企业AI
找到 17 篇关于此标签的文章
SageMaker 终于补上批量写特征 — AWS 替企业 AI 项目还工程债
AWS 给 SageMaker Feature Store 加了两个 API：批量写入和记录枚举，一次能写最多 25 条。事看似小，暴露的是企业 AI 项目从演示走到生产之间那道常被低估的工程门槛。
AI 写 SQL 不稀奇，能在 4 万家企业安全交付才稀奇 — 舟谱数据的 Agent 答卷
一家服务 4 万家经销商的老牌数据公司，把 AI 写 SQL 做成了可工程化交付的 Agent 流水线。它的真正价值在于点出：企业 AI 落地卡住的从来不是模型，是指标治理、权限边界和工程化交付。
AWS 把分布式 AI 训练做成「一键启动」— 云厂商在抢企业 AI 的入门门票
AWS 把开源分布式训练框架 Ray 集成进 SageMaker HyperPod，企业跑大模型训练不再需要自己拼配置文件和监控看板。表面是工具升级，实质是云厂商在争夺「想做 AI 但养不起基础设施团队」的传统公司这块增量市场。
AWS 要给企业 AI 智能体建个「目录」 — Agent 一多，找比写还难
亚马逊云推出 Agent Registry 与 ARD 规范，把企业内部散落的 AI 智能体、MCP 服务器、工具统一登记管理。表面是技术标准，本质回答的是企业 AI 上规模之后，谁来审批、谁能调用、怎么找的新问题。
AI 模型上线没那么简单：KServe 调和循环拆解告诉我们的工程现实
KServe 是 Kubernetes 生态主流的开源 AI 模型服务平台。本周源码拆解文章揭示：一个 AI 模型从 YAML 配置文件到生产环境，中间要走 9 步调和流程，对企业 IT 落地成本有直接参考意义。
阿里云让 Qwen 批量推理变便宜：中国云厂商开始啃 AI 基础设施
阿里云把 Qwen3.5 模型的批量推理流水线搬上 EMR Serverless Ray，把原本要自己折腾的 GPU 调度和模型服务做成了云上标准化产品。对企业来说，AI 任务的批量处理门槛正在悄悄下降。
企业 AI 答非所问，问题往往不在大模型 — 向量数据库选型正在被严重低估
企业花大钱买最强大模型，AI 却答非所问，问题往往出在向量数据库。本期我们读了一份技术选型指南，发现多数公司的基础设施选错了。
TextIn 把四家供应商报价对完只要 128 秒 — 中国企业 AI 开始干脏活
TextIn xParse 与 WorkBuddy 联手验证了一个真实场景：把四种格式混乱的供应商报价自动对比，128 秒出报告。这意味着中国企业 AI 正在走出 PPT，走进报价单。
货拉拉的 AI 记忆工程：撕开大模型'聊过就忘'的工程真相
货拉拉发了一篇工程长文，把自研的大模型记忆系统拆得底朝天。这事撕开了一个真相：模型再强，记忆层没做对，AI 就是个'金鱼脑'，每次都从零开始。
企业 AI 糊涂账越积越多 — AWS 给 Bedrock 装上按人算账
Bedrock 是 AWS 的 AI 模型托管平台。这次新增「按用户追溯成本」能力——意味着 AWS 正式承认，企业 AI 用量已经大到必须单独算账。
有人想用本地小模型把文字变成正则表达式 — 这个不起眼的需求，藏着企业数据处理的真痛点
Reddit 上一个开发者发帖问：有没有好用的本地小模型，能把自然语言描述转成正则表达式（一种文本匹配规则）。问题看似小，背后却是大量企业"从一堆乱七八糟的日志、合同、邮件里捞特定信息"的真实需求。本期编辑部聊聊，为什么这件事值得关心。
RAG 系统不能靠感觉打分 — AI 应用开始进入精细化运营时代
RAGAS 框架用 4 个量化指标给 RAG（检索增强生成）系统打分，解决“感觉不错但说不清好在哪里”的痛点。这标志着企业 AI 应用从“能跑就行”转向数据驱动的精细化运营。
Palantir 靠二十年前的设计赢了企业 AI 落地 — 数据结构比模型更决定成败
Palantir 被反复提及，靠的不是模型，而是二十年前构建的底层数据结构 Ontology（本体）。我们注意到：企业 AI 落地卡在最后一公里，根因不是模型能力，而是数据结构不承载业务语义。这件事值得关心，因为它重新定义了企业 AI 的竞争重心。
LangChain 拆解全能 AI 幻象 — 多 Agent 分工协作正成为企业落地务实选择
LangChain 最新教程详解多 Agent 系统，将全能 AI 拆解为多个专业 AI 协作。这解决了单一 AI 工具过多易选错、角色混乱的痛点，标志着 AI 应用从炫技走向真实业务分工。
企业 AI 知识库总答非所问，90% 的败因在检索层而非大模型
企业 AI 知识库总翻车，多数人以为是模型不行，但我们注意到真正的瓶颈在检索层。向量相似度不等于业务相关性，优化检索策略才是让 AI 落地的解药。
YC 说最好的 AI 公司已让全公司可查询 — 但没人做出连接这一切的产品
YC 提出一个趋势判断：顶级 AI 原生公司已把会议、工单、客户交互全变成可查询数据，供 AI 层学习。但目前没有产品能把散落上下文连成单一推理层，这恰恰是机会所在。
RAG架构从1种裂变为9种 — 生产级AI系统正告别“差不多就行”
一份实战指南梳理出 9 种 RAG 架构，这标志着企业 AI 落地正从“能回答”向“不出错”硬扛。选错架构不仅浪费数月，更会让机器人自信地胡说八道。