博客 RSS 訂閱

nizi_60e514d097c9a 頭像

MIAOYUN - MIAOYUN | 每週AI新鮮事兒（10.31-11.07）

本週AI領域動態密集，美團、360、銀河通用、字節、騰訊、Kimi與科大訊飛等分別發佈多模態、圖文、導航及視頻推理模型；工具層面，寒武紀、百度、崑崙萬維、騰訊均推出新平台或功能。技術方面，在長序列處理、多智能體協同及代碼執行效率上取得突破。市場方面，OpenAI與AWS達成鉅額合作，小鵬發佈人形機器人「IRON」。整體呈現高效化、多模態與實用化趨勢，一起來回顧本週發生的AI新鮮事兒吧！ AI 大模

資訊 , 機器人 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

rivers_chaitin 頭像

百川雲開發者 - 告別Confluence，5分鐘自建AI知識庫：這款開源神器正在重新定義企業知識管理！

在當今這個信息爆炸的時代，企業知識管理變得越來越複雜。文檔散落在各處、信息查找困難、團隊協作效率低下，這些問題每天都在困擾着無數企業和團隊。更不用説，隨着 AI 技術的快速發展，如果企業知識庫還停留在“手動整理、關鍵詞搜索”的原始階段，那無異於在數字時代堅持用紙筆辦公——效率低下，且容易被淘汰。 有沒有一種方案，既能整合企業現有的知識資產，又能借助 AI 的能力實現智能問答、內容創作和精準檢索，同

知識庫管理 , 人工智能

收藏 評論

downtoearth 頭像

安東尼 - 被權重出賣的“髒數據”：GPT-oss 揭開的 OpenAI 中文訓練真相

前段時間，OpenAI 為展示開源誠意，公開了 GPT-oss 的全部模型參數。結果沒想到，這件事反倒像一次“體檢報告公開”。一些開發者順着權重數據深挖，反向分析出了模型訓練階段“吃進去”的各種素材，結論只能説—— OpenAI 中文訓練數據，可能比我們想象得還要草台一些。 這件事最早來自今年 9 月 fi-le 的一篇研究《GPT-oss 泄露了哪些 OpenAI 的訓練數據》，文章作者用一套

人工智能

收藏 評論

javaedge 頭像

JavaEdge - 2025 年 AI、機器學習與數據工程趨勢報告

本文已收錄在Github，關注我，緊跟本系列專欄文章，咱們下篇再續！ 🚀 魔都架構師 | 全網30W技術追隨者 🔧 大廠分佈式系統/數據中台實戰專家 🏆 主導交易系統百萬級流量調優 車聯網平台架構 🧠 AIGC應用開發先行者 | 區塊鏈落地實踐者 🌍 以技術驅動創新，我們的征途是改變世界！ 👉 實戰乾貨：編程嚴選網 0 關鍵要點 AI 技術的下一個前沿將是“物理

人工智能

收藏 評論

yufan_645f1d6e3f1d1 頭像

俞凡 - Palantir Ontology：革新商業智能的企業 AI 操作系統

本文介紹了 Palantir Ontology，基於語義 AI 實現商業智能的企業級 AI 操作系統。原文：Palantir's Ontology: The Enterprise AI Operating System Revolutionizing Business Intelligence 引言：10 億美元概念重塑企業技術 Palantir Technologies 悄無聲息完成了企

人工智能

收藏 評論

rivers_chaitin 頭像

百川雲開發者 - 你的客服團隊需要一個更聰明的AI在線客服

不知道你有沒有這樣的經歷：客服團隊每天被大量重複性問題淹沒，用户等待時間長，滿意度持續走低；夜間和節假日客服人力不足，用户問題得不到及時解決；新客服上崗培訓週期長，回答標準不統一…… 這些問題，其實都指向同一個核心需求：我們需要一個更高效、更智能的客服解決方案。而 AI 在線客服，尤其是結合了大模型能力的現代客服系統，正在成為解決這些痛點的“利器”。 從“人工應答”到“智能服務” 傳統的客服模式

人工智能

收藏 評論

grapecity 頭像

葡萄城技術團隊 - AI 編碼工具國內適配清單（2025 最新版附官方鏈接）

AI 編碼工具國內適配清單（2025 最新版·附官方鏈接） 針對國內開發者對本土化支持、訪問穩定性、合規性的核心需求，結合工具功能、場景適配、收費模式整理，覆蓋個人學習、企業協作、隱私敏感等全場景，所有鏈接均為國內可直接訪問的官方入口，點擊即可跳轉。 一、主流國產全功能 AI 編碼助手（企業/團隊首選） 這類工具主打“全流程覆蓋+國內生態適配”，支持中文交互、國內框架（微信生態、鴻蒙、Spring

人工智能

收藏 評論

haoqingwanqiandehongcha 頭像

百度智能雲一見 - 這份最全議程，要來百度世界2025的你別錯過～

「百度世界2025」 大會進度條加載中◼︎◼︎◼︎◻︎ 重磅內容 等待現場揭曉❗️

資訊 , 人工智能 , 百度

收藏 評論

pannideniupai 頭像

雨大王 - GEMS生產執行系統：驅動製造業數字化轉型的新引擎

在工業4.0時代背景下，製造執行系統（GEMS）作為連接企業管理層與生產現場的關鍵樞紐，正成為製造業數字化轉型的核心支撐。廣域銘島基於工業互聯網架構開發的GEMS解決方案，通過深度融合物聯網、大數據和人工智能技術，在新能源、裝備製造等領域展現出顯著的應用價值。 技術創新架構 廣域銘島GEMS系統採用"雲-邊-端"協同架構，構建了覆蓋全價值鏈的數字基座。系統通過OPC UA標準協議實現設備層數

人工智能

收藏 評論

huamingshixunkeji 頭像

華明視訊科技 - 2025年國內口碑不錯的智能閘口系統廠家推薦

隨着智慧物流、智慧口岸建設的不斷深入，智能閘口作為物流鏈的關鍵節點，其效率和準確性直接關係到整個作業流程的順暢。2025年，面對市場上眾多的智能閘口系統供應商，企業該如何選擇一家既靠譜又專業的合作伙伴？今天，我們就為大家推薦兩家在業內擁有極佳口碑和深厚技術底藴的深圳企業。 一、孚為智能科技 如果您追求的是一家技術紮實、深耕垂直領域的高科技企業，那麼深圳市孚為智能科技有限公司絕對是一個值

機器學習 , 圖像識別 , 神經網絡 , 人工智能 , 深度學習

收藏 評論

xingxingshangdeliushu 頭像

星星上的柳樹 - 精通CTS與低功耗時鐘設計

1、CTS在數字化時代的重要性 在數字化時代，IC（集成電路）設計日趨複雜，性能與功耗成為設計中的核心挑戰。時鐘樹合成（CTS，Clock Tree Synthesis）作為物理實現流程中的關鍵環節，其目標是建立一個時鐘分佈網絡，讓時鐘信號同步、穩定地傳遞至每個觸發器或寄存器。高效的CTS能夠顯著降低時鐘偏斜（skew）與抖動（jitter），保證芯片在高頻環境下仍能可靠運行 。 與此同時，

資訊 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

elhix0bg 頭像

阿里雲大數據AI - EMR StarRocks Stella內核正式發佈，登頂TPC榜單全球第一

2025年雲棲大會，EMRServerlessStarRocks重磅發佈全新企業級版本內核Stella(StarRocksEfficientandLightening-fastLakehouse)，完全兼容開源StarRocks，為用户提供企業級的產品功能、卓越的性能及穩定性保障。 EMRServerlessStarRocks在權威TPC基準測試中創造佳績：在“數據分析”性能測試TPC-H榜單中，

阿里雲 , 人工智能 , starrocks , 數據分析

收藏 評論

pannideniupai 頭像

雨大王 - 如何藉助QMS實現製造業數字化轉型與質量躍升？

在當今全球製造業競爭日益激烈的背景下，質量管理系統（Quality Management System, QMS）已成為企業實現可持續增長和合規運營的核心支柱。QMS不僅僅是一套軟件工具，而是融合了流程標準化、數據驅動決策和持續改進理念的綜合框架，旨在通過系統化的方法提升產品質量、降低風險並增強客户滿意度。隨着工業4.0和智能製造的推進，QMS正從傳統的紙質記錄和手動審核向數字化、智能化方向演進，

人工智能

收藏 評論

pannideniupai 頭像

雨大王 - 如何通過EAM系統實現製造業設備全生命週期管理？

資產設備管理系統（EAM）作為現代企業運營管理的核心組成部分，已成為提升設備可靠性、優化資源利用率和降低總體擁有成本的關鍵工具。隨着工業4.0和數字化轉型的深入推進，EAM系統正從傳統的維護管理工具演進為集成了物聯網、大數據和人工智能技術的智能化管理平台，其價值不僅體現在設備維護層面，更延伸到資產戰略規劃、能源管理和可持續發展等戰略領域。 在製造業領域，EAM系統的應用成效尤為顯著。典型案例

人工智能

收藏 評論

tecdat 頭像

拓端tecdat - 專題：2025AI時代的醫療保健業：應用與行業趨勢研究報告|附130+份報告PDF、數據、可視化模板彙總下載

原文鏈接：https://tecdat.cn/?p=44257 原文出處：拓端抖音號@拓端tecdat 2025年的醫療保健行業，正站在“壓力”與“機遇”的十字路口：一邊是中國65歲及以上人口占比將從15.6%飆升至2070年的42%，慢性病護理需求快壓垮現有體系；一邊是AI技術從“概念熱”走到“落地實”，醫療AI投資佔比4年翻倍至40%，成了破局的關鍵。 引言 本報告洞察基於《Ro

機器學習 , 數據挖掘 , 人工智能 , 深度學習

收藏 評論

pannideniupai 頭像

雨大王 - 如何通過ETS系統實現工業企業能源消耗的精細化管理？

能源交易與管理系統（ETS）作為現代企業能源管理的核心工具，正在成為實現碳達峯、碳中和目標的重要技術支撐。隨着全球能源轉型加速和碳定價機制的深入推進，ETS已從單純的能源監控系統發展為集能源交易、碳資產管理、能效優化於一體的綜合性管理平台。其在提升能源使用效率、降低碳排放強度、優化能源採購成本等方面發揮着不可替代的作用。 在工業製造領域，某整車製造基地通過廣域銘島ETS系統針對鍋爐、空壓機、

人工智能

收藏 評論

ruyadekabuqinuo 頭像

月下水光 - 推薦哪些行業的工廠應用工業AI智能體進行轉型升級？

在工業文明的深喉裏，一場靜默而磅礴的革命正悄然重塑鋼鐵與電流的脈搏——工業AI智能體，這並非冰冷算法的簡單堆砌，而是將人類經驗、物理規律與數據洪流熔鑄成具有意圖、記憶與自我進化的數字生命體。在這場重構製造基因的浪潮中，廣域銘島以“工業智造超級智能體”為劍，刺穿了傳統工業AI長期困守的“數據孤島”與“知識緘默”之壁，為全球製造業獻上了一劑中國式解藥。 廣域銘島已的智能體矩陣在真實產線上奔涌成河

工業互聯網 , 工業智能化 , 人工智能

收藏 評論

gmicloud 頭像

GMICloud - 60分鐘用一個API搞定「熱梗表情包生成器」 | 博主體驗GMI Cloud Inference Engine系列

摘要 下文為 ID 為“機智流”的博主用 GMI Cloud Inference Engine 新上線的 MiniMax M2 模型生成"熱梗表情包生成器"的實錄，全文為博主自撰原文。 上週我們發佈了實測 MiniMax M2 的文章，和一起 AI Coding 的小夥伴交流後發現，最常被問題到的兩類問題——一個是“我想開發某個類型的應用，用哪個模型效果更好？”；再就是“我需要調用不同種類

教程 , 人工智能 , claude-code , minimax

收藏 評論

definecloud 頭像

得帆雲 - 得帆AI aPaaS（AI低代碼）1.0產品特性（6）-智能應用

在數字化轉型的浪潮中，低代碼平台正在經歷一場由AI驅動的革命性升級。前幾期我們介紹過得帆低代碼平台在智能搭建和輔助搭建方面的特性。當低代碼的敏捷開發遇上人工智能加持，企業應用開發將迎來前所未有的效率提升。今天，我們就來深入瞭解AI賦能低代碼平台後，能為企業帶來哪些開箱即用的智能特性。 智能填單：讓數據錄入告別重複勞動 傳統的數據錄入工作往往耗時費力，員工需要對着紙質文件或PDF逐字逐

低代碼 , 人工智能

收藏 評論

infodator 頭像

容智信息 - 企業智能體落地指南——拆解7大關鍵問題，附實戰避坑策略

在企業智能化轉型的進程中，智能體（AI/RPA等智能應用）本應是撬動效率與價值的槓桿，但不少企業管理層卻因踩入隱性“深坑”，導致項目延期、投入打水漂甚至引發業務風險。容智信息基於數百個企業智能化項目的實戰覆盤，提煉出智能體落地最容易踩的7大深坑及避坑核心思路，助力企業管理層在智能體佈局中“避坑增效”，讓數字化投入真正轉化為業務增長動能。 部分企業為追求“全自動化”，將核心業

機器人 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

dztok 頭像

成都定製通軟件 - 智能體開發的技術選型：火山引擎與 OpenWebUI 的差異化實踐

智能體開發的技術選型直接決定項目的落地效率、擴展能力與運維成本，不同技術棧的架構設計、服務模式與適配場景存在顯著差異。火山引擎作為字節跳動旗下的企業級雲與AI服務平台，與OpenWebUI這款開源自託管WebUI工具，分別代表了“全棧託管”與“輕量化自運維”兩大技術路線，其核心差異體現在服務形態、能力邊界與適配場景三個維度。 服務形態的差異是二者最核心的分野。火山引擎以企業級全棧託管服務為核心定位

觀點 , 資訊 , 人工智能

收藏 評論

aipaobudexiangjiao_cktinz 頭像

愛跑步的香蕉_cKtiNz - AI 面試官：掀起招聘效率革命，重塑人才甄選新生態

AI 面試官：掀起招聘效率革命，重塑人才甄選新生態 在如今競爭白熱化的人才市場中，招聘效率直接決定企業能否搶佔人才先機。但傳統招聘模式早已陷入低效困境：HR 每天要從數百份簡歷中篩選候選人，反覆協調面試時間、重複性提問，還要在疲憊狀態下進行主觀評分，不僅消耗大量企業資源，更可能因個人偏見、評價標準不一等問題，與頂尖人才失之交臂。而當不少企業已藉助 AI 面試官將招聘效率提升 10 倍時，一場

人工智能

收藏 評論

deephub 頭像

deephub - 基於 LangGraph 的對話式 RAG 系統實現：多輪檢索與自適應查詢優化

RAG（Retrieval-Augmented Generation）在語言模型應用中已經相當成熟，但傳統實現往往只是簡單的"檢索-生成"流程。實際對話場景要複雜得多——用户的問題可能含糊不清，或者會頻繁追問，還經常提些不相關的內容。 這篇文章會展示怎麼用 LangGraph 構建一個具備實用價值的 RAG 系統，包括能夠處理後續追問、過濾無關請求、評估檢索結果的質量，同時保持完整的對話記憶。 傳

generative-ai , llm , 人工智能 , 深度學習 , langchain4j

收藏 評論

zengjingaiguodekaomianbao 頭像

曾經愛過的烤麪包 - 警用眼鏡1秒識別車輛，背後隱藏的AI浪潮如何改變你的職業？

看到交警戴上智能眼鏡的那一刻，你的職業生涯正在面臨一場革命。 近日，廣州交警一線警力開始配備新型智能眼鏡，用於路面車輛查驗工作。該眼鏡具備車牌識別與比對功能，可快速判斷車輛是否持有“十五運會”及“殘特奧會”專用車證，實現高效放行。 據交警部門介紹，以往通過警務通手動輸入車牌查詢的方式，如今被眼鏡掃描替代，查驗時間從人工輸入縮短至1到2秒，大幅提升了通行效率，減少因查驗造成的交通干擾。 智慧交管：從

人工智能

收藏 評論