AI 技术正在以怎样的形态展现; AI 是如何与场景应用结合的;AI 正怎样影响着产业与用户?每篇3分钟,钛媒体带你读懂人工智能。
通过 NLP/NLG 技术对公开信息的分析处理,百炼智能以帮助销售拜访客户的场景入手,本质上做得是一件“重构信息”的事。
在竞争激烈的AI 视觉识别市场,扩博智能提供的两点思路是:行业方案要“软硬”结合;注重商业化回血能力。
猎熊座把 AI 落地的方向放在了颗粒度更细分的场景,这种“农村包围城市”的做法一定程度上避开了与巨头的竞争,也有助于在创业初期形成示范案例。
“B端业务需要达到的先决条件比较多,人工智能背后是一个算法,人工智能算法直接向C端收费目前还没有合理的模式。创业公司更看重的是将来的C端业务的潜力,这同样对医疗AI企业来...
“ADAS技术在乘用车后装市场并不是一项刚性需求,大部分车主都相信自己的驾驶技术,但是在商用车领域,安全性的操作规范却是物流公司和车队的直接痛点。”径卫视觉CEO王波告诉...
在整个创新工场的生态链中,创新奇智扮演了“资源整合者”的角色,一端承接创新工场 AI 工程院的技术积累,一端背靠创新工场的诸多合作伙伴在行业寻求 AI 落地切入点。
一个有些矛盾的现实是:售前市场虽明显大于售后,但国内 AI 客服创业项目大多集中在售后。
全国水稻、小麦等农作物面积共计约九亿亩,在这万亿市场中,麦飞把Al技术从实验室带进农田,解决的都是农民最切身的利益问题。
三次延伸新业务后,图普科技为 AI 行业提供了这样一种参照:当 AI 落地难以变现,或者在既有业务到达天花板时,AI 创业公司应该如何开辟新的战场?
如何让企业为“自动化机器学习平台”买单?将其产品化,并大幅降低使用门槛就成了关键。
机器人教练通过软硬件结合,实现双向“人车互联”。机器人教练身上遍布传感器,可以对学员操控车辆的油门、离合、刹车、方向盘等所有操作进行实时监控。并通过云平台实时收集处理学员行为数据。
人力资源管理会产生薪资、绩效、面试行为等大量数据,未来企业办公领域可以更好地被数据统计与测算定位去驱动,而不是依靠感觉。
这两年,丁晓伟感受到了影像设备巨头们的一个明显变化,“对外的AI合作上,2017年比较保守,到了2018年,每家大公司都主动去找AI公司进行合作。”
在AI 集成商的角色中,科天云依赖的并不是技术研发层面的突破,而是将市面上成熟的技术与产品进行组装,最终形成一套可交付的解决方案。
通过 PhotoStudio 挖得第一桶金后,从硅谷搬到杭州的虹软想在竞争激烈的AI 视觉领域分一杯羹。
意识到基础算法层无法与巨头抗衡后,灵羚科技选择了反向推导式的解决方案,即先从客户端获取需求,再寻找解决问题的方法。
着重在数据层的 BI 对更偏底层技术的 AI 有着相辅相成的意义:BI 工具可以将企业数据转化为利用率更高的“燃料”,让 AI 的算法更能发挥作用
“医疗行业任何商业模式都是建立在产品能在临床上发挥价值,只要做到这一点,商业化不是太大问题。”