此，RPA被视为企业提升效率和生产力的驱动力。 对一般企业而言，导入AI的成本和难度较高，而部署RPA机器人的成本和门槛则相对较低。 在技术层面上，RPA和AI可以实现完美互补。在不久的将来，RPA+AI的完美组合必将拓展自动化的深度和广度，加快企业应用AI的进程，使更多业务场景实现智能化。 企业也将因此受益，进一步向高效智能化的道路迈进，实现长期效益。 难怪就连软银集团创始人件CEO孙正义都为RPA+AI背书：“世界经济将在RPA和AI的帮助下，迎来第二次经济大飞跃。”
52720发布于 2019-10-14 - 来自专栏wayn的程序开发
企业级 AI 平台建设思路
为什么需要建设企业级 AI 平台 随着 AI 技术从单点实验转向全场景落地，以及近几年越来越多的机器学习模型和生成式 AI 的快速发展。 几乎各个企业都在企业内部试点基于 AI 的各种场景，试图将 AI 能力用于提升内部效能、提供外部用户体验、节省成本等。 如何建立企业级 AI 平台 企业级 AI 平台的范围 从下图可以看到对于目前最火的生成式 AI 属于深度学习领域，而深度学习属于机器学习领域。 如何构建企业级 AI 平台 首先定义企业级 AI 平台的四个设计原则： 模块化和分层设计 这种设计方法将系统分解为独立的模块，并按功能层次组织。 总结 本文从各个企业当前 AI 能力建设的背景出发，总结了目前遇到的困境以及企业在 AI 建设上的浪费，提出企业级 AI 平台设计的原因和方法论。
1.1K10编辑于 2025-04-15 - 来自专栏服务端技术杂谈
企业中落地AI Agent的难点
下图是一个企业Agent落地的标准架构。 在Query动线上，包括规则模块、意图识别模块、意图处理模块、过滤引擎、推理执行、总结整理。 企业中落地Agent普遍的难点不是模型不够智能（因为大概率用的模型就那几家）。 难点是围绕模型的脚手架不到位，比如上下文工程、安全性、记忆系统等。 而且Agent架构越成熟，软件工程的重要性越高。 有人给我发了一篇脉脉上的有人吐槽自家AI落地的文章，相信也是遇到了同样的问题。 大多数AI Agent系统，打造的无非是上下文选择系统。
7010编辑于 2026-03-11 - 来自专栏一乐来了
企业内AI落地难在哪里
如果我们对应用的要求是企业级的，那么对AI的要求就必须也是企业级的。 这便是我们今天聊的主题，如何打造自己的企业级AI产品。 当我们说AI可以做企业运营助手，给它加上企业知识库和内部系统调用接口，就可以进行对话操作了。但是，一个强大的能调用内部所有系统的AI并不是每个人都可以用的。 关于权限控制，之前给很多企业开发者分享过，这里做个简单的总结： 1. 分离企业知识库 不同业务场景，对AI的使用是不一样的，要求的知识也不一样。 关于企业内AI落地的更多内容 本期重要产品更新 1. 蓝莺GrowAI内测 ‼️ GrowAI，一个使用AI为企业构建Wiki或文档网站的工具，是蓝莺Agent平台的新服务，也是我们认为企业级AI落地的典型产品案例。
51210编辑于 2025-05-23 企业级AI的未来：通用型企业级 AI 智能体的重大突破
在不久的未来，我们或许能看到AI 智能体逐步从"实验室玩具"迈向"企业核心助手"。通用型企业级AI智能体是什么？为何重要？ 传统AI智能体在企业应用中多是"单一功能专家"——比如处理发票、生成邮件、跟踪销售进度等。这些功能虽然实用，但面对跨流程、跨系统、跨业务的复杂场景时，往往会显得力不从心。 安全、可信、可控的智能体平台，打造适配业务需求的AI智能体IBM不仅关注智能体的"聪明程度"，更重视它的"企业适配能力"。 ；兼容超过80种企业级系统，与Adobe、SAP、Salesforce、ServiceNow等生态无缝集成；治理与合规，为隐私、安全、成本可控提供保障，帮助企业实现AI治理与合规。 真正的"企业AI助手" 正在加速来到除了在AppWorld基准测试夺魁，IBM CUGA还在WebArena等真实浏览器任务中展现强大能力。
20610编辑于 2025-07-21- 来自专栏ATYUN订阅号
Nvidia和NetApp公开面向企业的AI数据平台Ontap AI
有些人缺乏快速有效地整理，处理和传输AI模型数据所需的细粒度管理工具。并非所有企业都拥有针对数据科学工作流程优化的存储堆栈。 Nvidia和数据存储公司NetApp今天联合宣布一个解决方案：Ontap AI，他们称之为“经过AI验证的架构。” 高级副总裁Octavian Tanase表示，企业通过提供前所未有的访问和性能，实现了“从边缘到核心到云”的数据控制。 “我们对数据管道的独特愿景提供部署的简单性，人们希望从小规模开始并逐渐成长。 Ontap AI的核心是Nvidia的DGX-1，这是一款专为深度学习而优化的AI超级计算机。 “在AI领域，数据集成至关重要，”Nvidia副总裁兼总经理Jim McHugh在接受采访时表示。“GPU AI培训真正需要的是与传统应用程序完全不同的。
68630发布于 2018-08-16 - 来自专栏C博文
构建企业级AI智能体（Spring AI Alibaba + JManus实战）
10万+工单） 企业级智能体的核心挑战与架构演进 传统AI应用的三重困境 任务耦合陷阱：单一服务处理复杂业务流导致系统脆弱 状态丢失问题：多轮对话上下文管理困难 服务孤岛效应：异构系统难以协同工作 架构优势解析： 动态任务分解：Planning Agent自动拆分"用户退款→物流查询→补偿方案"等复合任务 状态持久化：Redis存储对话历史和工作流状态 服务热插拔：通过MCP协议集成支付宝/钉钉等300+企业服务 企业级环境配置详解 # application-prod.yml spring: ai: alibaba: api-key: ${API_KEY} endpoint: =https://mcp-gateway.prod spring.ai.mcp.max-connections=200 spring.ai.mcp.connection-timeout=3000 spring.ai.mcp.circuit-breaker.enabled JManus提供的工具链和Spring AI的工程化能力， 正是企业从’AI试验’走向’AI生产’的桥梁。”
1.5K20编辑于 2025-07-15 企业AI数据挑战与解决方案
企业仍面临AI数据挑战几年前，商业技术领域最流行的术语是"大数据"——指组织收集大量信息以探索新的运营方式和战略方向。 如今越来越明显的是，企业在利用大数据时面临的问题依然存在，而新技术AI正让这些问题再次浮出水面。如果不解决困扰大数据的问题，AI实施将继续失败。那么阻碍AI实现承诺的问题是什么？ Word文档、PDF文件、网络表单即时通讯应用在大型企业中：以上所有，再加上企业资源规划（ERP）系统实时数据流数据湖多个点产品背后的不同数据库值得注意的是，这个简单列表并不全面，也不打算如此。 考虑到AI系统挖掘和提取数据，大多数组织——除了最大型的——都没有构建的基础，可能在未来1-4年内无法获得AI协助。 大数据可以被视为静态资产，而用于AI摄取的数据必须尽可能接近实时地准备和处理。因此，情况仍然是机会、风险和成本之间的三方平衡。供应商或平台的选择对现代企业来说从未如此关键。
19610编辑于 2025-10-23企业AI工具泛滥的安全隐患
某机构警示“影子AI”风险某机构刚刚在13天前还敦促客户将他们的AI助手带入工作场所，现在却发布了一份报告，警告“影子AI”带来的危险。“影子IT”已经困扰IT管理员多年。 员工将个人偏好的工具带入办公室，无论是设备、消息平台还是AI聊天机器人（即“影子AI”）。这些用户绕过IT政策部署自己的技术，可能使组织面临攻击或数据泄露的风险。 虽然某机构的研究不出所料地宣扬了AI工具的优势和生产力潜力，但其自家产品并未被点名。某机构鼓励客户“自带AI助手”进入办公室，以规避那些不向员工提供AI工具的公司。拥有包含AI助手功能的个人订阅？ 现在看来，长期被批评的影子IT做法似乎可以接受，只要它能帮助说服更多用户登上AI宣传列车。某机构在一份报告中强调了未经管理的AI工具的风险，该报告最后以对这项技术看好的基调结束。 某机构英国及爱尔兰首席执行官表示：“企业必须确保使用的AI工具是为工作场所而建，而不仅仅是客厅。”“信息很明确：只有企业级AI才能提供员工想要的功能，并满足每个组织所要求的隐私和安全。”
16910编辑于 2025-12-21
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