今天分享的主题是如何使用 TuGraph 图数据库搭建图应用，希望帮助大家快速上手 TuGraph 的使用，并搭建一个满足自己需求的图应用产品。
本次分享的内容是 Artic on Flink 流式特性解读。 本次分享会围绕下面四点展开： 1. Arctic 流式特性 2. 核心原理解读 3. Benchmark 4. 未来规划
本次分享的主题是 Blaze：SparkSQL Native 算子优化在快手的设计与实践。当前，Spark 由于其相比 Hive 更强大的性能，已经成为大部分公司的主要执行引擎。随着业务的发展以及数据规模的不断提升，我们对 Spark 性能提升的追求也一直没有停止过。Spark 性能提升主要来自两大方向：执行计划本身的优化、运行时执行效率的优化。
数字孪生是以计算机图形学和人工智能为基础，将现实中的要素在虚拟世界中动态模拟仿真，针对现实世界中的实体对象，在数字化世界中构建完全一致的对应模型，通过数字化的手段对实体对象进行动态仿真、监测、分析和控制。随着新一代信息技术的发展和广泛应用，数字孪生的应用范围不断扩大。本文将分享京东零售供应链场景下对数字孪生的探索与实践，将以更为直观的实际案例分析带大家深入了解数字孪生目前的运用体系与未来展望。
神经机器翻译技术目前严重依赖于大规模、高质量的双语平行语料，而在大部分场景中高质量的双语平行语料难以获取。本次分享主要向大家介绍发布于 ACL2022 的基于连续语义增强的机器翻译技术，该技术主要通过构建连续语义分布突破离散空间限制，从而实现更好数据增强的方法，此方法经过验证较回译和对抗样本方法有较好的提升。
近年来，随着图神经网络的兴起，大量关于在推荐系统中使用 GNNs 的研究被发表。本文并非介绍一种新的 GNNs 推荐系统模型，而是从端云的视角来介绍 GNNs 推荐系统的应用，通过 4 个方面来阐述 GNNs 推荐系统在端侧实现的可行性。
本文将分享有数 BI 性能保障体系的建设与实践。 主要分为以下 4 个部分： 1. 有数 BI 产品的介绍 2. 企业高并发报表访问性能挑战 3. 有数 BI 性能体系建设与实践 4. 未来计划
本文将介绍一种基于神经元级共享的 CTR、CVR 多任务联合预估的方法。分享分为两大部分：第一部分介绍多任务学习相关发展；第二部分具体介绍我们提出的一种多任务联合预估的方法。 全文目录如下： 1. 多任务学习的背景介绍 2. 多任务经典模型结构 3. 一种基于神经元级共享的 CTR、CVR 多任务联合预估的方法
没有账户，需要注册
2025年，全球人工智能市场规模达到3909亿美元，中国人工智能核心产业规模突破9000亿元。AIAgent细分市场以49.6%的年复合增长率高速扩张，制造业应用大模型的企业比例在一年之内从9.6%跃升至47.5%。从2024年初，中国日均词元(Token)调用量为1000亿;至2025年底，跃升至100万亿;2026年3月，已突破140万亿，两年增长超千倍。这些数字背后，是一场深刻变革的加速到来-人工智能正在从"能力突破"走向“系统重构”。
中服云能碳管理系统依托中服云工业物联网底座打造，聚焦工业企业能耗管控与碳资产管理需求。 系统整合水、电、气、热等多类能源数据，实现用能实时采集、集中监测、智能分析。 依托数字化手段精准核算碳排放总量，助力企业摸清碳排底数、合规完成台账管理。 通过节能诊断、能耗优化策略推送，有效降低生产能耗与运营成本。 全方位赋能企业绿色低碳转型，筑牢安全生产与节能减排双重发展防线。
中服设备健康管理系统依托中服云工业物联网架构搭建，面向工业全品类设备运维场景。 融合实时数据采集、状态监测、故障诊断核心能力，全天候掌握设备运行动态。 通过边缘计算与 AI 算法分析设备隐患，实现从被动维修向预测性维护升级。 有效降低设备故障率、减少停机损失，简化线下运维管理流程。 助力工厂实现设备数字化管控，保障产线高效、稳定、安全运行。
OpenClaw:不仅是对话窗口，更是行动助手一人工智能代理(AI Agent)正深刻重塑科学研究基本范式，OpenClaw成为2026年开源AI代理平台代表。
传统消防与安防系统孤立，缺乏数据共享和联动机制·设备运行状态缺少预警机制，出现火警，才发现设备故障无法使用，错过最佳处理时机离线巡查数据无法实时同步，无法实现现场数据回传·设备巡检手工纸字抄录，维护记录无法有效追溯
预计在未来更高传输速率的时代，“光铜并存、优势互补”将成为长期且稳定的产业格局。一个务实且高效的智算中心互连架构，应该是铜负责短距、光负责长距的混合模式:铜互连凭借其在成本、功耗及散热上的综合优势，承接机柜内及柜间近端的短距互连;光互连则依托其高带宽与低损耗传输特性，承担起跨机柜及远距离通信的重任。二者并非简单的替代关系，而是基于应用场景的深度协 同与互补。
当人人都能做漫剧真正稀缺的是什么?过去，我们拼演员、拼产能、拼制作、拼投放。现在，当产能不在稀缺，真正的痛点是什么?
人工智能正在沿离身智能和具身智能两条路径并行演进。离身智能以大模型、智能体和代理式软件系统为代表，重点提升数字空间的信息组织、内容生成和流程决策能力;具身智能进一步把模型能力延伸到物理世界，通过“AI大脑+物理载体+环境交互”形成感知、认知、决策、执行和学习闭环。离身智能决定数字生产力扩张速度，具身智能决定人工智能能否真正进入制造、物流、能源、公共服务和家庭服务等实体领域。
扫码咨询
或
客服咨询
用手机扫二维码
复制当前地址
方案库赚钱指南
