国产AI如何卖爆海外,答案都在这场实战沙龙

简介: 国产AI如何卖爆海外,答案都在这场实战沙龙

向量数据库领先者Zilliz是阿里云的深度合作伙伴,Zilliz Cloud在阿里云云市场平台上得到越来越多的关注,并蝉联云市场SaaS产品每月推荐的产品榜单前十。点击文末阅读原文,即可一键直达Zilliz Cloud商品页面免费开通、按量付费,阿里云和Zilliz联合为用户提供可靠保障。就在2025年1月4日(周六)13:00-17:00,阿里云将携手Zilliz举办【向心力】系列会议《中美AI应用与落地分享》专场。

国产大模型产业,已经走到命运分野的十字路口。卷基座大模型,万卡集群,万亿参数,也只是入场的门票;
卷价格,伴随百模齐发一同到来的,还有价格战的你死我活,披着“AI普惠”的外衣,企业困在居高不下算力成本与客户定价夹缝,生存堪忧。
出海,已然成为这届大模型企业及下游应用公司生存的不二之选:Sensor Tower数据显示,美国AI应用市场上半年下载量前十的AI应用中,有三款APP来自中国:Question AI、Talkie以及Poly.ai。怎么出海,出海去哪里,相关地方的法律、国情、市场如何?不摸清这些,不出海会死,盲目出海只会死得更快。由向量数据库领先者Zilliz 举办的【向心力】系列会议《中美AI应用与落地分享》专场,邀请了

资深出海顾问:有丰富海外产品运营增长经验的深思圈 创始人Leo
技术大咖:西湖心辰多模态算法工程师翁芳胜
非结构化数据专家:Zilliz解决方案总监沈亮
云计算出海大牛:阿里云高级解决方案架构师周申旸


一众行业领袖和前沿技术专家参与,共同分享中国和海外AI领域典型应用趋势与案例,并探讨非结构化数据和大语言模型结合时产生的化学反应。

以下为活动具体信息,文末扫码即可报名:

  • 时间2025.01.04 (周六)13:00-17:00
  • 地点杭州市余杭区阿里巴巴西溪园区A区-访客中心-206S 越秀书院


    重磅嘉宾


Leo丨深思圈 创始人

连续创业者,拥有丰富的海外产品运营增长经验,担任多家知名公司的出海顾问,实操过几十款产品的从0到1出海全过程,曾出版过《15个酷应用玩转树莓派》、《一本书玩转Midjourney》和《一本书玩转出海》等作品,科技自媒体深思圈和SenseAI的主理人,也是出海社群Magineer的发起人,全网粉丝超20万。




海外AI产品观察和出海实战经验分享

分享海外有趣的AI新产品,当下最流行的出海产品方向以及出海GTM实战经验,如何验证产品想法,找到客户以及合适的渠道。



翁芳胜丨西湖心辰 多模态算法工程师

西湖心辰多模态算法工程师,带领团队,从0到1完成了图像生成大模型fashion diffusion以及语音大模型lingo的训练和产品化。




实时语音交互时代下RAG系统的机遇与挑战

西湖心辰的VoiceRAG,集成了语音识别、自然语言处理、意图识别、对话管理以及语音合成等多项功能,实现了从语音输入到语音反馈的完整交互过程。本次分享,将主要讨论在实时语音交互时代,RAG系统面临的挑战,例如长程依赖问题、模糊意图识别和上下文切换等并探索未来发展方向,如增强型上下文理解、动态知识更新和用户偏好学习。


沈亮丨Zilliz解决方案总监

拥有超过15年的行业经验,专注于云计算、大数据和人工智能领域的技术创新和应用。在Zilliz,沈亮不仅负责推动公司云服务等企业级产品及方案的Go-To-Market战略,还致力于构建高效、可靠的技术解决方案,帮助客户实现数字化转型和业务增长。




百亿级向量数据库架构创新与优化之路

向量数据库主要解决的是非结构化数据管理的问题,那么向量数据库于于向量插件的区别是什么?在数据了无限攀升的今天,如何去实现一个百亿级别向量数据库的设计,使之具备“多(海量数据)快(检索快)好(性能优)省(降TCO)”的能力?有哪些典型的应用场景及案例?本次分享将一一揭晓。


周申旸丨阿里云高级解决方案架构师

多年来专注于为出海企业提供云计算解决方案,助力其在全球市场取得成功。




通义大模型的技术发展与应用实践分享

您将深入了解通义大模型的核心技术、模型架构、持续迭代计划,并通过实际案例介绍其在自然语言处理、图像识别等领域的应用。同时,我们还将讨论大模型技术的未来趋势和对行业的深远影响。


02

会议议程


相关文章
|
14天前
|
存储 机器学习/深度学习 人工智能
告别信息焦虑,用这个国产AI工具做知识管理,大脑终于解放了
文章介绍了纳米AI知识库作为“第二大脑”的强大功能。它能高效管理海量信息,支持54种文件格式上传,自动提取关键数据并打标签,轻松整合工作与生活中的碎片化信息。通过场景测试显示,在工作和生活中,纳米AI可快速生成报告、提供精准数据,极大提升效率。其共享机制还促进了团队协作,释放了创造力,让用户从琐碎事务中解脱,专注于深度思考与创新。
|
24天前
|
人工智能 搜索推荐 Java
Spring AI与DeepSeek实战三:打造企业知识库
本文基于Spring AI与RAG技术结合,通过构建实时知识库增强大语言模型能力,实现企业级智能搜索场景与个性化推荐,攻克LLM知识滞后与生成幻觉两大核心痛点。
231 7
|
10天前
|
存储 人工智能 Java
Spring AI与DeepSeek实战四:系统API调用
在AI应用开发中,工具调用是增强大模型能力的核心技术,通过让模型与外部API或工具交互,可实现实时信息检索(如天气查询、新闻获取)、系统操作(如创建任务、发送邮件)等功能;本文结合Spring AI与大模型,演示如何通过Tool Calling实现系统API调用,同时处理多轮对话中的会话记忆。
226 57
|
15天前
|
数据采集 SQL 人工智能
长文详解|DataWorks Data+AI一体化开发实战图谱
DataWorks是一站式智能大数据开发治理平台,内置阿里巴巴15年大数据建设方法论,深度适配阿里云MaxCompute、EMR、Hologres、Flink、PAI 等数十种大数据和AI计算服务,为数仓、数据湖、OpenLake湖仓一体数据架构提供智能化ETL开发、数据分析与主动式数据资产治理服务,助力“Data+AI”全生命周期的数据管理。
|
13天前
|
人工智能 自然语言处理 运维
让搜索引擎“更懂你”:AI × Elasticsearch MCP Server 开源实战
本文介绍基于Model Context Protocol (MCP)标准的Elasticsearch MCP Server,它为AI助手(如Claude、Cursor等)提供与Elasticsearch数据源交互的能力。文章涵盖MCP概念、Elasticsearch MCP Server的功能特性及实际应用场景,例如数据探索、开发辅助。通过自然语言处理,用户无需掌握复杂查询语法即可操作Elasticsearch,显著降低使用门槛并提升效率。项目开源地址:<https://github.com/awesimon/elasticsearch-mcp>,欢迎体验与反馈。
268 1
|
14天前
|
人工智能 前端开发 Java
AI大模型进阶系列(03) prompt 工程指南 | 实战核心技术有哪些?
本文深入讲解了AI大模型中的prompt工程。文章分析了role角色(system、user、assistant)的意义,message多轮会话记忆机制,以及prompt的核心三要素(上下文背景、输入内容、输出指示)。同时介绍了多种提示优化技术,如少样本提示、CoT链式思考、prompt chaining链式提示、思维树ToT提示等,还展示了让AI生成提示词的方法,为实际应用提供了全面指导。
|
28天前
|
人工智能 自然语言处理 前端开发
【AI落地应用实战】大模型加速器2.0:基于 ChatDoc + TextIn ParseX+ACGE的RAG知识库问答系统
本文探讨了私有知识库问答系统的难点及解决方案,重点分析了企业知识管理中的痛点,如信息孤岛、知识传承依赖个人经验等问题。同时,介绍了IntFinQ这款知识管理工具的核心特点和实践体验,包括智能问答、深度概括与多维数据分析等功能。文章还详细描述了IntFinQ的本地化部署过程,展示了其从文档解析到知识应用的完整技术闭环,特别是自研TextIn ParseX引擎和ACGE模型的优势。最后总结了该工具对企业和开发者的价值,强调其在提升知识管理效率方面的潜力。
|
13天前
|
人工智能 自然语言处理 Java
从国外到国产,AI 编程工具混战,开发者究竟该如何抉择?
AI编程工具正深刻变革开发模式,从国外的GitHub Copilot、Cursor、Trae到国内的飞算JavaAI与通义灵码,各具特色。Copilot依托开源代码与强大模型提升效率,但成本高且偶有“AI幻觉”;Cursor适合中高级开发者,续写速度快但团队版有限制;Trae以免费GPT-4和中文界面吸引用户,但可持续性存疑。国产工具方面,飞算JavaAI专注全流程Java开发,一键生成工程代码,大幅提升效率;通义灵码支持多语言,功能丰富且与IDE无缝集成。开发者需根据语言、阶段、成本等因素权衡选择,找到最适合自身需求的工具,实现开发效率与质量的飞跃。
|
1月前
|
人工智能 自然语言处理 前端开发
Spring AI与DeepSeek实战二:打造企业级智能体
本文介绍如何基于Spring AI与DeepSeek模型构建企业级多语言翻译智能体。通过明确的Prompt设计,该智能体能自主执行复杂任务,如精准翻译32种ISO标准语言,并严格遵循输入格式和行为限制。代码示例展示了如何通过API实现动态Prompt生成和翻译功能,确保服务的安全性和可控性。项目已开源,提供更多细节和完整代码。 [GitHub](https://github.com/zlt2000/zlt-spring-ai-app) | [Gitee](https://gitee.com/zlt2000/zlt-spring-ai-app)
212 11

热门文章

最新文章