暂无搜索历史
上一篇聊到工业AI落地卡在一个结构性矛盾上——AI供应商不对业务结果兜底,工厂缺乏AI工程能力,系统集成商的项目制逻辑跟这件事的探索性本质冲突。三方各有各的合理...
上一篇聊了几份工业AI方案的共同问题:技术架构很扎实,但信任机制、防错设计、责任边界这些决定落地成败的东西几乎缺失。文章发出来之后收到一条很有质量的反馈,核心观...
先介绍一家公司。Palantir,2004年成立的美国企业软件公司,最初服务于美国情报机构,后来扩展到商业领域。2023年推出AI平台AIP后,股价从不到8美元...
番外五从定义层面讲了学术Ontology和Palantir Ontology的区别——一个是知识表示工具,一个是可执行的业务操作系统。但"为什么"会有这个区别?...
钛媒体最近发表了一篇文章《腾讯为什么推不出豆包》,数据翔实,分析犀利。这篇文章揭示的不只是腾讯一家的问题——它是所有成熟企业在AI时代面临的结构性困境的缩影。
+互联网是传统企业把线下生意搬到线上,商业逻辑不变,只是多了一个渠道。互联网+是用互联网思维重构整条商业链路——去中间层、数据匹配供需、平台化运营。最终互联网+...
最近看过几份工业AI应用方案——设备智能运维、产线预测性维护、工艺参数自动寻优,覆盖的场景不同,但技术架构都做得相当扎实。边缘计算、实时流处理、知识图谱、大模型...
前六篇从数据、成本、场景、技术路线几个角度聊了企业AI落地的问题。这一篇换一个视角——从一个具体项目的内部来看,做的过程中到底踩了哪些坑、想通了哪些事。
出差回来,翻出一堆发票,拍照、填单、选类目、写事由、提交、等主管审批、等财务复核、等打款。整个过程少则三五天,多则拖上两周。
前面几篇反复出现一个现象:很多企业想买一个"本体论驱动的产品",开箱即用,三个月上线,半年见效。但Palantir的实际做法恰好相反——FDE先在现场铺一条土路...
在讨论建模方法之前,需要先说清楚一个前提:学术界说的"本体"和Palantir说的"本体",严格来讲不是同一个东西。
这个系列写了九篇正文加三篇番外,从古希腊哲学讲到了AIP,从数字孪生讲到了FDE。但有一个问题一直被绕着走:拿到一个业务场景,具体怎么开始建ontology?
上一篇聊了工艺优化的三种数据驱动路线,最后留了一个问题:这三种方法有一个共同的盲区——都是从数据里找规律,但不懂工艺本身的物理和化学原理。
很多人的直觉是"干中学"——找一个项目直接上手,不懂的让AI帮你补。但刘雪峰老师指出,如果你对一个领域完全没有基础,哪怕AI再厉害,你也判断不了它给的答案是对是...
GPT-5.1上线以来出现了个让人哭笑不得的事。有用户发现自己的ChatGPT说话越来越奇怪——你让它解数学题,回答得好好的,最后莫名其妙补一句"但这里藏着一个...
一提到工艺优化,现在很多企业的第一反应就是"上AI"。但如果你去车间跟一线的工艺工程师聊,会发现一个挺尴尬的现实:花了大价钱部署的AI优化系统,给出的参数建议,...
去一家做大型工业传动设备的企业做调研,年销售额四个多亿,三百来号人。产品是那种单台价值几百万的重型装备,按客户需求逐台定制,一个订单从接单到发运,周期在六十到九...
最近看到报道,有公司宣称自己实现了"动态本体自进化",并且用"AI-FDE模式"取代了传统的驻场工程师,只需少量工程师快速微调就能落地。言下之意:Palanti...
前三篇聊了企业AI投资回报算不过来的几层原因:省时间不等于省钱、钱花错了方向、效率被流程吃掉、产品本身就是半成品。这些问题叠在一起,构成了95%的AI项目ROI...
前两篇聊的是企业AI投资回报算不过来的几层原因——省时间不等于省钱、钱花错了方向、单点效率被整体流程吃掉。这些问题各行各业都存在,但制造业还有一个更扎心的问题:...
暂未填写公司和职称
暂未填写个人简介
暂未填写技能专长
暂未填写学校和专业
暂未填写个人网址
暂未填写所在城市