有些是产品能力，不是模型本身的能力：  RAG  Function Call  等等 01 对AI技术的认知：大模型的能力边界 基于LLM的三层能力做产品：锤子和钉子 LLM的三个能力的应用：选型标准 1. 语言处理场景：语言能力 • 文字处理：翻译、摘要、判别、生成等 • 人机界面：指令、信息、prompt 2. 知识助手场景：语言能力+知识能力 • 知识压缩、知识提取、知识组织 02：对AI教育的思考 • 03：我们的AI教育实践 VUCA时代，AI技术日新月异，所有的认知、思考、实践都在迭代中…… 03 我们的AI教育实践 • 技术选型与数据验证 • 经过300+技术选型 • 经过2000+验证试验 • 经过200000+的数据论证 • 经过30+开/闭源模型评测 • 经过5000+Prompt的验证组合落地 • 经过100+Function

有助于后续模型的选择与技术路线的设计 需求场景定义 根据需求场景，企业需要在众多预训练模型 中选择合适的AI大模型。这一过程中，企业 需要综合考虑模型的性能、准确性、计算效 率、成本及安全性等因素 模型选型 选定模型后，企业需要通过提示词工程、 RAG、微调等策略对模型进行优化，以提升 其在特定场景下的表现效果与可靠性 模型优化 最后，企业需要将AI大模型无缝集成到现有 的业务系统中，实现自动化决策或增强用户 策赋能，推动数字化转型和智 能化升级，实现业务流程自动 化智能化 明确任务性质结合 业务逻辑优化流程 - 区分辅助生成与决策性任务， 优化输入输出流程（辅助生成 任务）或结合模型预测与决策 逻辑（决策性任务） 明确技术选型 与适配性 - 综合评估框架成熟度、易用 性、扩展性和兼容性等因素， 选择合适大模型框架并确保与 现有系统高效集成 培养独立的 AI人才与团队 - 引进培养AI专业人才，负责 模型微调、技术引入和系统集 合规：模型本身是否自主可控？数据是否安全合规？信创要求。 选型：现在市面上第一类大模型由互联网大厂，像阿里、腾讯、华为等大厂研发的相关产品。那第二类是专注单点应用的小厂，比如专注 于 Agent 平台和 Agent 应用开发。第三，现有垂直供应商。所有企业用户都会关注选型问题，虽然大模型大厂本身技术能力很强，但不 一定特别理解企业自身业务场景，而现有的垂直厂商本身技术能力会受到多方质疑，所以选型是重点关注的问题。 4.14

实例部署环节，可以重点关注下集群管理。TDSQL管理平台提供了修改集群配置，以及针对 MySQL集群的备份存储设置等集群管理功能。 LVS作为接入层服务，其可靠程度对TDSQL整体服务可用性有很大的影响，因此在对外选型及部 署上需要遵循以下原则： �）LV设备需要有备份冗余，建议至少两台LVS设备。tdsql-lvs组件会利用多台LVS设备组成高可用 集群。 �）多台LVS设备，其本身 IP 地址要在同一个网段（VRRP 术支柱。 在数据库运维的全生命周期中，资源管理是支撑系统稳定、弹性、低成本运行的核心底座，其建设 体系覆盖从硬件基础设施到软件资源分配的全链路精细化管控。 具体包含以下关键维度： 包括服务器选型与配置优化、机型规格标准化（如CPU/内存/存储的规格匹配），以及IDC（数据中 心）物理布局的容灾设计与网络拓扑优化，确保底层算力的可靠性与可扩展性。 针对服务器管理，TDSQL管理平台的资源 讯云数据库TDSQL可以满足用户对高可用性的诸多 需求： �.业务迁移的便利性 在很多应用场景中，都是老单机数据库系统，无法承载数据量的增长以及业务的发展，需要进行 业务迁移，那么在数据库选型中，业务迁移的便利性就成了一个很重要的指标。TDSQL在协助业 务迁移这个层面提供了很多用户急需的特性以及功能支持。 �.分布式事务一致性 对某些业务，特别是金融业务而言，数据的强一致尤为重要。如果出现数据丢失，就意味会给组织

得注意的是，代工模式（ODM）正成为新趋势—特斯拉由广达、和硕代工智驾 域控，蔚来交由Wistron及伟创力完成硬件制造，凸显主机厂聚焦算法与系统集 成、将硬件制造外包的战略分化[1]。 整车厂在域控方案选型中，技术兼容性与供应链安全性已成为核心权衡维度。 一方面，需确保域控平台能无缝接入既有传感器链路（如摄像头、激光雷达接 口协议）、匹配不同芯片架构（ARMvsRISC-V）及适配自研或第三方中间件（ 覆盖与高密度热点 区域容量需求；而路侧感知设备（4D毫米波雷达、鱼眼相机、激光雷达）采用 多模态冗余布设，通过时间同步与空间标定实现厘米级融合定位，支撑复杂交 叉口全息感知[2]。 通信协议选型需兼顾实时性、带宽与鲁棒性：C-V2X（基于LTE-V2X/5GNR- V2X）凭借低时延（PC5直连时延<10ms）、高可靠性及与蜂窝网络天然兼容 优势，成为智慧高速、自动匝道汇入等强实时场景首选；而DSRC因频谱资源受 30公里提升至85公里，同时域控板卡成本下降18%[3]。 软硬件协同设计已成为突破成本-性能二元约束的核心路径。其本质是打破“芯 片定义功能”惯性，转向“功能定义芯片”，即以安全冗余目标反向驱动芯片 选型、传感器布局与中间件调度逻辑。典型实践包括：采用ASIL-B等级MCU与 ASIL-D等级AI加速核异构集成，实现功能安全与性能解耦；构建跨芯片统一时 空同步框架，使8MP摄像头与4D毫米波数据在微秒级完成特征对齐；通过OTA

适应力决定成败:构建融合式技术团队 • 团队构成与角色定位 • 磨合过程中的试错与共建 • 深入用户与场景，提升交付效率 • 成熟扩展:打造可持续演进的体系 • 巩固自主研发和质量体系 • 持续基础设施优化 • 审慎选型工具与开源方案 案例复盘与总结 经验： • 工具：工欲善其事,必先利其器 • 开源：三思而后行 • 设计：不登高山，不知天之高也 • 交付：合久必分，分久必合 www.top100summit

其中绝大多数故障源于器件层面的失效。 为应对这一挑战，超节点系统需要深度考虑硬件可靠性，覆盖器件的全生命周期（如图 4.3 所示）： 生产阶段通过高低温、震动、冲击等极限压测方法筛选合格产品；选型阶段选用超宽温度、稳定性能、 低失效的电信级器件；使用阶段部署液冷散热技术，精确控制核心器件工作温度，降低因热应力导 致的故障风险。这些措施可使超节点系统在满负载运行时的器件级故障率大大降低，为千亿参数模

第一名 互联网虛假新闻检测 2019 全球挑战赛 - 虛假新闻多模态检测 第一名 中国法研杯 CAIL2020 司法人工智能赛 第一名 团队在大模型技术栈领域拥有强大的自主研发 能力 ， 在模型选型与融合 、数据构建 、领域数 据集构建和推理优化等方面形成了显著的技术 壁 垒 。 团 队 自 主 研 发 了 基 于 Self- instruct 、 CoT 等 先 进 方 法

认、资源共享、服务共用，进而形成一张可信数据空间网络， 支撑实现全国一体化数据市场。可信数据空间统一技术架构， 从下到上分为网络层、设施层、技术支撑层、数据流通层、数 据服务层和应用场景层，并围绕技术选型和业务运营构建标准 规范和运营保障体系。可信数据空间建设统一技术架构如下图 所示。 图 2 可信数据空间统一技术架构图 网络层（跨网）：基于现有互联网、电子政务外网、物联网 等网

面对算力瓶颈，福建海峡银行的技术选型体现了鲜 明的资源集约导向。 选定 DeepSeek-R1-Distill-Qwen-32B 作为基础模型提 供服务。该模型在核心语义理解与生成能力、本地算力 适配性及部署成本之间实现了最佳平衡。 摒弃对超大参数模型的盲目追求，经过严格评估， 福建海峡银行的 AI 大模型实践是资源约束下追求实效的积极探索。通过精准的技术选型、 创新的架构设计、高效的价

RFID（ISO15693/14443A）频段，产品规模 应⽤于全球的鞋服、物流、零售、航空、医疗、资产管理、智能制造、智慧农业、防伪溯源等领域。 RFID�标签�� 万物互联的神经元 产品选型表 让世界，不触可及！ www.kiloway.com 400-0550-570 绵阳�|�四川省绵阳市⾼新区⻜云⼤道东段261号��������������成都�|�四川省成都市府城⼤道西段399号 UHF RFID 市场中，沃尔玛、梅西百货等零售公司计划大量使用电子标签，由于自身 对于 UHF RFID 技术不了解，委托奥本大学制定一套标签选型的规则。 从这个标准的产生背景就可以看出，早期的 ARC 认证针对的是服装与零售行业的需求从而对标签性能进行选型认证。 但是，随着产业的发展，这个认证机构也逐渐在演进，标签的范围目前在逐渐的往快递包裹、食品＆药品等行业发展。 2、ARC 不让中国企业进入？