数据治理

AI工具在企业落地时，往往因为“模型好”而被直接选中，却忽视了后续使用过程中的各类费用和技术壁垒。对于中小企业的采购者和技术负责人来说，只有把模型能力之外的隐性成本统筹进评估框架，才能避免后期的预算超...

很多AI项目在演示阶段表现得相当理想，模型能准确回答问题、流程也跑得通，但一旦准备投入生产，问题就接踵而至。最常见的原因往往不是模型本身不够强，而是它赖以运行的数据经不起推敲。模型并不会直接接触现实...

“据MIT相关研究，约95%的企业生成式AI试点没有获得可衡量的财务回报。”这个数字真正刺痛企业管理者的地方，不在于AI暂时“不够聪明”，而在于许多企业把AI项目当成一次工具采购：选模型、买平台、做演...

近年来，随着人工智能技术的快速发展，中国企业对AI的采用率显著提升。根据麦肯锡全球人工智能调研，2022年中国企业AI使用率虽较全球平均水平仍有提升空间，但许多公司在落地实践中却面临显著矛盾：功能试用...

很多 AI 项目在演示阶段表现惊艳，一进入生产环境就问题频发，根子往往不在算法，而在数据治理。演示时数据是精心挑选的，规模小、变化慢、口径统一；到了生产环境，数据来自多个系统，格式混乱、质量参差、口径...

导语：截至2024年上半年，全球企业、政府与研究机构在中国、欧美等主要市场推动ai智能（人工智能技术）加速落地。谁在推动：大型云厂商、头部互联网企业与制造、金融等行业领军企业；何时发生：2022年以来...

AI项目最容易出现的误区，是把“系统能够访问”当成“项目应当访问”。某份业务数据对员工可见，并不代表它适合被模型读取、检索、训练或转发给外部服务。上线前先把数据权限理清，不是在给业务增加一道手续，而是...

显示制造引入大模型，真正有价值的并不是让系统替代工程师做最终决定，而是把分散的工艺记录、缺陷图像、材料试验结果和处理经验更快地串起来。公开资料显示，星智大模型已用于研发问题解析和材料研发，相关效率提升...