中国电信探索卫星视频AI传输新技术，效率较H.265提升3.5倍
【IT之家 7 月 13 日讯】中国电信研究院今日披露，中国电信（研究院、上海公司及中电信应急公司）携手北京邮电大学、鹏城实验室，在中国电信研究院北京园区成功实现基于知识库的高轨卫星跨模态语义通信验证测试。 【IT之家】从官方信息了解到，该验证测试依托中国电信云网融合中试平台的高轨实星验证能力，借助亚洲九号卫星完成跨模态语义通信验证，获得两项关键技术突破： 接下来，中国电信、北京邮电大学与鹏城实验室将深入推进6G领域的联合研究，共同促进语义通信等核心技术创新突破、标准化建设及产业化应用。
没有本体的AI就像“识字不识意”——读《本体驱动的AI数据管理》第3章有感
本体驱动的AI数据管理 · 第3章读后感⑩：没有本体的AI是"识字但不识字"——它能读"坡度15.1度"，但不知道这意味着什么"读完《本体驱动的AI数据管理》第3章3.3.2节'支撑业务活动中的AI'"一、这部分我学会了啥3.3.1节读完我留了一个问题：智能工作台聚合了所有信息，但会不会让审查员变懒？3.3.2节没直接回答"替代"还是"增强"的边界问题，而是给了我对AI角色的新理解——AI不是替代人，是增强人。
智能时代，企业亟需的不只是图谱，更是理解业务的数据基石
一位顾客来到酒店前台，说道：“我上次入住体验很好，这次想订一间类似的，但需要更安静，离电梯远一些，最好还能看到点风景。另外，我太太明天早上七点要用车去机场，麻烦帮我安排一下。”这句话并不复杂。普通人听了，大致能明白顾客的需求。但一位真正出色的前台，理解的不仅仅是几个关键词，而是背后一整套业务逻辑。他需要弄清楚：这位顾客是谁？上次住的是哪间房？“类似房间”是指面积、楼层、价格，还是床型？哪些房间更安静？哪些离电梯远？哪些能看到风景？顾客的会员等级如何？是否有升级资格？太太是否也在订单中？明天早上七点是否有车
当大模型趋于同质化，语义层才是企业AI的核心底座
直播推荐如今我们重新审视企业 AI，焦点已不再是"要不要引入"，而是"为何多数企业仍难以做好"。过去两年，大量企业走完了从"零接触"到"试点遍地"的初级阶段。然而当 PoC 真正迈向生产、融入流程、嵌入经营时，一系列结构性问题集中爆发：模型能力持续提升，业务效果却难以保持稳定；Demo 愈发惊艳，组织却愈发不安；技术叙事愈发宏大，价值落地却愈发艰难。这些问题的根源并非模型，而是企业是否具备承载 AI 的完整基础架构。这正是 2026 年全球数
真AI还是假AI?5道题测出企业AI化真实水平
01写在最前最近经常听到这样的困惑——"我们部署了RAG，也上线了Agent，为什么客户一问后续处理方案系统就答不上来了？"在回答这个问题之前，先做一个简单的自我检测："AI外挂"和"AI原生"的核心区别究竟在哪里？02不是"接得够不够多"——是"该接的没接"过去两年，目睹了大量企业AI项目的折戟。失败的原因并非接入数量不足——他们部署了向量数据库、接入了RAG、上线了Agent、配置了MCP工具调用、适配了所有最新协议。真正
人工智能赋能项目文档高效治理
项目文档智能管理：AI 自动分类打标签，找资料不用翻几百个文件夹本篇文章适合项目负责人、招投标专员、标书制作人员、商务执行岗收藏。核心思路不是“再建更多文件夹”，而是用本地 AI 建立分类、标签和语义检索，让敏感资料不上云，也能快速找到。开篇：资料明明在电脑里，为什么就是找不到？项目文件多了，如果平时没养成文件归类整理的好习惯，大概率都被“找资料”折磨过。客户临时要一份资质文件，你打开电脑开始翻：公司资质、历史投标、盖章扫描、最终版、最终最终版……文件夹套了十几层，找了半小时，才发现文件在另一个项目里。更
《AI原生数据平台研究报告（2026年）》深度解析
架构师之道●AI · LLM · Agents|Enterprise Architecture|Digital Transformation大数据技术标准推进委员会近期推出了一份名为《AI原生数据平台研究报告（2026年）》的技术文档。这份报告的核心主旨其实很清晰：传统的数据平台是围绕“人”来构建的（供人查阅报表），而如今必须升级为围绕“AI和Agent（智能体）”来设计。没问题，咱们换个角度。我不搞那些故弄玄虚的专家视角拆解，就按照报告原本的逻辑结构，用通俗易懂的语言，把它的关键内容从头到尾、完整细致地
AI 搜索新机遇：12 套 GEO 实战策略，引爆品牌主动推荐
用户行为模式SEO：用户输入 2 至 5 个零散关键词，滑动浏览多条链接以筛选信息；GEO：用户提出完整的长问句（平均 12 到 15 字），期待 AI 提供一站式完整解答。核心运营目的SEO：提升网页排名，吸引用户点击进入页面从而获取访客流量；GEO：增强品牌在 AI 回复中的曝光与提及概率，促使大模型主动推荐品牌。核心考核标准SEO：网站排名、外链规模、页面点击转化率；GEO：内容被引用频率、语义契合程度、AI 幻觉出错的可能性。适用投放平台SEO：百度、谷歌、360 等传统网页搜索引擎；GEO：豆包
AI Native 产品设计：选错路径将酿成致命错误
近期我正在开发一款项目管理 Agent，目标是打通整个研发链路：从需求创建起步，历经产品方案、技术方案，再到借助 AI Coding 完成前后端代码编写，最终通过测试、验证直至上线交付。起初我的理解是，AI Native 即由一个 Agent 全盘掌控研发链路。人类仅需设定目标，Agent 则包揽规划、工具调用、任务推进与问题解决。然而深入实践后，我发现实际情况远比预想的复杂。在真实场景中，至少存在三种截然不同的 Agent 工程架构。即整个系统仅有一个核心 Agent，例如项目经理 Agent。它承担需
银行AI落地真相：咨询话术与工程实现的双重视角
阅读指南：本文面向银行高管、业务负责人、架构师、产品经理及AI解决方案提供商。如果你看了无数架构图仍不知下午该写哪行代码，本文正是为你而作。核心摘要：咨询派推崇“语义脱耦层”，工程派主张“结构化工单+MCP封装ESB”。本文揭示两者背后的统一本质，拒绝空谈——我们将抽象的“任务工厂”转化为一段真实的Java Config工单模板，并附上一份从0到1的“7天极简实操指南”，让架构师阅后即动。🎁 阅读本文你将获得三样关键成果：1. 一张认知地图——咨询派的“语义脱耦层”与工程派的“结构化工单+MCP+@Too
比AI检索不到更致命的，是品牌被AI"误读"
云皓科技做GEO的企业，大多都有一个朴素的初始诉求：让AI能搜到我、提到我、推荐我。于是行业里形成了一套流水线式的交付套路：批量铺行业内容——堆问答素材——刷AI单次曝光。最后服务商交几张品牌上榜截图，项目验收，流程走完。绝大多数人盯着的，都是「有没有出现」这个表层结果。但在真实的AI获客场景里，搜不到只是没流量，被理解错了，是直接丢客户、毁口碑。这也是当下GEO行业最隐蔽且最容易被忽视的致命漏洞。很多品牌看似在豆包、DeepSeek、Kimi等平台频繁曝光，占据了AI流量入口，实则一直在被AI“错误定义
掌握AI并非等同于智能化？11位高管的现场追问，暴露企业智能转型最关键的认知盲区
核心洞察：企业 AI 的核心分水岭，不在于模型多强、算力多大，而在于能否把业务中那些隐性的「因为……所以……」逻辑链，显性化为一套可执行、可审计、可进化的本体系统。2026年6月26日在广州举办的「企业本体论闭门研讨会」，正是围绕这一核心议题展开的深度探讨。研讨背景：从「数据治理困局」到「业务逻辑链」的追问6月26日，以“本体论认知与应用实践”为主题的企业智能体闭门研讨会在广州举行。来自金融、能源、制造、零售、政务服务等领域的十余位企业负责人，以及智能化转型相关决策者参会。研讨会由爱化身科技副总裁陈军（J
AI外呼机器人选购攻略：五大关键评估要点避坑
随着人工智能外呼技术的广泛应用，市场上相关产品层出不穷，价格跨度从数百元到数万元，宣传口号一个比一个动听。不少企业主曾遭遇挫折：要么回复混乱如“智能障碍”，要么上线不久便频繁遭遇封号，要么数据保护措施缺失。挑选AI外呼机器人，并非价格越低越好，也非功能越多越佳。真正衡量其实用性和部署效果的，是以下五大核心要素。1. 语义识别深度：能否进行多轮交流，还是仅限录音回放？这是AI机器人最关键的能力，也是最易出错的环节。低端方案本质上是“按键触发录音回放”，仅能遵循预设路径，一旦客户插话、质疑或使用口语化表达，便
企业AI新篇章：业务令牌工厂引领落地新阶段
近两年来，企业人工智能的探讨主要聚焦于三大核心话题：更庞大的模型、更低廉的推理成本、更宽广的上下文窗口。这些方向本质上都在提升「大模型处理广泛信息的能力」，然而当图形处理器算力不再构成制约、开源模型性能赶超顶尖闭源模型、检索增强生成与智能体框架变成通用工具时，企业AI的「通用基础设施红利」已触及天花板。迈入2026年的新产业纪元，核心焦点正发生显著转变。这两家企业各自代表了两种技术路径：Databricks从数据湖仓平台向上延伸进行语义封装，SelectDB从数据库核心向上实施语义内嵌，路线各异，却共同指
检索增强生成：精准导航AI输出
检索增强生成：精准导航AI输出刘哎一、RAG术语含义解析RAG是Retrieval-Augmented Generation的简称，中文规范译作检索增强生成，三个词各有明确构成与职责，衔接起AI的完整运作流程。1.Retrieval（检索）：词根trieve意为抽取，前缀re-表示“取回”，指AI第一步操作——从知识库中提取相关资料；2.Augmented（增强）：词根aug指扩充壮大，-ed分词后缀作为形容词，意为用检索到的专属信息补充大模型原有的通用知识；3.Generation（生成）：词根gen代