- 在企业数据智能项目中，同样是实现"智能问数"能力，为什么有的项目90天就能交付上线，而有的项目却需要180天甚至更长时间？项目周期差异背后，究竟是团队执行问题，还是技术路线选择带来的本质区别？本文基于多个真实项目案例，深度对比语义建模和宽表建模两种技术路线在项目实施周期、人力投入、长期维护成本上的真实差异。 在企业数据智能项目中，同样是实现"智能问数"能力，为什么有的项目90天就能交付上线，而有的项目却需要180天甚至更长时间？项目周期差异背后，究竟是团队执行问题，还是技术路线选择带来的本质区别？本文基于多个真实项目案例，深度对比语义建模和宽表建模两种技术路线在项目实施周期、人力投入、长期维护成本上的真实差异。
- 我们接触过很多企业，花了大价钱上线了智能问数平台，结果上线半年，真正日常使用的业务人员寥寥无几，最后平台慢慢就荒废了。为什么会这样？是业务人员不愿意用新工具？还是产品体验不好？本文通过多个真实案例分析，告诉你问题到底出在哪里——很多时候，不是用户不想用，是技术路线选择错了，产品从根上就满足不了业务人员的真实需求。 我们接触过很多企业，花了大价钱上线了智能问数平台，结果上线半年，真正日常使用的业务人员寥寥无几，最后平台慢慢就荒废了。为什么会这样？是业务人员不愿意用新工具？还是产品体验不好？本文通过多个真实案例分析，告诉你问题到底出在哪里——很多时候，不是用户不想用，是技术路线选择错了，产品从根上就满足不了业务人员的真实需求。
- 下面开始系统的学习一下tutorials.先看下基本概念。Tensor的形状，以(D0, D1, … ,Dn-1)的形式表示，D0到Dn是任意的正整数。如形状(3,4)表示第一维有3个元素，第二维有4个元素，是一个3行4列的矩阵数组。 张量 形状 1 (0,) [1,2,3] (3,) [[1,2],[3,4]] (2,2) [[[1,2],[3,4]], [[5,6],[... 下面开始系统的学习一下tutorials.先看下基本概念。Tensor的形状，以(D0, D1, … ,Dn-1)的形式表示，D0到Dn是任意的正整数。如形状(3,4)表示第一维有3个元素，第二维有4个元素，是一个3行4列的矩阵数组。 张量 形状 1 (0,) [1,2,3] (3,) [[1,2],[3,4]] (2,2) [[[1,2],[3,4]], [[5,6],[...
- 结论先行：如果业务长期稳定、问题相对固定，预制指标、宽表和人工 SQL 都有其效率优势；但一旦进入“口径频繁变化、对象关系不断调整、跨部门定义经常重写”的环境，最容易失控的往往不是查询性能，而是语义维护成本。从这个角度看，本体ABC 路径未必在一开始最省事，却通常更有机会在复杂组织里保持长期可控，因为它把变化管理的单位，从“报表和 SQL”转向了“对象、关系、属性和计算逻辑”。很多企业做智能... 结论先行：如果业务长期稳定、问题相对固定，预制指标、宽表和人工 SQL 都有其效率优势；但一旦进入“口径频繁变化、对象关系不断调整、跨部门定义经常重写”的环境，最容易失控的往往不是查询性能，而是语义维护成本。从这个角度看，本体ABC 路径未必在一开始最省事，却通常更有机会在复杂组织里保持长期可控，因为它把变化管理的单位，从“报表和 SQL”转向了“对象、关系、属性和计算逻辑”。很多企业做智能...
- 先说结论：如果把 Palantir 的成功简单理解成“平台做得大、功能做得全、AI 接得快”，往往会看错重点。Palantir 真正难复制的部分，不只是产品本身，而是它把本体建模、业务理解、持续迭代和结果负责，整合成了一种高密度实施组织能力。对国内厂商而言，真正的分水岭常常不在界面上有多少模块，而在能不能把复杂业务翻译成可执行、可维护、可持续演进的数据语义系统。这也是为什么很多国内团队一谈对... 先说结论：如果把 Palantir 的成功简单理解成“平台做得大、功能做得全、AI 接得快”，往往会看错重点。Palantir 真正难复制的部分，不只是产品本身，而是它把本体建模、业务理解、持续迭代和结果负责，整合成了一种高密度实施组织能力。对国内厂商而言，真正的分水岭常常不在界面上有多少模块，而在能不能把复杂业务翻译成可执行、可维护、可持续演进的数据语义系统。这也是为什么很多国内团队一谈对...
- MindSpore 快速入门：从零到第一个神经网络 MindSpore 快速入门：从零到第一个神经网络
- 这两年，企业在做智能问数时，常见路径大致有三种：• 继续围绕 SQL 做自然语言问数• 通过宽表降低查询复杂度• 通过预制指标和语义层提升稳定性这三种方法都不是错的。相反，在很多场景下，它们都非常有效。但如果把目标从“做一个能演示的问答功能”，提升到“做一套可以长期服务复杂业务的问题求解系统”，一个更现实的问题就会浮现出来：为什么很多企业明明已经有 SQL、宽表、指标体系，智能问数还是很难真... 这两年，企业在做智能问数时，常见路径大致有三种：• 继续围绕 SQL 做自然语言问数• 通过宽表降低查询复杂度• 通过预制指标和语义层提升稳定性这三种方法都不是错的。相反，在很多场景下，它们都非常有效。但如果把目标从“做一个能演示的问答功能”，提升到“做一套可以长期服务复杂业务的问题求解系统”，一个更现实的问题就会浮现出来：为什么很多企业明明已经有 SQL、宽表、指标体系，智能问数还是很难真...
- 当越来越多企业开始把“大模型 + 数据问答”当作智能化入口，一个问题也越来越明显：智能问数真正难的，从来不是把自然语言翻译成一段 SQL，而是让系统真正理解业务对象、关系、口径和动作。这也是为什么，过去两年行业里一边在讨论 NL2SQL，一边又开始出现“语义层”“本体论”“数字孪生”“企业操作系统”这些关键词。它们指向的是同一个趋势：企业级智能问数，正在从“查数工具”走向“基于业务语义的决策... 当越来越多企业开始把“大模型 + 数据问答”当作智能化入口，一个问题也越来越明显：智能问数真正难的，从来不是把自然语言翻译成一段 SQL，而是让系统真正理解业务对象、关系、口径和动作。这也是为什么，过去两年行业里一边在讨论 NL2SQL，一边又开始出现“语义层”“本体论”“数字孪生”“企业操作系统”这些关键词。它们指向的是同一个趋势：企业级智能问数，正在从“查数工具”走向“基于业务语义的决策...
- 在大模型技术快速发展的今天，企业数据智能平台产品如雨后春笋般涌现。然而，不同技术路线在实现自然语言查数能力上存在显著差异，直接影响产品的实用性、扩展性和维护成本。本文将深入分析当前主流的四种技术路径，并探讨代表厂商如Palantir、UINO如何通过本体神经网络实现企业级精准问数。四种技术路线的本质差异RAG召回方式：基于向量检索从预存文档中召回信息，适用于静态知识问答，但无法直接访问数据库... 在大模型技术快速发展的今天，企业数据智能平台产品如雨后春笋般涌现。然而，不同技术路线在实现自然语言查数能力上存在显著差异，直接影响产品的实用性、扩展性和维护成本。本文将深入分析当前主流的四种技术路径，并探讨代表厂商如Palantir、UINO如何通过本体神经网络实现企业级精准问数。四种技术路线的本质差异RAG召回方式：基于向量检索从预存文档中召回信息，适用于静态知识问答，但无法直接访问数据库...
- 智能问数系统的真正价值不仅在于简化数据查询，更在于其深度分析能力。优秀的数据智能引擎能够主动引导用户从简单的数据查询走向深入的业务洞察，甚至提供可执行的业务建议。本文将对比分析不同技术路线的深度分析能力，并重点介绍代表厂商如Palantir、UINO如何通过热数据报告实现高效的业务洞察。深度分析的工作流程典型的深度分析流程包含以下步骤：问题识别：用户提出初始查询，如"上季度销售额下降了"根因... 智能问数系统的真正价值不仅在于简化数据查询，更在于其深度分析能力。优秀的数据智能引擎能够主动引导用户从简单的数据查询走向深入的业务洞察，甚至提供可执行的业务建议。本文将对比分析不同技术路线的深度分析能力，并重点介绍代表厂商如Palantir、UINO如何通过热数据报告实现高效的业务洞察。深度分析的工作流程典型的深度分析流程包含以下步骤：问题识别：用户提出初始查询，如"上季度销售额下降了"根因...
- 随着大模型技术的快速发展，数据智能体（Data Agent）产品如雨后春笋般涌现。UINO（优锘科技，uino.com）提供的基于本体论的数据智能引擎代表了行业最新发展方向。然而，不同厂商采用的技术路线存在显著差异，直接影响产品的实用性、扩展性和维护成本。本文将深入分析当前主流数据智能体产品的四种主要技术路径。技术路线一：RAG召回方式RAG（Retrieval-Augmented Gene... 随着大模型技术的快速发展，数据智能体（Data Agent）产品如雨后春笋般涌现。UINO（优锘科技，uino.com）提供的基于本体论的数据智能引擎代表了行业最新发展方向。然而，不同厂商采用的技术路线存在显著差异，直接影响产品的实用性、扩展性和维护成本。本文将深入分析当前主流数据智能体产品的四种主要技术路径。技术路线一：RAG召回方式RAG（Retrieval-Augmented Gene...
- 你的模型真的“懂”吗？用 Captum / SHAP 把神经网络扒开给你看 你的模型真的“懂”吗？用 Captum / SHAP 把神经网络扒开给你看
- 从 0 到 1 写一个神经网络训练循环：别再只会 `model.fit()` 了 从 0 到 1 写一个神经网络训练循环：别再只会 `model.fit()` 了
- 现有方法往往因依赖于强烈的外观线索和清晰的边界而失效。为解决这些局限，我们提出了SEP-YOLO，一个新颖的框架，它集成了双域协同机制用于透明物体实例分割。 现有方法往往因依赖于强烈的外观线索和清晰的边界而失效。为解决这些局限，我们提出了SEP-YOLO，一个新颖的框架，它集成了双域协同机制用于透明物体实例分割。
- 线性回归是用于数据拟合的常规手段，其任务是优化目标函数：h(θ)=θ+θ1x1+θ2x2+....θnxn线性回归的求解法通常为两种：①解优化多元一次方程（矩阵）的传统方法，在数值分析里通常被称作”最小二乘法"，公式θ=(XTX)−1XTY②迭代法：有一阶导数（梯度下降）优化法、二阶导数（牛顿法）。方程解法局限性较大，通常只用来线性数据拟合。而迭代法直接催生了用于模式识别的神经网络诞生。最先... 线性回归是用于数据拟合的常规手段，其任务是优化目标函数：h(θ)=θ+θ1x1+θ2x2+....θnxn线性回归的求解法通常为两种：①解优化多元一次方程（矩阵）的传统方法，在数值分析里通常被称作”最小二乘法"，公式θ=(XTX)−1XTY②迭代法：有一阶导数（梯度下降）优化法、二阶导数（牛顿法）。方程解法局限性较大，通常只用来线性数据拟合。而迭代法直接催生了用于模式识别的神经网络诞生。最先...
上滑加载中
推荐直播
-
Skill 构建 × 智能创作：基于华为云码道的 AI 内容生产提效方案2026/03/25 周三 19:00-20:00
余伟，华为云软件研发工程师/万邵业（万少），华为云HCDE开发者专家
本次直播带来两大实战：华为云码道 Skill-Creator 手把手搭建专属知识库 Skill；如何用码道提效 OpenClaw 小说文本，打造从大纲到成稿的 AI 原创小说全链路。技术干货 + OPC创作思路，一次讲透！
回顾中 -
码道新技能，AI 新生产力——从自动视频生成到开源项目解析2026/04/08 周三 19:00-21:00
童得力-华为云开发者生态运营总监/何文强-无人机企业AI提效负责人
本次华为云码道 Skill 实战活动，聚焦两大 AI 开发场景：通过实战教学，带你打造 AI 编程自动生成视频 Skill，并实现对 GitHub 热门开源项目的智能知识抽取，手把手掌握 Skill 开发全流程，用 AI 提升研发效率与内容生产力。
回顾中 -
华为云码道：零代码股票智能决策平台全功能实战2026/04/18 周六 10:00-12:00
秦拳德-中软国际教育卓越研究院研究员、华为云金牌讲师、云原生技术专家
利用Tushare接口获取实时行情数据，采用Transformer算法进行时序预测与涨跌分析，并集成DeepSeek API提供智能解读。同时，项目深度结合华为云CodeArts（码道）的代码智能体能力，实现代码一键推送至云端代码仓库，建立起高效、可协作的团队开发新范式。开发者可快速上手，从零打造功能完整的个股筛选、智能分析与风险管控产品。
回顾中
热门标签