暂无搜索历史
第一篇和第二篇讲了古希腊哲学如何催生了Ontology这个概念,然后直接跳到了计算机科学。中间两千多年的哲学史被略过了。有读者留言说,海德格尔把哲学从"认识论框...
同样是全球消费品巨头,同样在AI上投入很深,宝洁和欧莱雅的AI策略却几乎完全相反。
前一阵有客户提了一个需求:能不能用AI根据二维CAD图纸直接生成三维模型?听起来合理——AI现在画图、做动画、生成视频都很成熟了,从二维到三维应该不在话下。 ...
很多工厂的APS系统用了几年,排产员还是在手动调Excel。不是APS不行,是现实太复杂——数据不准、插单不断、车间不按排程执行,再好的算法也扛不住。现在AI排...
术语说明:本篇最初将Palantir Ontology内部拆为"语义层、动力层、动态层"三层,其中"动力层"指数据流动,"动态层"指Action和Write-b...
2026年5月,一份诉状递到德克萨斯州商业法庭。原告是必胜客在美国东北部最大的加盟商之一,旗下运营111家门店。索赔金额不低于1亿美元。理由只有一个:品牌方强制...
第五篇讲过,全量建模是对数据缺乏判断的表现。当时的批评主要从实操层面出发——信噪比变低、调度员看不到想看的东西、牛顿只保留了质量。但有读者问了一个更根本的问题:...
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。
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