- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI系统
【AI系统】AI的领域、场景与行业应用
AI 的历史与现状 本文将介绍 AI 的由来、现状和趋势，让大家能够了解 AI 应用的由来与趋势，为后面理解 AI 系统的设计形成初步的基础。 AI 场景与行业应用 随着人工智能技术的发展与推广，人工智能逐渐在互联网、制造业、医疗、金融等不同行业和场景涌现大范围的应用。 金融行业：金融行业一直是人工智能技术的重要应用场景。 医疗行业：医疗行业一直是人工智能技术的重要应用场景。通过深度学习技术，可以实现对疾病诊断、药物研发、病历管理等方面的智能化分析。 教育行业：教育行业一直是人工智能技术的重要应用场景。通过深度学习技术，可以实现对学生的个性化教育、智能辅导、智能评估等方面的智能化分析。 通过 AI 的应用实现对学生的个性化教育，提高学习效果，降低教育成本。
1.9K20编辑于 2024-11-26 - 来自专栏AI技术应用
AI 智能体（AI Agent）的应用场景
AI 智能体（AI Agent）的应用场景非常广泛，几乎涵盖了我们生活的方方面面。它们能够感知环境、做出决策并执行动作，从而完成各种任务，提高效率、改善体验。以下是一些典型的应用场景。1. 游戏娱乐：游戏 AI： 控制游戏中的非玩家角色 (NPC)，使 NPC 的行为更加智能和逼真，例如根据玩家的行为做出反应、进行复杂的战斗策略等，提高游戏的可玩性和挑战性。 总而言之，AI 智能体的应用场景非常广泛，并且随着技术的不断发展，新的应用场景还在不断涌现。它们正在深刻地改变着我们的生活和工作方式，为我们带来更多的便利和效率。 一些值得关注的趋势：具身智能体 (Embodied AI Agents)： 能够与物理世界进行交互的智能体，例如机器人、无人机等，将在制造业、物流、医疗等领域发挥重要作用。 多模态智能体 (Multimodal AI Agents)： 能够处理多种类型的数据（例如文本、图像、语音、视频）的智能体，将提供更加丰富和自然的交互体验。
1.6K10编辑于 2025-01-11 - 来自专栏AI
AI智能体的应用场景
AI智能体（AI Agent）作为人工智能技术的重要应用形态，已经在多个领域展现出广泛的应用场景和巨大的潜力。以下是AI智能体的主要应用场景及其具体案例。 健康管理：例如，AI睡眠健康智能体能够提供拟真通话、诊前评估和智能随访等服务。4.教育领域个性化学习：AI智能体根据学生的学习情况提供定制化学习内容和辅导，提升学习效果。 智能助教：AI助教可以为教师“分身”，完成出卷、改卷等任务，同时为学生提供个性化答疑。5.工业制造生产优化：AI智能体通过优化生产流程，提高生产效率和产品质量。 未来趋势AI智能体的应用场景仍在不断扩展，未来可能进一步深入到具身智能体（如机器人）、多模态智能体（处理文本、图像、语音等多种数据）以及群体智能体（多个智能体协同工作）等领域。 以上是AI智能体的主要应用场景及其典型案例。随着技术的不断发展，AI智能体将在更多领域发挥重要作用，为生活和工作带来更多便利和创新。
2K10编辑于 2025-03-04 转载：【AI系统】AI的领域、场景与行业应用
AI 的历史与现状本文将介绍 AI 的由来、现状和趋势，让大家能够了解 AI 应用的由来与趋势，为后面理解 AI 系统的设计形成初步的基础。 AI 场景与行业应用随着人工智能技术的发展与推广，人工智能逐渐在互联网、制造业、医疗、金融等不同行业和场景涌现大范围的应用。金融行业：金融行业一直是人工智能技术的重要应用场景。 医疗行业：医疗行业一直是人工智能技术的重要应用场景。通过深度学习技术，可以实现对疾病诊断、药物研发、病历管理等方面的智能化分析。 教育行业：教育行业一直是人工智能技术的重要应用场景。通过深度学习技术，可以实现对学生的个性化教育、智能辅导、智能评估等方面的智能化分析。 通过 AI 的应用实现对学生的个性化教育，提高学习效果，降低教育成本。
52021编辑于 2024-12-11- 来自专栏腾讯云开发者社区头条
AI + 教育的实践与应用场景
当然，当前的实际应用中，没有绝对的全域数据收集。 从教育场景来看，主流场景有：教学、管理、评价等。 各个学者各家企业，对技术在教育场景的应用分类细度上有所差别，我个人认为目前教育信息化行业，人工智能的应用比较成熟的产品主要是智能批改、智能题库、自适应学习和分级阅读，当前它更多还是承担教学辅助的角色，未来可能将覆盖更多的教学核心环节 一、教学应用场景，主要指教与学两部分，毕竟教学是主战场，其他的是衍生的场景，比如评价、管理等 （一）老师的教： 1.备课：如大数据的学情分析，优质教学资源的推荐，教案的按需生成，虚拟化课堂场景试讲（微格 不同的应用场景，AI技术的成熟度不一样，用户的容忍度也不一样。 AI技术已实现的应用场景，图源：科技部新一代人工智能发展研究中心 智能教育场景散点图，图源：科技部新一代人工智能发展研究中心 今年联合国教科文组织发布的"Artificial Intelligence
3.2K2625发布于 2020-04-14 - 来自专栏腾讯云开发者社区头条
AI 在AIoT 场景的进展与应用
本文共分为三个章节：（1）什么是AIoT；（2）AIoT在工业自动化中的角色；（3）AIoT在工业领域的应用。 （2）AIoT在工业自动化中的角色 工业自动化本身就是物联网技术最主要的应用场景之一。 （2）AIoT在工业领域的应用 AIoT在工业领域的应用主要集中在以下几个方面： 供应链管理 供应链是一个数据密集型的行业，但庞大的数据只被记录下来，并不具备提供预警和指导未来的能力。 AI 独角兽公司旷视宣布业务上的战略升级，押注 AIoT 应用于供应链改造。AI使得原材料采购、销售更加具有可预测性，能够做出供应链选品、库存管理以及调拨、补货的决策。 例如，钢铁企业应用各种传感器和通信网络，在生产过程中实现对加工产品的宽度、厚度、温度的实时监控，从而提高了产品质量，优化了生产流程。
2.8K3428发布于 2020-04-14 - 来自专栏人工智能头条
盘点 AI 在娱乐行业最佳应用场景
Rain AI 引擎已经被全球 10 万名游戏开发者所使用，竞争对手的理论已经在这个领域取得了长足的进步。 而他们预设计的人工智能代理可以直接加入场景中，视觉工程师们根据故事情节稍作裁剪即可使用，节省了原来生成 CGI 角色的时间。 Pixar 公司本身也踏着 AI 浪潮乘势而上，将深度学习技术应用于检测和剔除质量差的图像帧，显著提升动画制作效率。去年，谷歌也凭借 Pixar 的产品给人工智能增添了一丝幽默感。 小结 相信大家已经见识到了，人工智能在娱乐领域的应用场景千姿百态。 人们每一次使用 AI 辅助的娱乐设备休息、聊天或是玩游戏，都在为算法提供训练数据，让算法更深刻地理解用户习惯，更好地为用户提供娱乐服务。各位读者体会到了变化吗？
1.4K20发布于 2018-06-05 - 来自专栏存储公众号：王知鱼
SMI：先进NAND封装在AI场景的应用
AI 场景对NAND 存储核心诉求是什么？带宽！ 2. 当前SLC/TLC/QLC的带宽现况 3. Note：AI场景对热存储的核心需求是读写带宽。 AI 应用的存储和内存类型 • 远程存储/内存 • 高能力，支持不同远程用户共享，但延迟较长，更容易扩展。 • 通过网络连接。 错误位的影响 - 数据完整性：错误位可能导致存储的数据不准确，从而影响应用程序的正常运行，尤其是在需要高可靠性的数据存储的场景中。 • 根据JEDEC230G标准，使用DDR4800MT/s的I/O速度，在单个NAND通道中可以实现1M IOPS，但对于AI应用来说仍然太慢。 推理能力集成到闪存中的解决方案，可参考： • WD：Flash加速AI在端侧设备落地 • KIOXIA：使用SSD加速RAG场景落地 引用链接 [1] ONFI Workgroup 官网: https:
51900编辑于 2025-02-11 - 来自专栏音视频技术
AI视觉在教育场景中的创新应用
我们的核心能力包括智能多摄、单帧/多帧画质，这类算法在手机客户中应用较多；人像美化，包括AR特效等会运用到泛文娱的领域；场景识别涉及人、物、环境等多样化的场景识别能力，另外包括一些视频分析的能力，在IOT 本次我的分享主题是360AI视觉在在线教育中的创新算法和应用。 2 我们为什么在做教育 当然很多人会说，家长愿意为孩子花钱，做教育更容易挣到钱。 4.2 应用场景 有了检测数据之后，老师可以快速得到整个班级表现状况，上图左边代表每个维度上每个学生表现占比，分别展示表现好、中、差。 5 总结 我们一整套的在线教育解决方案是金字塔架构，底层是AI底层技术，包括人脸识别、表情识别、手势识别、姿态识别等技术；中层是基于各个场景的解决方案；最上层就是跨平台的SDK和业务端的应用。 360AI视觉不止做教育，在智能手机、泛娱乐、IOT等领域都有丰富的技术应用，期待和各行各业的朋友有更多交流合作。
3.3K50发布于 2021-02-03 - 来自专栏AI技术应用
AI技术在金融行业的应用场景
AI技术已深度融入金融行业的各个环节，从传统的风险管理到前沿的客户互动，都在经历一场由数据驱动的智能化变革。 人工智能和机器学习（特别是近年来大模型，LLMs/Generative AI）的应用，不仅提高了效率，也显著增强了决策的准确性。AI技术在金融行业的应用场景主要可划分为以下五大核心领域：1. 风险管理与合规（Risk Management & Compliance）这是AI在金融行业最早、也是最核心的应用领域之一，目标是降低损失和确保业务合规。 复杂问题路由： AI系统能判断客户问题的复杂性，并将高难度问题无缝转接给合适的人工坐席，并提供历史记录和建议答案。 银行业务场景（Banking-Specific Applications）智能网点： 利用计算机视觉和面部识别技术，实现客户身份的快速识别和VIP客户的个性化迎宾服务。
98911编辑于 2025-10-21 - 来自专栏人工智能AI
AI人工智能6大应用场景
AI人工智能6大应用场景 01、AI农业场景 在农业场景，主要包括有作物管理、害虫和杂草处理、疾病管理、土壤管理、产量预测和管理等。 02、AI自动驾驶场景 在自动驾驶场景，分为感知和决策两类主要场景，感知类包括汽车定位、静态障碍物映射、移动障碍物检测跟踪、道路映射、交通信号检测和识别；决策类包括路线规划、路径规划、行为选择、运动规划和控制等 03、AI医疗场景 在医疗卫生场景，主要有疾病诊断预测、临床和患者护理。 除此之外近年来 AI 技术也在应用到新药研制场景中得到应用。主要使用到的 AI 技术为神经网络、专家系统等。主要涉及的用例是图像识别、分析推理、分类等。 06、AI电子商务场景 在电子商务场景，主要用例是推荐系统、欺诈识别、营销活动、产品退货预测。
2.8K10编辑于 2024-05-21 - 来自专栏码
国内AI应用场景现有技术与产品简评
在这种消费场景下，普通用户很难为纯LLM买单，Agent领域，也鲜有可以做出消费级的应用。 对于普通玩家，除非我们有强烈的兴趣，或者有丰厚的在线资源，否则我们尽可能去选择国内的低成本LLM服务。 从应用角度看，AI声音将会是数字人、影视制作、游戏NPC、机器人等一系列场景下的必备条件。 在应用场景中，多模态可用于机器人、自动驾驶、教育教学、各类知识的实时解答和分析等等。例如对于盲人而言，或许只需要在头顶安装一枚摄像头；对于聋哑人，只需要佩戴一副实时字幕的眼镜。 在这些应用场景中，我们其实可以通过Agent架构来调用不同工具实现，现在大部分LLM应用也基于Agent技术实现了多模态的效果，但是，在性能上明显差别巨大，要对序列化内容进行分析，可能还是需要多模态才能做到最好 2024年是AI应用的爆发年，作为应用强国，我们在基础研究和产品设计上都有一定的优势，然而在创业环境和产业链上都存在着明显的竞争不足。
89910编辑于 2024-07-16 - 来自专栏PaddlePaddle
工业应用|AI语音技术应用场景及模型库概览
近年来AI技术发展速度迅猛，深入到生活中的方方面面，从手机APP到车载语音系统。 今天小PP和大家一起仔细了解，AI技术中的语音技术在各场景的应用，并奉上对应模型~ 语音识别技术 语音识别其实是一种感知智能，核心功能是将物理世界的信息转化成可供计算机处理的信息，为后续的认知智能提供基础 除了APP中应用，目前车载也是语音技术落地的重要场景。通过语音识别，驾驶者可直接与车辆进行互动，比如要求车辆打开窗户、关闭天窗、开灯等等。 除上述应用方向，语音识别技术落地场景多种多样。语音技术也是深度学习算法工程师从业的重要方向之一，那么哪些框架里能找到语音识别模型呢？ 目前主流深度学习框架都有各自的语音识别模型。 目前，地图类产品是语音合成技术的重点落地场景。驾车时，手眼都会被驾驶行为占据，唯一可以进行交互的就是语言和听力。
3.8K10发布于 2018-08-06 - 来自专栏人工智能AI
AI 人工智能常见4大应用场景
AI人工智能常见4大应用场景 AI 类应用场景，涉及行业众多，常见场景例如智能制造、智能安防、智慧医疗、智能自动驾驶等： 01、AI智能制造 智能制造，在某园区部署 MEC 平台，基于该平台可实现预测性维护和 02、AI智能安防 智能安防，针对现代安防的特点结合 5G MEC技术， MEC 平台可提供开放能力调用接口，例如 AI 视频分析、调度算法等以 API 的方式直接调用，大幅降低合作伙伴的开发难度和缩短研发周期 针对院内医疗应用，可将远程会诊、PACS 影像系统、AI 分析、电子病历、HIS 系统等逐步迁移上 MEC 平台上，可通过低时延的 AI辅诊发现和提示疑似病患情况提升阅片的速率。 04、AI智能自动驾驶场景 智能自动驾驶场景，分为感知和决策两类主要场景，感知类包括汽车定位、静态障碍物映射、移动障碍物检测跟踪、道路映射、交通信号检测和识别；决策类包括路线规划、路径规划、行为选择、运动规划和控制等 其运用到的 AI 技术主要是基于规则的推理模型，启发式算法，近似推理，类人推理等。主要涉及的用例是图像和语音识别，分析推理，分类，模型迭代等。
2K10编辑于 2024-05-21 - 来自专栏腾讯云开发者社区头条
AI 与通信的交织、网络优势与应用场景
基于此，腾讯云开发者社区联手知乎科技，从知乎AI 与传统行业相关话题中精选内容落地社区专题「 AI 与传统行业的融合 」。 本文为“AI 将如何影响电子信息产业”的精华内容分享。 本文主要从通信与AI的交织、AI在网络中的优势与AI在通信中的应用场景三个方面来谈谈。 一、通信理论的基本问题与人工智能的交织 通信的基本问题：在某一点上精确地或近似地再现在另一点上选择的消息。 三、人工智能在无线网络中的应用场景 1、雾计算中的深度学习 雾计算是一种对云计算概念的延伸，上面介绍的云计算弱点，雾计算都不具备。除此之外，它主要使用的是边缘网络中的设备，数据传递具有极低时延。 雾计算是指允许在网络边缘中部署应用程序或数据存储的一种技术。这种技术减少了通信开销，减轻了数据流量的负担，减少了用户端的等待时间，还减轻了服务器端的计算负担。 2、强化学习对应许多通信场景 许多移动网络问题可以表述为马尔可夫决策过程（MDP），其中强化学习可以发挥重要作用。例如，基站开关切换策略，路由和自适应跟踪控制。
2.6K2120发布于 2020-04-14 - 来自专栏数字化转型
技术如何创新——AI在业务场景中应用探讨（中）
今天继续讲AI技术如何应用到业务场景。当语音识别出现后，这项技术被用在很多场景，例如语音交互、智能助手。这两个场景，解放了双手，用户只需要说话，就可以处理工作。 同时还有其他场景，例如智能流转，采用机器分析判断流程流转环节；智能表单，采用OCR人工智能技术识别图片后，系统根据表格图片自动生成人事表单；智能检索，采用知识图谱关联，识别搜索意图并给出偏向用户喜好的搜索结果 在业务系统里有一种场景：建模中心让用户自己创建适合自己的模型。这个方式在过去是这样实现：用户采用拖拉拽的方式拖拉控件，加上脚本，就让界面控件开始工作。 今天AI技术的支撑下，这种方式往前迈了一步，拖拉拽和脚本生成的工作由机器系统完成，基本的模型只要输入业务参数后，就可以自动生成。 在过去各行各业积累的模型基础上，这种应用可以让用户自己创建各种各样的模型，集中在一起形成了建模中心。 以下是其他业务场景的应用探讨
30210编辑于 2023-11-15 AI 数字人技术应用详解：实际落地在哪些场景？
本文将详细拆解这些应用场景，同时分析技术价值与落地挑战，而我司的 AI 虚拟数字人服务，凭借三类控制模式、多场景适配及 200 个维度捏脸功能，能满足不同场景需求。 AI数字人技术应用：元宇宙场景在元宇宙这一新兴领域，AI数字人展现出巨大应用潜力，成为连接虚拟与现实的关键角色，主要应用集中在三方面。 AI数字人技术应用：旅游行业场景AI数字人的出现，为旅游行业的服务升级与体验创新提供了新路径，主要体现在三大应用方向。一是提供智能导览服务。 AI数字人技术应用：品牌营销场景AI数字人凭借独特的技术属性，成为品牌打造差异化形象、提升营销效果的重要工具，主要通过三大方式赋能品牌。一是塑造专属品牌符号。 从客户服务的效率提升，到电商直播的模式创新，再到元宇宙场景的生态构建，AI数字人已展现出广阔的市场潜力与多元的应用价值。
93310编辑于 2025-10-22- 来自专栏coderidea
什么是AI辅助创作？探索AI在内容创作领域的应用场景
这就是AI辅助创作应运而生的背景。 什么是AI辅助创作？ AI辅助创作是指通过人工智能技术来协助、优化和提升内容创作者的工作效率和质量。 以下是AI辅助创作的一些常见应用场景。 应用场景 1. 内容生成 AI可以用来生成文章、新闻、博客、评论、产品描述等内容。它可以根据输入的关键词或主题生成文本，并可以在不同风格和语气之间切换。 例子：作家和编辑可以使用AI工具来审查和修改他们的小说、文章和稿件，以提高质量。 3. 内容分类和标签 AI可以帮助对大量文本内容进行分类、标签化和归档。 例子：社交媒体平台使用AI来自动添加标签和分类帖子，以提供更好的浏览体验。 4. 创意助力 AI可以为创作者提供灵感和创意助力。 例子：有声书出版商使用AI生成有声书的音频版本，从而加快制作速度。 AI辅助创作的未来 随着AI技术的不断发展，AI辅助创作的应用场景将进一步扩展。
1.4K40编辑于 2023-11-07 - 来自专栏JAVA乐园
Zookeeper应用场景
Zookeeper 分布式服务框架是 Apache Hadoop 的一个子项目，主要是用来解决分布式应用中经常遇到的一些数据管理问题。 所以不能可靠的观察到节点的每一次变化 客户端监视一个节点，总是先获取watch事件，再发现节点的数据变化 watch事件的顺序对应于zookeeper服务所见的数据更新的顺序 流行的应用场景 1、分布式应用配置管理 发布与订阅即所谓的配置管理，顾名思义就是将数据发布到zk节点上，供订阅者动态获取数据，实现配置信息的集中式管理和动态更新。 4、集群管理 Hbase Master选举则是zookeeper经典的使用场景； Storm集群管理 5、分布式队列 队列方面，一种是常规的先进先出队列， 对于第二种先进先出队列，增加分布式锁服务以控制时序场景
95010编辑于 2022-06-30 - 来自专栏Spark学习技巧
Spark Streaming 场景应用
其良好的可扩展性、高吞吐量以及容错机制能够满足我们很多的场景应用。 Spark Streaming 其优秀的特点给我们带来很多的应用场景，如网站监控和网络监控、异常监测、网页点击、用户行为、用户迁移等。 2.1 框架 目前我们 Spark Streaming 的业务应用场景包括异常监测、网页点击、用户行为以及用户地图迁徙等场景。按计算模型来看大体可分为无状态的计算模型以及状态计算模型两种。 无状态模型能够很好地适应一些应用场景，比如网站点击实时排行榜、指定 batch 时间段的用户访问以及点击情况等。该模型由于没有状态，并不需要考虑有状态的情况，只需要根据业务场景保证数据不丢就行。 首先本文介绍了 Spark Streaming 应用场景以及在我们的实际应用中所采取的技术架构。
2.1K30发布于 2018-12-25
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