400-838-0900
  • # AI产业新局:比亚迪、寒武纪引领范式变革与生态重构
  •     一、比亚迪:从新能源到AI+制造的范式革命  1.垂直整合能力构建AI护城河  比亚迪通过“电池-电机-电控-智能驾驶”全链条自研,将AI深度嵌入制造流程。例如:  -工业AI:在电池生产中应用计算机视觉检测缺陷,良品率提升至99.9%;  -智能驾驶:自研“天神之眼”高阶智驾系统,2025
  • 2025-10-09 13:20 86
  • # 欧盟AI法案“红线”下,中国AI公司“双轨制”破局与长远发展
  •     一、欧盟AI法案的“红线”与合规核心  1.高风险AI系统的严格监管  法案将AI应用按风险等级分为四类,其中生物识别、关键基础设施、教育、就业、执法等场景被列为“高风险”,需满足:  -透明度义务:明确告知用户AI介入及潜在影响;  -数据质量:确保训练数据无偏见、可追溯;  -人类监督:
  • 2025-10-09 12:40 82
  • # 比亚迪玄铁芯片量产,引领智能汽车向“AI终端”转型
  •     一、玄铁芯片量产:比亚迪的“技术破局”  1.自主可控的芯片战略  玄铁芯片(假设为比亚迪自研AI芯片)的量产,解决了智能汽车“算力受制于人”的痛点。传统车企依赖高通、英伟达等供应商,不仅面临成本压力,更在算法适配、数据安全上受限。比亚迪通过自研芯片,实现了从硬件到算法的垂直整合,为差异化竞
  • 2025-10-09 12:20 39
  • # 昇腾芯片:技术自主、生态闭环,引领AI算力国产替代
  •     一、技术自主:从芯片到算力的全链路突破  1.架构创新与性能追赶  昇腾芯片采用自研的达芬奇架构,通过3DCube计算单元优化矩阵运算效率,在AI推理和训练场景中实现了对英伟达GPU的部分替代。例如,昇腾910B在FP16精度下性能接近A100,且功耗更低,满足了国内对高性能、低能耗算力的需
  • 2025-10-09 10:40 48
  • # 蚂蚁风控大脑3.0:AI驱动,数据算法融合,实现风控主动进化
  •     一、数据维度:构建“全息化”风险画像  1.多模态数据融合  风控大脑3.0突破传统结构化数据的局限,整合用户行为轨迹(如点击、滑动、停留时长)、设备指纹(硬件特征、网络环境)、社交关系图谱(好友信用、互动频率)等非结构化数据,形成“动态+静态”的立体画像。例如,通过分析用户申请贷款时的设备
  • 2025-10-09 10:20 37
  • # AI代理系统进化:技术突破、商业逻辑与未来挑战
  •     一、技术突破:AI代理系统的“三阶进化”  1.从任务自动化到场景自主化  传统RPA(机器人流程自动化)仅能执行预设规则任务,而Distyl的AI代理系统通过多模态感知+强化学习,实现了对复杂商业场景的自主理解。例如,在供应链管理中,系统可实时分析全球物流数据、天气风险、供应商信用评分,自
  • 2025-10-09 09:00 43
  • # 星火大模型:技术赋能教育,深度适配场景,构建生态未来
  •     一、技术落地:从通用大模型到教育垂直化  1.教育场景的深度适配  星火大模型并非简单套用通用AI能力,而是针对教育场景进行专项优化:  -学科知识增强:通过预训练数据中嵌入教材、教案、试题等结构化知识,提升对学科逻辑的理解能力(如数学公式推导、语文作文批改)。  -多模态交互:集成语音、图
  • 2025-10-09 08:20 34
  • # 北京AI医疗“沙盒机制”:平衡创新与安全,促产业可持续发展
  •     一、北京“沙盒机制”在AI医疗领域的落地背景  AI医疗作为医疗行业与人工智能深度融合的前沿领域,蕴含着巨大的发展潜力。从辅助诊断到药物研发,从健康管理到医疗影像分析,AI技术正逐步改变传统医疗模式,提升医疗效率与质量。然而,AI医疗的快速发展也带来了一系列合规挑战。数据隐私保护、算法透明度
  • 2025-10-09 07:40 43
  • # 腾讯阿里AI伦理治理:KPI考核实践、挑战与行业启示
  •     一、腾讯与阿里的AI伦理治理实践    1.腾讯:以“科技向善”为纲,构建全链条伦理框架  -战略定位:将AI伦理纳入“可持续社会价值创新”战略,提出“科技向善”使命,明确AI发展需兼顾技术效率与社会价值。  -KPI设计:  -研发环节:要求算法透明度、可解释性达标率纳入技术团队考核,例如
  • 2025-10-09 07:00 41
  • # 稀疏化技术:降本增效,重塑AI生态,引领效率革命
  •     一、稀疏化技术的核心原理:从“密集计算”到“精准激活”  传统大模型(如GPT-3、PaLM)采用密集连接结构,所有神经元在每一层均参与计算,导致算力浪费和能耗飙升。稀疏化技术通过以下方式重构模型:  1.结构化稀疏:  通过剪枝(Pruning)移除冗余神经元或连接,保留关键路径。例如,微
  • 2025-10-09 06:00 44
资讯正文
联系客服
刘老师 联系客服
400-838-0900
手机版

扫一扫进手机版
返回顶部