📰
过去两年，智能终端从"能联网"快速走向"能决策"。以花店日常运营为例，一台智能终端要同时处理订单识别、库存预警、冷链温控和客户偏好推荐，背后依赖的正是人工智能推...
阅读更多 →在智能终端设备快速迭代的当下，人工智能核心算法的优化水平直接决定了产品的响应速度与用户体验。以雅荔苑鲜花店日常运营中使用的智能收银终端为例，其内置的轻量化神经网...
阅读更多 →移动端芯片算力年增35%，但真实场景下的推理延迟却常常不降反升。问题出在哪儿？模型参数量膨胀与终端异构计算资源之间的错配，正成为智能终端数据处理的核心瓶颈。 ...
阅读更多 →过去两年，人工智能从实验室走向产业端的节奏明显加快。真正驱动这一变化的，不是单一模型的参数膨胀，而是数据挖掘与算法优化在工程层面的深度咬合——前者负责从噪声中提...
阅读更多 →过去两年，大数据挖掘与人工智能算法的结合已从实验室走向产线。以零售场景为例，一套完整的数据挖掘管道每天处理超过200万条交易日志，经过特征工程后送入XGBoos...
阅读更多 →过去两年，我们在智能终端项目中反复验证一个事实：人工智能模型精度再高，若推理延迟超过80ms、内存占用突破300MB，用户体验就会断崖式下滑。绵阳市经开区雅荔苑...
阅读更多 →在绵阳经开区，一家鲜花店如何与大数据挖掘产生交集？答案藏在供应链与用户运营的数字化升级中。从数据采集到智能决策，数据挖掘正成为前沿科技落地的底层引擎。 一、数...
阅读更多 →过去两年，智能终端产品的算力瓶颈从硬件逐步转向算法效率。以我们日常接触的移动设备为例，端侧模型参数量从百万级跃升至十亿级，但功耗与延迟的约束并未放宽。这迫使人工...
阅读更多 →在智能终端产品中，人工智能算法的运行效率直接影响用户体验与设备功耗。以雅荔苑鲜花店合作的智能养护终端为例，其核心算法需在本地完成图像识别与生长预测，这对算力与延...
阅读更多 →过去两年，我们在智能终端设备上部署轻量级模型时，发现一个共性问题：原始人工智能推理框架在资源受限环境下，响应延迟普遍高于180ms。这迫使我们从算法层重新审视优...
阅读更多 →过去两年，智能终端设备的算力提升了近3倍，但用户对实时响应和端侧智能的期待增长得更快。以我们花店日常使用的智能收银终端为例，从扫码识别到库存同步，背后都依赖人工...
阅读更多 →过去一年，我们在智能终端产品线中反复验证了一个事实：人工智能模型能否真正跑通，不取决于训练集有多大，而取决于推理阶段的算法优化是否贴合硬件约束。以下是我们从实际...
阅读更多 →