- 综合排序
- 最热优先
- 最新优先
- 来自专栏MixLab科技+设计实验室
我看中的AI落地场景。
产品化的过程其实是： 挑选一个单点的AI技术，深挖其应用场景， 然后再组合其他技术，形成新技术。 用2个代表性的应用场景，来说明： 1 基于可解释机器学习技术的预测工具 #时尚潮流趋势预测工具 时尚是潮流驱动的，大多数零售商按季节经营（例如，春季/夏季，秋季/冬季、假期等）。 匿名统计人流量，这个应用场景，如果没有接触过实际业务，是很难想到的： ? 从技术出发，是可以找到合适的场景切入的，初期千万不要堆积太多的功能点。
53320发布于 2020-09-28 - 来自专栏存储公众号：王知鱼
KIOXIA：使用SSD加速RAG场景落地
KIOXIA：使用SSD加速RAG场景落地-Fig-1 提出概念：RAG Optimized SSD Solution (ROSS) ROSS 关键要点： • 将矢量数据库从 DRAM 移动到 SSD。 KIOXIA：使用SSD加速RAG场景落地-Fig-2 什么是 RAG（检索增强生成，Retrieval Augmented Generation）？ KIOXIA：使用SSD加速RAG场景落地-Fig-4 内存中的 ANNS 算法无法扩展 • HNSW 是领先的内存 ANNS 算法。 • 矢量和索引都存储在内存中。 KIOXIA：使用SSD加速RAG场景落地-Fig-8 SSD 替换 DARM的架构示意 • 向量数据库从对象存储加载向量和索引数据到查询节点。 总结 KIOXIA：使用SSD加速RAG场景落地-Fig-10 • RAG 和 ANNS 是现代 LLM 解决方案中的关键组件。
54910编辑于 2025-02-11 Rokid 的AI场景操作解析：从感知到场景落地技术实现
本文将系统拆解该技术链路，带你深度理解从用户触发交互到服务落地的完整技术逻辑！一、全链路技术架构概览Rokid AI的核心价值，在于打破单一模态的局限，实现“感知-理解-决策-反馈”的闭环。 其技术架构涵盖多模态感知、AI决策引擎、场景化执行、用户体验优化四大核心环节，各模块协同支撑从交互触发到服务落地的全流程。 单张 0.015 mAh 看似少，但“问一句拍一张”的密集场景，20 次就 0.3 mAh；加上 AI 场景本身 280 mA，420 mAh 电池只能撑 1.5 小时；所以连续识别最好“合并拍”——一次 当端侧小模型剪枝落地、LE Audio 双模链路开通、功耗分级与可变亮度被写进下一版固件，这条小河有望变得更窄却更迅——把“听懂—看见—回答”压进一次心跳的 200 ms 以内，让 AI 不再是被观测的功能 有能力为用户打造出更自然、更智能、更贯通的全场景交互体验。
63410编辑于 2025-10-14- 来自专栏数据转录
一个OCR场景的参考落地姿势
我是一个全栈开发工程师，侧重于Python，过去三年的工作经验完全集中于各种业务场景的OCR识别。 这种争论，谁胜谁负，对项目落地都没有好处。用简单的数据指标，对齐业务体感描述。 但是这个提升，对整个项目落地而言是虚的。一个合适的验收基线：避免越高越好这种基线，这是共同的愿望，但多数情况真的落不了地。过度的验收基线，只会导致漂亮的验收结果和糟糕的运营结果。
51830编辑于 2023-07-28 - 来自专栏【腾讯云开发者】
CodeBuddy AI Coding 企业场景落地实践与思考
以 CodeBuddy 为例，自己是一线用户，也是落地推动者，背着产品在团队内落地的目标，常思考如何让 CodeBuddy 结合现有研发团队的研发流程，在研发团队中落地，达到提效的预期？ ，比如如个人态度、交互体验/模型能力是一个核心的影响因素，基于 2025 年6 月底，我们基于日常腾讯内部25 年 2900+ 用户反馈分析总结，梳理研发场景和Top问题，其中Top3 场景为：工程理解 调研了解具体问题，具体对话场景，制定措施3. 寻找用的好的用户，内容沉淀和分享4. 在 MVP Demo 场景，产品完全可以自己生成 UI 设计稿，快速做出原型。当然在生成场景下，还是需要专业设计输出设计稿。 当前仅仅是一个落地探索，而腾讯内部存在不同团队的【需求级】或者【小需求级】实践，这边也可以踊跃征集，毕竟生产场景很复杂，面向不同场景也存在差异，比如 C 端/B 端/G 端，每个场景对交付质量、研发效率
3.4K21编辑于 2025-08-15 - 来自专栏码农架构
Apache ShardingSphere 在京东白条场景的落地之旅
2015～2016 引入 NoSQL 方案，业务数据以月份进行分表存储在 MongoDB 集群中，阶段性满足了结算处理场景中海量数据导入导出的需求。 京东白条业务体量巨大，是名副其实的金融级高并发、海量数据的业务场景，因此分库分表组件应具有以下特点： 1. 产品成熟稳定 2. 极致性能表现 3. 处理海量数据 4. 产品适配 为能全面支撑白条业务、提供更好的业务体验，Apache ShardingSphere 在京东白条业务落地过程中对产品的功能和性能方面进行了更多的支持和提升，产品再一次经历典型案例的打磨。 同时 Apache ShardingSphere 提供了分布式主键生成器的接口，用户可自定义自增主键生成算法来满足特殊场景的需求。 互联网信用消费模式发展逐步多样化，未来 Apache ShardingSphere 将与京东展开更多业务场景的实践和探索，通过推动金融科技创新发展，进一步提升互联网金融的创新速度和效率。
98530发布于 2021-10-27 云蝠智能VoiceAgent呼入场景落地实践
本文将从技术架构、核心功能、行业实践三个维度，深度解析VoiceAgent如何重构企业电话客服体系，为开发者和技术管理者提供可落地的智能化解决方案。 （Mean Opinion Score）达4.5分，接近真人发音水平情感化表达：支持根据对话内容调整语速、语调和停顿，模拟人类情感变化多风格支持：提供"专业客服"、"亲切顾问"等8种语音风格，适配不同场景需求 智能客服提升幅度单通处理成本5元0.5元90%↓日均处理量300通1200+通300%↑培训周期2周1天93%↓信息准确率85%98%15%↑客户满意度78%92%18%↑数据来源：云蝠智能2025年客户案例统计行业落地实践 零样本迁移学习 新场景适配周期从周级缩短至小时级，只需少量标注数据即可快速部署行业模型。 多模态交互 融合语音、文字、图像等多种交互方式，通话中可同步推送可视化菜单和表单。 ：覆盖英语、俄语、阿拉伯语等30+语种，服务全球化企业部署实施指南三步落地法 数据准备阶段（1-3天） 空号检测模型过滤无效号码（拦截率95%+）构建三维标签体系：业务标签、客户价值标签、行为标签整理行业知识库和标准话术
54510编辑于 2025-07-11- 来自专栏Kubernetes GO
Ziglang首次落地高性能计算场景
译｜zouyee 为了帮助读者深入了解Kubernetes在各种应用场景下所面临的挑战和解决方案，以及如何进行性能优化。我们推出了<<Kubernetes经典案例30篇>>，欢迎订阅。 Zig 与 OpenMP 的集成不仅在扩展性上可与 Fortran 和 C 的 NPB 参考实现相媲美，同时在某些场景下，Zig 的性能相较Fortran来说，提升幅度多大1.25倍。 虽然在并发1场景下运行时差异明显，在更多线程数时，两种语言的性能非常接近。 后续工作 在本文中，我们探讨了通过添加 OpenMP 的循环共享结构来增强 Zig。 我们认为推动 Zig 在 HPC 中落地的关键性条件将是为 Zig 编译器添加支持分析功能。 总之，我们得出结论，Zig 编程语言所提供的性能和安全性组合使其有潜力应用于 HPC 工作负载场景。
2.5K10编辑于 2024-12-05 - 来自专栏新智元
AIoT落地三大趋势，场景为王
---- 新智元报道 讲者：孔华威 编辑：三石 【新智元导读】AI与IoT物联网在实际应用中落地融合的“AIoT”是物联网发展的必然趋势，也是各大传统行业智能化升级的绝佳通道。 小蚁科技首席战略官 孔华威 孔华威认为： 要做到AIoT的真正落地，核心就是场景。 并以小蚁科技为例，分享了在其发展过程中的三个趋势、三大战略、三个核心竞争力。 我们自认为AIoT的落地，核心是场景。小蚁科技拥有三个趋势、三大战略以及三个核心竞争力。 落地的三个场景，包括智慧家居，已经推出了各种各样的服务，包括教育，我们也推出摄像头来做这样的事情。 这些是场景本身驱动的一些AI设备，让人感觉不像AI。
1.2K40发布于 2019-05-08 Multi-Agent 技术原理与落地场景全解析
今天我们就来拆解这项正在重塑 AI 应用的核心技术，看看它的底层逻辑的落地价值。 常见角色包括： 任务规划 Agent：将总目标拆分为可执行的子任务（如把 “营销活动” 拆分为文案、设计、投放）； 执行 Agent：专注具体子任务落地（如文献检索 Agent、数据清洗 Agent）； 通信机制：让智能体 “顺畅对话” 智能体间的信息传递需要标准化通道，主流方式有四种： 结构化消息：通过 JSON 等固定格式传递信息，确保解析准确； 消息队列（如 Kafka）：适配高并发场景的异步通信 PART 02 主流协作模式：不同场景的 “组队方案” 根据任务需求，Multi-Agent 有五种典型协作模式，各有适配场景： 1. PART 03 落地场景：从学术到产业的 “协作革命” Multi-Agent 技术已在多个领域实现规模化应用，显著提升效率： 1.
1.4K10编辑于 2025-12-31- 来自专栏腾讯技术工程官方号的专栏
腾讯云原生场景下内存多级卸载落地实践
在主论坛上，作者以《云原生场景下内存多级卸载落地实践》为议题，分享内存多级卸载方案（内部称“Tencent OS悟净”）在公司业务落地过程中所遇到的实际问题、对应的解决方案，以及在容器平台上的落地数据。 对于这些空闲资源，我们在腾讯云应用中主要有三种场景。 第一种，业务超卖场景：对workload开启多级卸载后，增加单pod（CVM）流量，提高TPS、QPS。 整体解决方案 首先多级卸载在云原生场景落地中遇到的一些实际问题： ● 回收路径难以确定：内存多级卸载的回收名单是cgroup path list，但是在云原生容器平台中，pod cgroup path是一串哈希值 ○ 改进后的算法可以辅助不同场景下进行更加有效的页面平衡，并能更加有效地防止 Thrashing。新算法在一些应用场景中有着非常显著的性能提升（5% - 400%）。 落地效果 目前内存多级卸载在公司在线容器平台、离线容器平台都已大量应用，覆盖业务含：键值存储、文件存储、聊天图片存储、聊天消息存储、AI平台、游戏AI训练、转码、数据库等。
1K10编辑于 2023-11-29 - 来自专栏互联网会议跑场指南
2018区块链技术与场景落地峰会
鉴于我国区块链技术专利领先，却没有实际应用落地的局面，主办方邀请区块链领域从技术底层，到应用顶层的企业高管，意见领袖，顶尖专家汇集一堂，襄与交流探讨场景落地的核心及热点议题，成就业内“2018是场景落地元年 ； “其他链场景落地”于峰会第二天探讨，含供应链、医疗健康、先进制造、零售与新零售、能源交易、房产租赁、公证、版权、政府治理、公益慈善、游戏娱乐、文化娱乐、社区、教育。 日程安排 9月6日 星期四 第一天第一天主题：金融链场景落地上午版块A 区块链投融资下午版块 B 链场景落地——重塑金融1220-1340链龙颁奖典礼暨午餐会1820VIP路演晚宴9月7日 星期五 第二天第二天主题 ：其他链场景落地上午版块 C 链场景落地——重塑供应链 上午版块 D 链场景落地——融入先进制造业 上午版块 E 链场景落地——区块链让其他应用产业新生下午版块 F 链技术创新9月6日 星期四 第一天 ，且通过落地场景实现覆盖行业的快速性升级与突破，现于2018区块链技术与场景落地峰会同时，针对各行业提炼的场景，开展链龙区块链技术与场景解决方案征集活动，且于峰会的同期，举办链龙颁奖典礼，表彰在区块链技术领域领先的企业
2.2K30发布于 2018-07-18 - 来自专栏互联网会议跑场指南
2018区块链技术与场景落地峰会
鉴于我国区块链技术专利领先，却没有实际应用落地的局面，主办方邀请区块链领域从技术底层，到应用顶层的企业高管，意见领袖，顶尖专家汇集一堂，襄与交流探讨场景落地的核心及热点议题，成就业内“2018是场景落地元年 ； “其他链场景落地”于峰会第二天探讨，含供应链、医疗健康、先进制造、零售与新零售、能源交易、房产租赁、公证、版权、政府治理、公益慈善、游戏娱乐、文化娱乐、社区、教育。 日程安排 9月6日 星期四 第一天第一天主题：金融链场景落地上午版块A 区块链投融资下午版块 B 链场景落地——重塑金融1220-1340链龙颁奖典礼暨午餐会1820VIP路演晚宴9月7日 星期五 第二天第二天主题 ：其他链场景落地上午版块 C 链场景落地——重塑供应链 上午版块 D 链场景落地——融入先进制造业 上午版块 E 链场景落地——区块链让其他应用产业新生下午版块 F 链技术创新9月6日 星期四 第一天 ，且通过落地场景实现覆盖行业的快速性升级与突破，现于2018区块链技术与场景落地峰会同时，针对各行业提炼的场景，开展链龙区块链技术与场景解决方案征集活动，且于峰会的同期，举办链龙颁奖典礼，表彰在区块链技术领域领先的企业
2.1K40发布于 2018-06-25 - 来自专栏Linyb极客之路
运维人必看：DeepSeek如何落地运维场景
今天，我们将深入探讨如何将DeepSeek融入运维工作，并提供多个实际场景的详细解决方案。 一、智能监控与故障预测 场景1：基于日志语义的根因定位 技术实现： 1. 场景2：容量预测与弹性伸缩 实施步骤： 1. = "prod" } 场景4：变更风险智能评估 全链路分析： 1. 三、知识管理（企业级应用） 场景5：运维知识图谱构建 实施流程： 1. 建议优先落地日志分析和变更风险评估模块，通常6个月内可见明显效率提升。 关注我们，获取更多运维智能化解决方案！
3.1K02编辑于 2025-03-06 浅谈deepseek R1当前适合的落地场景
随着DeepSeek的全民普及，确实带来了一系列革命性的变化，并在多个行业中催生出新的应用场景。 通过对当前各个企业的实践及推出的产品来看，Deepseek R1当前适合的落地场景如下：一、内容创作与编辑R1擅长生成各种类型的文本内容，从新闻体、一封邮件到小说创作都手到擒来。 三、商业智能与数据分析在商业分析场景中，R1可以胜任数据分析师和商业顾问的角色。它可以从大量的非结构化数据或文档中提炼有价值的信息，生成易于理解的报告和洞察。
75100编辑于 2025-03-09- 来自专栏腾讯技术工程官方号的专栏
加速模型场景落地！腾讯大模型工具链全面升级
目前，腾讯围绕大模型已经构建起全链路的产品矩阵，包括底层基础设施、自研大模型、模型开发平台、智能体开发平台和面向场景的多元智能应用等，帮助企业客户将大模型快速落地到场景中去。 从语音到图像，再到大模型，每一次人工智能的浪潮里，腾讯始终坚持以自主技术创新为核心动力，结合场景推动AI的研究与落地。 ，为产业用户提供全链路的模型服务，让大模型真正实现落地，帮助企业提质增效。 大模型工具升级 加速落地产业场景 为了进一步降低大模型的使用门槛，今年5月，腾讯云发布了“大模型知识引擎”、“大模型图像创作引擎”和“大模型视频创作引擎”三款PaaS工具，让企业能快速调用大模型的底层能力 其中，知识引擎聚焦企业知识服务场景。通过该平台，企业用自然语言，5分钟就可以开发出一款知识服务应用，快速在客服营销、企业知识社区等业务场景落地。
1.2K10编辑于 2024-08-08 - 来自专栏腾讯云TVP
运维数据生态：高阶落地的一些场景
在本篇中，对运维数据的一些高阶使用场景进行介绍，运维数据使用的发展态势和落地价值，本章节重点从产品开发角度，探讨运维数据场景的高阶落地途径和方法。 本章节中的高阶场景以告警自动阈值、知识图谱、故障自动评估、无人值守变更和数据血缘流向为例，分别阐述相应的场景落地和具体方法。 在知识图谱的落地过程中，我们需要打通基础架构、系统架构、业务架构的数据层次和数据颗粒度的关系，这种数据量是非常庞大的，如CMDB、配置中心和接口系统，甚至还需要对接业务需求系统，比较理想的情况下获取完整的结构化数据 同时通过运维策略和业务规则进行数据层次关系落地，对运维数据不断的筛选和知识验证，最终达到正确的运维知识结构，下面我们举一个某个业务的知识图谱例子。 在落地过程中还有一点值得关注的，统一偏业务侧的运维语言和业务连续性评估方法，这是偏向顶层的设计，将业务逻辑、数据流和基础架构集成数据进行分析评估，并实现多个数据模型的输出汇聚，在业务服务的影响下进行数据映射
3.8K9818发布于 2020-07-06 - 来自专栏区块链开发科技公司
区块链开发公司浅析区块链场景怎样落地.
随着区块链技术的发展，非货币化的口号比浪潮更高，但首先要解决的问题仍然是区块链场景的落地。这个精心探索的实验也取得了周期性的结果，在票据和可追溯性领域领先。 这也意味着一旦立法通过，一些与个人信息链接相关的场景可能面临合法性折磨。我们会发现，由于用户角色的差异，即使是块用户的种子用户也不太愿意参与医疗和工作场景。 用户参与正是这两种场景的核心活力所在，这在很大程度上阻碍了区块链技术在这样的场景中的落地。如何在个人信息和商品信息之间找到平衡也是区块链场景着陆中要解决的一个重要步骤。
1.7K00发布于 2018-10-27 - 来自专栏CNCF
OpenYurt：延伸原生 Kubernetes 到边缘场景下的落地实践
作者 | 何淋波（新胜） 随着云原生技术的逐步成熟，阿里云容器服务团队在具体落地实践过程中不断探索云原生技术的应用边界。 我们构建并开源了 OpenYurt：业内首个基于原生 Kubernetes 构建的、对于 Kubernetes 非侵入式的边缘计算项目，无缝的融合了云原生和边缘计算，目前已经在万台边缘节点规模场景下落地实践 随着架构的共识形成，落地过程中我们发现，边缘计算的规模、复杂度正逐日攀升，而短缺的运维手段和运维能力也终于开始不堪重负，那么如何去解这个问题呢？ 聊完云边一体的云原生基础设施之后，接下来聊下云原生和边缘计算融合的难点，在实际落地过程中，我们主要识别了下面几个问题： 边缘计算规模和业务复杂，采取原生 Kubernetes 的 workload 管理模型远不能满足现实需求 Q：现在 Kubernetes 场景已经覆盖的场景大概能占总边缘场景的多少百分比呢？估计。 A：这个很难讲，我个人觉得目前比例应该很低，整个边缘计算场景的数字化转型应该刚刚开始。
68710发布于 2021-02-23 - 来自专栏AIGC新知
AI Agent（智能体）：从技术概念到场景落地
这三种模式展示了从用户主导到AI主导的连续统一体，每种模式都适用于不同的应用场景和需求。
3.5K11编辑于 2024-10-08
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