腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

综合排序丨最热优先丨最新优先

关于SRE在金融行业落地的探讨

本文我们就以Google经典运维体系理念——SRE为例，通过对SRE的主旨内容剖析，梳理SRE与运维开发之间的联系，同时通过典型SRE落地案例详解，与大家一同探讨SRE在金融行业的落地经验。01. SRE在金融行业落地探讨1）落地案例分析以国内某大型银行SRE实践为例，其SRE落地进程有以下几个重要关键点：① 确定SRE落地的核心理念：符合长期战略，改善运维手动、重复性工作，建立SRE团队提升运维价值除此之外我们对众多企业SRE进程和落地实践也进行了详细的深入分析，包含农业银行、腾讯、美图等，如您感兴趣，欢迎点击了解详情！2）经验探讨① SRE是否适合在金融行业落地？如果说短期内企业并没有短期内进行容器化、分布式的建设规划的话，落地SRE是比较困难的。具备软件开发能力：能够把运维诉求变成运维产品，然后把运维产品，最终落地成为具体的工具、系统。

2022-08-14

1.4K0

标签:

人工智能落地金融行业概况【2019】

落地情况 AI落地过程与算法模型的技术成熟过程相匹配，目前仍处在第一阶段和第二阶段，其中各个阶段的落地也是从简单环节替代人力逐步向整体替换过度： Step1：从简单场景的重复工作开始替代人的工作，如身份识别 2019年，正在落地的人工智能应用包括金融领域的反欺诈、生物识别类身份验证、智能客服等。正在加速研发的有智能网点服务机器人等。 ? 落地方案在各个业务的落地之中，智能技术目前以简单场景的分类识别能力为主，如语音、人脸、推荐等。下一步将在反欺诈识别和对话机器人（RPA）等复杂业务的分类识别方面有所作为。由于技术门槛和行业门槛的限制，创业公司以提供第三方服务为主，逐步积累技术和用户。在资管、证券、信贷、保险等方向的主要从业公司如图所示。 ? 报告下载：艾瑞咨询《2019年中国金融科技行业研究报告》PDF下载，公众号回复：20191215

2020-08-04

7620

标签:

行业现在是怎么落地 AI 的？

还有一层，行业研究和资料整理这块，现在网页版的深度调研就能做个七七八八，原先靠堆人做出来的那部分价值被削掉了一块。咨询真正有价值的仍是诊断。行业给的解法是组织上的，不是技术上的。一种常见的做法是把一件重活拆成三个角色：有人负责对接、出方案、管进度和验收；有人提供行业判断，按项目临时请，因为长期养一个行业专家的成本远高于按次付费；有人负责把东西真的做出来，搭知识库、写技能、做应用这跟行业收敛出来的标品加定制是一回事，差别在于行业是被逼到这一步的，纯标品卖不动才往定制走，内部则是一开始就该按这个结构设计，因为没有第二笔预算可以让你返工重来。真正要改的是怎么挑做什么。行业看的是客户规模，不同大小的客户配不同打法；内部没法挑客户，但可以挑场景。挑的标准我只留三条：第一，业务指标是不是一个明确的数字。

2026-10-09

1330

标签:

AI Coding 全栈开发

行业应用落地版（面向企业运营人员）

行业痛点：为什么聊天机器人成了 “刚需工具”？核心逻辑：企业怎么用聊天机器人落地？三大行业落地案例（附实操方案）案例 1：电商行业 —— 售后客服机器人（降本 60%）企业痛点：某生鲜电商，售后咨询占客服总量的 70%（如 “水果坏了”“漏发商品”），人工处理 1 条需 5 分钟，高峰时用户等案例 2：教育行业 —— 学习助手机器人（提效 40%）企业痛点：某 K12 辅导机构，老师每天要回复 200 + 条重复问题（如 “今天作业是什么”“这道题怎么解”），没时间专注教学。案例 3：营销行业 —— 品牌互动机器人（转化提升 30%）企业痛点：某美妆品牌，线下活动吸引的用户，后续无法持续互动，转化率低（仅 5%）。

2025-10-11

3340

标签:

企业GEO行业标准落地方法论+行业深度解析

落地框架：找战场（平台差异化选型）→做结构（内容Markdown化/技术Schema化）→强信源（A/B/C三级交叉验证）。三、GEO+GEM落地方法论：双引擎与九字真言我们将GEO落地抽象为可复制的「双引擎×9字真言」框架。3.1双引擎定位GEO（防御基建）：让AI认识你、防幻觉、防截流。 3.2九字落地真言①找战场：基于客单价、决策周期、成交链路，锁定1个主平台（投入70%精力），避免平均用力。②做结构：内容结构：放弃关键词堆砌，转向“场景×痛点×方案”的语义意图匹配。 A级（政府/权威媒体/百科）进预训练库；B级（垂直门户/知乎/行业报告）供RAG高频引用；C级（自媒体/用户口碑）作辅助补充。核心原则：三级信源事实必须100%交叉验证一致，否则触发重排降权。 Q4：GEO行业未来的合规趋势是什么？A：随着315曝光与监管介入，行业正从“技术投机”转向“合规基建”。

2026-04-17

7820

标签:

AI时代的技术架构升级与行业落地

7月18日，我作为腾讯云架构师成都同盟成员参加了同盟组织的“走进新华三 & 海光”线下活动，并做了《AI时代的技术架构升级与行业落地》的分享。 AI First（AI优先），即在产品与业务策略上优先考虑 AI能力的应用与落地，但未必对底层技术架构进行深度重构。这是一种战略层面的思维转变。 AI原生架构升级的行业实践就我个人的经验，对制造行业和金融行业的AI原生应用了解较多。当然，我并没有全量和全维度的参与，结合前面提到的五层架构，在不同行业，升级的侧重点有所不同。制造行业的AI原生架构升级，有一个重要突破点，即在上下文中心建立统一企业级本体语义。譬如说，产线夜间告警时，如果助手只能搜PDF，经常答不到点上。当然，不管是什么行业，只要正在实施AI原生架构的升级，都离不开基础设施层和AI平台层的支持。它们的升级从就绪到全量自治，需要经历相对漫长的持续改造和演进过程。

2026-07-21

6130

标签:

新华三营建新生态，数字大脑行业落地

新华三集团副总裁、解决方案部总裁李立说，解决方案部的工作重点就是基于“4”，着力于联合“N”这端，把数字大脑计划付诸落地。反过来，新华三也通过行业场景的聚焦，把行业的应用需求导入转换为对“4”（自身产品方案）的具体要求，并做最佳的适配。数字化时代的到来，使很多行业的客户需求发生了变化。这样的解决方案要交付给客户，还要有与客户业务产生强相关的智慧行业应用，这些应用都是由行业知名的ISV提供的。在新华三的360°行业场景化体验中心，我们也能看到这一解决方案在浙江农信的应用情况，并支持相关金融业务演示。 DI.Lab的一个重要职能是能力中心运维，从体验、赋能、测试、生态四个维度进行组织建设，用于创造具有行业竞争力的解决方案。

2022-06-28

6390

标签:

腾讯云测试服务

多模态技术爆发元年，行业应用如何落地？

在 AIGC 技术落地过程中，会产生什么新的应用场景？大模型的下一阶段突破可能来自哪些方向？这些研究方向既涉及核心算法突破，也直接关系到技术落地的可行性。行业落地应用赵波：在提升多模态模型的效率（如降低计算成本、加速推理）方面，两位认为当前最值得关注的技术路径是什么？赵波：在技术落地的业务场景中，端侧算力限制是否为落地的关键瓶颈？如何平衡效果与速度？高欢：从实际业务落地的角度来看，我们往往需要在模型效果和执行效率之间寻找平衡点。虽然用户勉强接受了这种体验降级，但显然这种交互方式远非理想状态，这也促使行业普遍开始重视"first-token 延迟"的优化工作。我相信，这种交互革命很快就会成为行业标配，而实现这一目标的关键就在于持续优化模型的响应速度。

深度学习与Python

2025-04-26

9750

标签:

来看看深度学习如何在文娱行业“落地”

2 文娱行业面临的画质问题一方面，近两年《开国大典》《我的祖国》等高清修复内容多次刷屏全网，使老电影焕发新生机。 ▊《阿里云天池大赛赛题解析——深度学习篇》天池平台著揭开人工智能算法的神秘面纱透析大赛专业选手的解题思路本书聚焦深度学习算法建模及相关技术，选取医疗、视频、工业三个非常有行业代表性的赛题：瑞金医院本书从经典行业案例出发，内容由浅入深、层层递进，既可以作为专业开发者用书，也可以作为参赛选手的实战手册。（京东满100减50，快快扫码抢购吧！）

博文视点Broadview

2023-04-19

6560

标签:

AI技术在英语教培行业的落地

人工智能（特别是大语言模型、多模态交互和语音识别技术）正在对英语教培行业进行深度的全链路重塑。过去的英语教培依赖“标准大班+真人外教/助教”，存在成本高、无法因材施教、开口机会少等痛点；而当前的落地实践已从简单的“工具辅助”演变为“生态重构”。 AI技术在英语教培行业的具体落地场景主要集中在以下四个核心维度：一、核心学习场景的落地应用（直接面向学员）AI 口语实时陪练与情境拟真痛点解决：打破了传统外教课价格昂贵、预约难、中国学生“开口难/怕出错三、教学模式的变革：“AI 导师 + 真人教练”协同当前的行业共识是：AI 无法完全取代教育中的情感连接与信任，但人机协同是最高效的解法。AI 的分工：承担高频、重复、标准化的硬技能训练。四、当前落地面临的挑战与破局点学员的长期坚持率与内驱力纯机器互动缺乏真实的人际约束和深度情感共鸣，部分自控力较弱的学员容易中途放弃。

AI英语学习智能体

2026-10-29

1330

标签:

AI 双师课堂

AI 互动课开发套件