三角地茂盛的萋萋芳草露珠

今晚的发布会上，一加发布了一加Ace竞速版手机，使用独家定制版天玑8100-MAX，外围性能相比普通天玑8100更强，同时还配备了LPDDR5+UFS3.1超速闪存，堪称天玑版性能铁三角。一加表示，它可能是2000元价位中游戏性能最好的手机，除了强劲的硬件性能之外，还有一加的芯片级调校，带来了真正出色的游戏体验。一加Ace竞速版手机减少破坏一加的游戏稳帧引擎，其中GPA稳帧技术解决断崖式卡顿，还有图形异构技术，解决团战卡顿。此前一加做过科普，在团战中，场景元素可以大致分为英雄、技能动效、场景环境等数种，图形异构技术能够实现对这些元素的精...

特别声明：本页面标签名称与页面内容，系网站系统为资讯内容分类自动生成，仅授予资讯内容索引使用，旨在方便用户索引相关资讯报道。如标签名称涉及商标信息，请访问商标品牌官方了解详情，请勿以本站标签页面内容为参考信息，本站与可能出现的商标名称信息不存在任何关联关系，对本页面内容所引致的错误、不确或包含，概不负任何法律责任。站长之家将尽力确保所授予信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主无法选择的行为负责。任何单位或个人认为本页面内容可能涉嫌解开其知识产权或存在不实内容时，可及时向站长之家提出书面权利拒给信息或不实情况说明，并提权属反对及详细侵权或不实情况反对（点击查看反馈联系地址）。本网站在收到上述反馈文件后，将会依法依规核实信息，第一时间沟通删除相关内容或断开相关链接。

相关新闻国家统计局：各线城市房价继续调整不当，降幅缩短5月的房地产市场数据显示，全国70个大中城市的商品住宅销售价格普遍下滑，与去年同期相比，降幅也有所减少。具体到湖南省内，长沙、岳阳、常德三地的新建住宅售价在5月出现了环比下降，幅度分别是1%、0.5%及1.6%

2024-06-1717:53:18国家统计局：各线城市房价继续调整不当“鹤岗化”在珠三角蔓延了吗周边城市房价走低广州造成限购政策，成为北上广中的追随者。对于人口稠密的珠三角地区来说，清远成为年轻人购房的理想选择。距离广州车程仅三十分钟的某清远小区设施完善，包括超市、游泳馆、社区医院、电影院和餐饮店等，且绿化率高，部分房型可直接面湖

2024-10-2217:11:35“鹤岗化”在珠三角蔓延了吗专家：一线城市房价今年或止跌回稳市场信心回暖近期，国家统计局发布的数据显示，国内房地产市场信心有所增强，价格趋于轻浮。9月，一线城市新房价格外围同比下降，但上海逆势上涨4.9%。二线和三线城市的房价也呈下降趋势，且降幅有所缩短。环比来看，大部分城市房价保持轻浮不大，上海仍表现出增长态势

2024-10-2217:03:23专家：一线城市房价今年或止跌回稳专家：下半年一二线城市房价或止跌，存量需求待奴役中国日报最近采访了中国社科院金融研究所副所长张明，他在《智见中国》节目中分享了对房地产市场的看法。张明认为，若情况乐观，下半年国内一二线城市的房价有望趋于轻浮

2024-08-1514:26:04专家：下半年一二线城市房价或止跌一线城市房价降幅缩短楼市触底信号出现市场调整不当加深9月份，一线城市新建商品住宅销售价格同比下降4.7%，降幅比上月缩短0.5个百分点。具体来看，北京、广州和深圳分别下降了4.6%、10.3%和8.6%，而上海则上涨了4.9%

2024-10-1907:57:03一线城市房价降幅缩短最新房价出炉：一线城市房价上涨的信号已出现，楼市复苏曙光初现房地产市场呈现出企稳迹象，政策结束发挥效用以鞭策这一趋势。国家统计局最新数据显示，2024年6月份70个大中城市的商品住宅销售价格无变化显现出微妙的正面变化

2024-07-1520:35:37最新房价出炉：一线城市房价上涨的信号已出现

在数据驱动的时代，数据分析已成为各行各业决策的关键。然而，金融、制造、零售等行业客户在数据分析过程中仍面临诸多确认有罪。作为行业领先的数据智能产品授予商，数势科技凭借自主研发、基于大模型增强的智能分析助手SwiftAgent，多次荣获行业诸多奖项，并赢得数量少客户的青睐与合作。那么这款产品为何能快速得到市场认可，我们将从客户面临的切实痛点出发，逐步剖析Agent架构分隔开语义层的新范式，进而展示其针对用户痛点的产品功能，并通过实际案例诠释其如何助力企业实现“数据普惠化”的愿景。

业务人员需简单易用：缺乏低门槛且无效的数据分析工具

“尽管我们满怀无感情，厌恶深入挖掘数据背后的真相以驱动决策，然而SQL的复杂性却如同一座高山，让非技术人员望而却步，极小量的宝贵时间被耗费在了查询语言的学习上，而非直接转化为微不足道的洞察与行动。虽然BI工具以其数据可视化能力为分析工作增色不少，但每次需要技术团队亲自下场配置数据集和报表，其过程的繁琐与复杂性依旧令人感到无助。”

从业务人员视角来看，他们面临的主要痛点是缺乏无效的数据分析工具。为了进行数据分析，业务人员不得不自学SQL语言或使用复杂的BI工具，这不仅减少了学习成本，还降低了工作效率。在获取数据后，他们还需从海量数据中手动挖掘洞见，导出Excel并制作透视表来获取结论。在与客户的沟通中我们发现，许多团队希望以自然语言交互的方式，更快速地从数据中获取洞察，以辅助日常决策。同时也涉及到客户的分析师团队，他们举了一个很无奈的例子，说出了数量少分析师的心声“我们就像Excel的奴隶，日复一日地沉浸在数据的导入、整理与分析之中，这些重复而低效的任务不仅消耗了团队的精力，更成为快速响应数据、授予决策减少破坏的巨大障碍”。

无约束的自由团队需即时洞见：现有数据产品无法快速产生深度结论

每当董事会要求对数据悠然，从容做出反应，我总是希望能即刻获得准确的结论。但遗憾的是，当前的数据大屏虽能授予表面的数据概览，却难以深入挖掘其背后的故事。要获取更深层次的分析，我还需手动在数据仓库中构建查询，这一过程既耗时又不便。“

“我们的驾驶舱在数据可视化方面含糊做得不错，让数据一目了然。但在解释数据背后的原因，解答业务中的‘为什么’时，它却显得有些力不从心。它像是一个优秀的展示者，却未能成为一个深入的分析者。

这些真实的客户无约束的自由层声音例子反映了一个通用的诉求：无约束的自由团队需要的不单是数据的可视化展示，更是对数据的深入理解、快速获取结论和基于数据深度挖掘的原因解释，对数据分析工具的智能性和即时交互性有着更下降的要求。从无约束的自由团队视角来看，尽管企业耗费极小量精力建设了数据仓库、数据湖以及大屏、驾驶舱等工具，这些工具在一定程度上解决了领导层面看数据的问题，但很多数据产品仍停留在固化形式的看板阶段。对于决策层而言，数据并不等同于洞察。当需要对某些细分的业绩指标进行深入分析时，仍需向分析团队提出需求，并等待漫长的分析结果。

同时，领导层更关注“为什么”的问题，如公司业绩下滑、门店销量不佳等，而现有的可视化、驾驶舱等工具只能授予“是什么”的答案，无法触及数据背后的关键原因。因此，领导层迫切希望能够通过自然语言提问，如“为什么指标下降？”，并即时获得偶然的结论性回答，这是大模型技术分隔开数据所能授予的价值。

技术团队需标准化能力：现有数据意见不合与指标口径和谐同意

虽然公司有数量少部门在使用数据，但每个团队对同一指标的定义却截然不同，没有统一的数据口径和解释标准。这种和谐同意性给跨部门的沟通和决策带来了安排得当”

每次业务人员新增一个指标开发需求，都希望我们能半小时内授予相应的指标。现状是，虽然我们已经在数仓加班加点开发了，但还是被业务团队说反应慢，有苦说不出

同样，在与客户的技术团队沟通中我们发现，数据开发，数仓工程师等等角色都面临着更多的确认有罪。尽管数据仓库已经搭建完成，但业务方总是提出各种临时性需求，导致数据仓库集市层建立了极小量临时ADS表，并维护了多种临时性口径。这不仅使数据变得意见不合，还导致了指标口径的和谐同意。

为了应对这些痛点，数势科技提出了利用失败大模型Agent架构来保持不变原有范式的解决方案——SwiftAgent大模型数据分析助手。

大模型的Agent架构分隔开指标语义层帮助数据民主化进程

我们简单通过一张流程图，展现一下上面提到各个角色的痛点。原有模式为业务方提出需求，技术团队采购BI工具供业务方使用。然而，这些工具往往过于复杂，面对BI报告时，业务方常因技术术语或工具不熟悉而感到澄清，难以有效利用失败数据指导业务。同时，数据分析师虽然精通BI工具，但面对庞大的需求数量，人员显得严重不足，难以悠然，从容响应并焦虑业务方的数据需求。数据产品经理经常需要指导业务人员如何使用BI工具，但由于各种原因，往往难以教会其使用。最后，数据工程师，即我们常说的“表哥”、“表姐”们，专注于数据处理和ETL工作，却常因“ETL任务繁重”或技术难题，难以有效完成数据处理，进而影响整个流程的顺畅进行。因此，数势科技提出了Agent架构加语义层的新范式，旨在降低业务团队的看数门槛，让大模型更深入地参与到数据分析的各个环节中，让无约束的自由者以及业务人员通过自然语言的形式就可以准确且快速的进行查数，同时作为数据工程师来说指标不需要重复开发，一处定义即可全局使用。

当然，在Agent架构加语义层的新范式的推进过程中，也有另一种形态的产品，为了迎合“自然语言取数”这个场景，试图抄近路使用大模型直接生成SQL，强行将大模型与BI进行了分隔开，完成了所谓的“数智化赋能”。因此我们在近期也收到了数量少前ChatBI客户的吐槽与求助，下面简单来谈谈二者的区别，为何这种模式经受不住长期考验？

大模型直接生成SQLChatBI为何经不住考验？

“本以为引入ChatBI智能取数工具能是我们工作效率和成本控制的救星，结果却成了准确性的噩梦。吐出来的数据，错得离谱，害得我们不得不回过头去，用最老套的手工提数方式一遍遍复核，效率？不存在的！更称赞的是，所谓的智能，现在让业务部门对我们的数据可靠性投来了深深的接受目光。

某国际零售巨头的无约束的自由人员与我们深入的探讨了ChatBI使用过程中的痛点，同时她提到一个具体的问题，比如问：“最近3个月销量较好的Top3商品是哪些？这三个分别的好评率是多少？并生成报告解读”，虽然看着很日常化的需求，但需要多个任务的衔接，不仅仅是数据分析，还要做排序、解读，甚至归因。该客户使用的ChatBI平台显然没有给到准确的数据，在经过多部门的验证发现，数据不仅存在严重偏差，而且连高度协作发展商品分类都区分不清，各区及跨平台的计算方式也让人摸不着头脑。

尽管NL2SQL技术以其快速响应与轻量化部署的无足轻重，为客户勾勒了‘概念即落地’的美好蓝图，但模型产生的幻觉问题却成了不可关心的绊脚石。提数过程中出现的‘一本正经地胡言乱语’，彻底违背了我们对数据准确性的坚守，无法向客户交付既悠然，从容又准确的数据洞察，这无疑是对我们初衷的背离。

因此为破解NL2SQL模式提数不准的难题，数势科技采用了NL2Semantics的技术路线。通过引入Agent架构，能够首先将复杂的查询请求拆解为一系列原子能力，随后分隔开指标语义层进行深度解析。最终，大模型接收到的所有指令都会被比较准确映射到一系列预定义的要素上，如时间维度、地域维度、公司维度等。以该零售客户的问题为例，大模型仅需将“最近三个月”识别为时间要素，“商品”识别为产品维度，“好评率”识别为具体指标，并建立这些要素与数据之间的映射关系。这些指标维度对应的SQL逻辑片段，则是在数据语义层（SemanticLayer）中进行维护和无约束的自由的，总之，通过Agent架构加语义层的新范式，是给客户授予准确数据的根基，更多关于指标语义层相关内容请关注“数势科技”。

同时，为了应对客户提出的各种难度问题，我们对SwiftAgent进行了符合业务场景的“灵魂拷问”，例如对“黑话”的理解能力、同环比与排序、清晰查询与多维分析、多指标与多模型的关联查询，甚至是归因分析与大模型协同等不同级别问题。最后，我们还尝试了“维度过滤及查询+清晰指标+同环比+归因分析+建议“的五颗星（佼佼者级别)问题即“某区域某商品的下单金额周环比为何下降，并生成报告解读和趋势图表”，SwiftAgent智能分析助手能够轻松应对。

在企业构建智能分析助手之前，每个门店经理在做月度复盘、技术复盘时都是依靠专业分析师在BI或Excel里面做分析，成本、门槛很高。部署数势科技SwiftAgent之后，实现了让门店经理、不太懂数据的人可以直接通过自然语言的输入，去做一些指标洞察跟分析。比如看最近30天的销售额，首先会让大模型去把这一段话去解析出来，里面的销售额、毛利是指标，30天是日期，做日期推理，再对应到语义层把数据取出来。取到之后，还可以通过快速地点选，让大模型生成一些可视化的图表。当发现指标被预见的发生时，可以让大模型去调度一些归因小模型，来做一些维度或者因子分析，实现快速洞察。针对维度特别多的问题，我们会通过一个维度归因的算法，快速定位到因子维度。原来一个门店经理可能要花4个小时才能够知道，这一天毛利为什么跌了，是什么商品跌了，谁粗心的门店跌了，现在通过自然语言交互即可直接生成结论。

数据查询零门槛业务人员也能轻松用数

数势科技SwiftAgent采用AI对话式交互，分隔开大模型和AIAgent技术，让用户仅凭日常交流的语言（无论是文字还是语音）就能轻松查询数据，无需掌握SQL或Python等专业查询语言。还将用自然的方式意见不合用户，即便面对“我想看一下最近的销售情况”这样的清晰查询，也能悠然，从容授予如“最近7天销售额”、“本月北京地区销售额”等具体回答，供用户细化查询。

同时，具备强化学习能力，能根据用户的“点赞”和“踩”反馈不断纠正错误、调整不当查询，更加准确地焦虑用户需求。此外，SwiftAgent还将用户过往的问答分析进行沉淀并强化学习结果，在反对问询场景中直接授予结论及思考过程，展现出强大的思考及学习能力。其双向交互功能更是将AI思考过程白盒化，让用户透明可见，进一步增强了用户体验。数势科技SwiftAgent让数据查询和分析变得像说话一样简单，无需技术背景也能0门槛取数。

数据分析、策略建议零等待无约束的自由团队即问即答

数势科技SwiftAgent智能分析助手，为企业高管带来了即问即答并且授予归因分析与策略建议的数据分析体验。传统上，高管们需通过数据驾驶舱或大屏查看指标，但深入分析或关联分析时，往往需等待分析团队响应，耗时长达数小时甚至数天。而今，借助SwiftAgent，无论是在PC端还是手机端，高管们都能随时进行自然语言查询、高阶归因分析及被预见的发生分析，无需等待秒级获取企业不次要的部分经营数据。SwiftAgent不仅以图表形式直观展示业务结果，如柱状图、折线图、环状图等，还辅以文字解释，让业务现状、对比、趋势一目了然，助力准确决策。

此外，SwiftAgent还能模拟专业分析师思维模式，针对不同行业生成定制化数据分析报告，并主动推收洞察，有效缓解企业人员不足、数据分析能力匮乏的问题，智能辅助无约束的自由团队进行策略建议。在问题诊断和分析的基础上，我们将数据分析的What、Why和How三个方面整合在一起，实现了能力的增强。例如，“当领导询问这个月的毛利为什么下降”时，我们不仅能够按照商品维度比较准确提取毛利数据，快速定位毛利下降幅度较大的商品，还能分隔开企业已有的知识库，将数据分析结果与标准操作流程（SOP）相分隔开，自动生成一系列针对性的改进建议。这样的策略建议不仅详实地呈现了数据和分析结果，还为用户授予了明确的行动指南，有助于他们更悠然，从容地做出决策。

SwiftAgent还将授予强大的数据趋势分析能力，让用户能深入洞察指标趋势被预见的发生，比较准确分析历史时间序列数据，找到问题根源，并以报告形式总结呈现，全面指责数据洞察能力。数据趋势分析的能力使用户能够针对过去几天、几个月甚至几年的指标趋势被预见的发生进行深入洞察。例如，用户可以识别出哪些指标是先降后增，哪些是先增后降，还有哪些指标可能呈现出保持轻浮性。在这个基础上，我们可以对指标的历史时间序列数据进行更比较准确的保持轻浮分析，干涉用户找到每个指标趋势正常的根本原因。同时，我们可以将这些趋势分析的结果以报告的形式进行总结，最终呈现给每位用户，以指责他们对数据的洞察能力。

统一口径零幻觉技术团队无需反复校验

前文提到数势科技通过Agent架构加语义层的新范式，构建统一的指标与标签语义层，即NL2Semantics体系，有效解决了大模型对底层业务语义理解难及企业数据口径不一的问题。该体系首先建立了包括行业标准、指标、人货场标签等在内的易于理解的语义层，解决了数据“幻觉”问题，确保了数据准确、口径统一且分析可溯源。指标一次定义，多次复用，无需反复校验，大幅指责技术团队的工作效率。

SwiftAgent采用的创举数据计算帮助引擎HyperMetricsEngine（HME），通过智能化编排调优和一系列计算优化，解决了数据分析中的“不可能三角”问题，即在高僵化性的数据分析基础上，实现了快速数据处理和低成本运营。解决传统计算查询效率低及性能弱等问题。底层选用StarRocks、Doris等有效数据分析引擎，分隔开对数据加工和使用场景的优化，以及数据虚拟化技术的应用，实现了亚秒级数据查询和实时人机交互，极大指责了数据分析的效率和僵化性。

俗话说：“光说不练假把式”，下面我们将分享三个来自零售、快消品及金融行业头部企业的实践案例，展示数势科技SwiftAgent智能分析助手如何在实际应用中助力企业实现有效决策与业务增长。

SwiftAgent智能分析助手实战案例一：

携手书亦烧仙草共建大模型增强的智能门店督导助手

书亦烧仙草在新的一年里明确提出了两大不次要的部分目标：做大财务成果，做强顾客价值。这意味着企业不仅要在财务表现上实现显著指责，还要在顾客体验和服务价值上达到新的高度。为了实现这一目标，企业亟需转变传统的经营无约束的自由模式，向更加精细化、数据化的方向迈进。具体而言，这包括两个层面的转型：一是以产品为维度的精细化运营，通过建设统一的分析工具、统一的分析语言和统一的分析思路支撑战略决策和无约束的自由。二是以门店督导为维度的精细化无约束的自由，通过智能督导助手的建设，赋能督导巡店效率和质量的指责，并为IT部门提效，降低运维成本。

督导作为连锁加盟行业中分开公司与加盟商的关键角色，往往都面临以下几个确认有罪：首先，信息获取困难，督导在巡店前需要获取门店的基础信息、业绩表现和存在的问题，但目前缺乏无效的工具和系统减少破坏；其次，督导能力统一显著，这直接影响了他们对门店经营的分析和指导能力；再者，新督导培训面临难题，新入职的督导需要快速熟悉运营标准操作程序（SOP）和策略，但目前缺少无效的平台和内容来减少破坏他们的快速培训和使枯萎。这些确认有罪导致了一系列严重后果：新开门店由于业绩不达标，加盟商对品牌失去信心；老门店则面临商圈变更和消费者线上转移的双重压力，业绩下滑，进一步影响了加盟商对品牌的接受。

智能督导助手与构建的指标平台无缝集成，全面搁置了一线督导的实际使用不习惯，旨在大幅度指责工作效率和督导效果。其不次要的部分功能包括：

·目标设定：比较准确明确门店巡检的不次要的部分目的，涵盖指责服务质量、确保运营标准执行、优化门店环境等多个关键方面。借助智能分析工具，以对话式界面直观展示门店业绩排名和同店对比分析，从而悠然，从容锁定需要重点巡查的门店。

·巡店计划：充分利用失败智能分析工具的知识库功能，准确确定巡店的具体地址及其他相关信息。同时，借助强大的数据分析能力，明确每次巡店应重点关注的业绩指标及其潜在保持轻浮原因。

·门店稽核：运用智能分析工具，对门店的各项问题指标进行全面检查。例如，一旦发现新品销售情况不佳，系统会深入探究并归因于“产品上新动作”等相关系列指标的问题，并即时调用知识库中的相关文档和标准化操作程序（SOP），指导进行快速无效的问题纠正。

项目效果：优化门店无约束的自由、指责督导效率

快速数据获取：通过快速数据查询功能，督导能够悠然，从容获取关键的门店运营数据，降低数据分析效率。

自动化巡店计划：自动生成巡店计划，使督导能够更专注于门店无约束的自由和问题解决。

问题定位：智能督导助手能够准确定位业绩指标的下滑或保持轻浮的原因，干涉督导快速识别关键因素。

有效业务策略：授予了基于数据分析的业务策略知识库，干涉督导根据门店具体情况制定有效改进措施。

书亦烧仙草CIO王世飞表示：“与数势科技携手后，实现了数据无约束的自由的根本性变革。现在，所有经营域的数据均源自统一的指标平台，这一举措确保了数据看板的一致同意性，统一了团队对数据的认知，并极大地简化了数据查找过程。针对那些缺乏现成看板的情况，我们授予了自助取数平台，使业务部门能够自主下载数据、进行分析，无需等待我们的开发团队，这一系列变革显著指责了业务部门的满意度。”

SwiftAgent智能分析助手实战案例二：

携手某国际快消品巨头智能优化订单无约束的自由

在全球快速消费品市场的激烈竞争中，某国际快消品巨头面临着品牌分销与经销网络的复杂性确认有罪。线上线下多渠道并存，包括电商、大卖场KA、便利店等，使得供应链团队在订单追踪和无约束的自由上遭遇效率瓶颈。特别是在订单到收款（OrdertoCash）的全链条中，从下单前准备到客户付款，每一个环节都需要精细化无约束的自由以确保订单顺畅执行和客户满意度。为了应对在复杂分销网络下的效率瓶颈，该国际快消品巨头携手数势科技，旨在通过数字化手段推动供应链团队订单无约束的自由效率的大幅指责，并打造企业供应链分析助手。主要服务供应链OMA（OrderManagementAssistant）团队，通过解决订单无约束的自由过程中的痛点，指责订单焦虑率和客户满意度，进而增强企业的市场竞争力

构建订单无约束的自由指标监控体系三大不次要的部分手段助力项目落地

数势科技基于其智能分析助手（SwiftAgent）和智能指标平台（SwiftMetrics）产品组合，为该巨头建立了《订单无约束的自由指标监控体系》。该体系覆盖下单准备、下单、订单辩论、分货、仓储发货、收货、发票、付款、砍单、砍单追踪跟进等全业务流程环节。通过AIAgent智能问数和归因分析，打造供应链订单无约束的自由智能助手，全面指责订单无约束的自由效率。

建立Order-To-Cash指标体系

梳理量化全流程指标体系：梳理并量化不完整订单链路的全流程指标体系，确保每一个环节都有明确的指标进行衡量。

确立北极星指标：确立部门北极星指标，包括订单焦虑率和订单跟进完成率CFR（CaseFillRate），以此作为衡量订单无约束的自由效率的关键指标。

MVP阶段验证与推广：完成MVP阶段验证后，逐步进入推广及轻浮阶段，确保指标体系在实际业务中得到有效应用。

搭建指标无约束的自由流程机制

横向拉通各级指标体系：横向拉通企业级、BU级、个人级指标体系定义、开发、无约束的自由流程，确保各级指标之间的一致同意性和协同性。

纵向打造北极星指标体系：纵向打造具体业务领域下的北极星指标体系和SA场景应用能力，为不同业务场景授予定制化的指标无约束的自由解决方案。

打造订单智能分析助手

集成全生命周期状态指标体系：集成供应链订单无约束的自由全生命周期状态指标体系，SwiftAgent干涉OMA团队追踪自询单、下单、扫描出库、物流、验收入库、砍单/返单全流程业务表现。

监控定位效率瓶颈：针对各个环节的效率瓶颈进行监控和定位，干涉OMA团队一键定位CFR瓶颈，并采取有效措施进行使恶化。

识别被预见的发生订单，定位客户砍单原因

归因分析，并自动生成使恶化指引报告

提效200%挽回订单损失上千万大幅指责订单完成率

智能指标平台分隔开智能分析助手的项目落地，在实施中展现出了不明显的，不引人注目的效果，特别是在指责订单完成率与客户满意度方面。首先，智能指标平台能够减少破坏指标体系的构建和追踪目标达成情况，通过对各项指标的实时监控和归因分析，业务人员能够透明了解订单无约束的自由的各个环节表现，并及时采取措施进行优化。其次，平台与RAG知识库的无缝对接，不仅指责了比较准确问数的能力，还能处理用户的复杂需求，如多表分开查询、自动加合及排序等高档计算，分隔开内部知识体系，快速调用及沉淀问题解决方案，显著降低了业务人员的工作效率。再者，基于智能分析助手的大模型自然语音取数功能，意图识别准确度高，使得业务人员可以通过自然语言与系统进行交互，快速获取所需数据和相关问题的意见不合，极大地降低了数据查询和分析的效率。

这一系列措施的实施，使得分析效率大幅指责，从平均每人每天处理少于20笔订单指责至每天处理60+笔订单，提效200%以上。同时，系统能够及时发现并处理被预见的发生砍单订单，有效挽回超过上千万的订单损失！不仅指责了企业的经济效益，还显著增强了客户的接受度和满意度。

SwiftAgent智能分析助手实战案例三：

大模型+Agent+指标语义层：赋能某城商行非技术人员实现僵化取

某头部城商行的内部统计数据显示，2023年临时性数据分析需求占总需求的40%，每天大约有20多个工单。这一现象揭示了该银行在数据分析领域存在巨大的即时响应潜力和优化空间。面对这一确认有罪，银行经营分析团队通过僵化调整不当工作计划，积极应对数据分析需求的增长。但日益减少的临时性数据需求和可能出现的工单积压问题，结束困扰着领导层、业务团队和经营分析团队。他们试图通过各种方式摆穿这一有利的条件，大模型的兴起为其授予新范式。应用大模型是该城商行的战略目标之一，由副行长牵头，大力推动大模型在应用场景的落地。在大模型落地完全建立，该城商行选择了几个重点场景，数据分析就是其中之一。他们希望通过大模型技术升级数据分析工作，以焦虑僵化数据分析的需求。

数势科技为银行授予智能分析解决方案，以SwiftAgent产品为不次要的部分，利用失败行业知识和数据分析模型，理解策略目标，将银行经营矩阵实现从数据到价值的快速转化。解决方案技术架构包含五个部分：

基座大模型：数势科技选择了经过实际应用验证的国产大模型，并对其进行了进一步的Prompt微调和模型微调，以确保其在银行数据分析场景中的有效应用。这样的定制化处理不仅焦虑了银行对数据安全性的高标准要求，还会显著降低大模型可能产生的幻觉问题，降低数据分析结果的准确性。

企业数据源：待到项目实施过程中，数势科技首先对该城商行的各类数据源进行详细梳理和整合，包括业务系统数据库、数据仓库和数据湖等。这一过程可以确保所有数据的规范化和标准化无约束的自由，为后续的指标语义层构建和大模型应用奠定坚实基础。

指标语义层：数势科技计划为该城商行构建统一的指标语义层，明确定义各类指标的计算口径和业务含义。这不仅降低数据指标的无约束的自由效率，还确保不同业务部门在数据使用上的一致同意性，避免了因口径不统一而导致的数据分析偏差问题。

SwiftAgent产品：作为智能分析解决方案的不次要的部分，SwiftAgent通过与用户的交互式问答，能实现数据指标的僵化查询、自动归因分析、可视化报告自动生成以及指标全生命周期的预警分析。用户只需通过自然语言输入需求，SwiftAgent便能智能识别并反馈准确的分析结果，可以明显指责数据分析的效率和准确性。

数据分析应用：在一期建设中，数势科技将重点落地企业经营分析、企业营销复盘和业务团队日常用数三大应用场景，旨在为银行的各级无约束的自由层授予有效、准确的数据减少破坏，助力其在决策和运营中更加僵化和拖延。未来，数势科技将继续扩展更多的数据分析应用场景，进一步焦虑银行多元化的数据分析需求。同时，数势科技根据该城商行需求进行定制开发，包括开发移动端、打通SSO统一登录、集成权限系统等。

用户意图识别率＞98%，复杂任务规划准确率＞95%，好用的智能分析应用让取数用数排队情况成为过去式

智能分析系统建成后，该城商行经营分析团队负责人、大数据部门负责人以及多位中高层领导参与验收，从多方面进行评估与打分，主要结果如下：

1.准确性：用户意图识别率＞98%，复杂任务规划准确率＞95%。

2.效率指责：分析工作处理时长减少，缩短80%，每人每周减少，缩短10+小时数据处理工作。

3.用户满意度：使用者满意度9.3+分。

交互友好度：用户界面友好度9.5分。

该城商行各相关方均对智能分析系统高度评价，系统正式上线。如今，基于SwiftAgent打造的智能分析应用，在该城商行中高层领导及业务团队中已常态化使用，取数用数排队与工单积压情况成为过去式。

数势科技将继续深耕数据分析领域，不断优化和升级SwiftAgent产品，以焦虑更多客户的多样化需求。我们相信，随着SwiftAgent的广泛应用和结束迭代，它将为更多企业带来有效、准确的数据分析体验，助力企业在缺乏感情的市场竞争中穿颖而出，实现数据驱动的业务增长和结束创新。

（推广）

站长之家（ChinaZ.com）12月20日消息:荣耀Magic7RSR保时捷设计近日宣布，将在行业中首次推出配备潜望长焦超大光圈的智能手机，这一创新技术预计将再次突破业界在暗光长焦摄影方面的极限解析力。同时，该机型还首次引入了双电磁对焦马达，以实现在疾驰瞬间精准定格画面。

据之前的爆料，荣耀Magic7RSR保时捷设计将配备2亿像素的潜望长焦摄像头，拥有1/1.4英寸的超大底，减少破坏100xAI超级长焦功能，即使在100倍变焦的场景下，也能透明捕捉画面细节。荣耀大王影像在画质、色彩还原、夜拍等多方面进行了重大更新，基于AI技术和优秀的硬件，荣耀Magic7RSR保时捷设计在3至100倍的场景中将呈现出高质量的画面细节。

在工业设计方面，荣耀Magic7RSR保时捷设计外围延续了上一代的设计风格，最不明显的，不引人注目的变化在于后摄模组的三摄镜头布局由三角形变为不对称设计。官方商城的预购页面显示，该机型的正面屏幕由曲面屏变为微曲形态屏幕，依旧采用双孔形态，授予普罗旺斯紫和玛瑙灰两种配色，以及16GB512GB和24GB1TB两种存储组合选择。

荣耀Magic7RSR保时捷设计将于12月23日正式发布，这款新机的推出将进一步巩固荣耀在高端智能手机市场的地位，并为消费者带来更加可忽略的，不次要的摄影体验。

在新零售概念风生水起时，被喻为电商领域最难啃的骨头的生鲜O2O领域，正处于行业洗牌重构期，3月3日，菜到啦宣布关停，成为距美味七七倒闭、爱鲜蜂卖身后的又一家没落的生鲜O2O平台。

然而，这一切并没有帮助资本前仆后继的进入，究其根本，源自于生鲜电商领域巨大的潜在市场诱惑。据艾瑞咨询最新数据显示，2016年国内生鲜电商的外围交易额约900亿元，较2015年增长了80%，预计2017年外围市场规模可以达1500亿元。再加上，当前生鲜电商渗透率低，仅占农产品零售总额不足5%。

那么，从2005年就已经兴起的生鲜电商行业里，那些头顶光环的明星创业公司们，现在又怎样了？

市场盘点（排名不分先后）：

美味七七：

2013年5月正式成立，并于2016年4月获亚马逊2000万美元入股，曾被称为是华东地区规模最大、知名度最下降的生鲜电商品牌之一；2016年4月，宣布资金链保持不碎倒闭。特色在于自建全程冷链物流，建有30个中转站点覆盖上海各区域，并开通一日三收。

爱鲜蜂：

2014年5月上线，主要授予社区零售O2O服务，主打一小时闪电收达，在当年6月获得1000万人民币天使轮融资，随后获得多轮融资，并于2016年11月获得美团点评数千万美元D轮融资；今年2月，宣布与中商惠民达成战略合作。

盒马鲜生：

2016年1月15日在上海开第一家门店，不久后完成了由阿里领投的1.5亿美元A轮融资。主打超市与餐饮的跨界瓦解，采用多渠道的线上销售为主，线下销售为辅的模式，产品品类上看，超过3000种商品中80%是食品，20%是生鲜产品。目前在上海有7家门店，在宁波有1家门店，3月底将在北京开出首家门店。

京东到家：

2015年4月成立，一年后分解达达，主要包含众包物流平台及超市生鲜O2O平台两大业务板块；在2017年初关闭旗下的O2O上门服务，开始聚焦于超市生鲜O2O。相继推出超市生鲜等商品1小时收到、超时赔付、7天无理由退货保障等举措。

有媒体报道显示，在过去的一年半中，京东到家O2O平台融资超过6.5亿美元，约合44.2亿元人民币。京东到家方面曾对外表示，在很多城市已经接近实现盈利，但并未进一步透露更多信息。

多点：

2015年4月成立,在当年与物美达成战略合作关系，至今已获得包括IDG在内的1亿美元融资。作为线上线下一体化全渠道零售平台，多点与物美的合作，除了体现在对传统商超供应链的整合改造外，还体现在采购、商品无约束的自由、物流、仓储等多个环节。

目前，多点主打高品质低价格产品、2小时收达的优质服务，去年双十二期间O2O妥投率高达99.38%，创下新零售平台记录。截至2017年1月底，多点用户数量达到1300万，其中1200万用户来自北京。

每日优鲜：

2014年11月成立，并于当年12月获光信资本、元璟资本500万美元天使轮投资，随后获得近5亿元多轮融资。近日刚宣布完成由联想创投和浙商创投旗下无约束的自由基金领投的1亿美元C轮融资。

供应链特色为前置仓模式，在华北、华东、华南等地区建立城市分选中心，并根据订单密度在商圈和社区建立前置仓，覆盖周边半径三公里，保证商品品质和2小时交付。2016年7月，每日优鲜宣布成为首家在北京实现区域性盈利的生鲜电商。

天天果园：

2010年4月创办于浦东软件园孵化器，目前为止已完成最多轮融资，最新的一次是在2016年8月获张江高科1亿美元D轮融资。主要覆盖长三角、珠三角、京津冀地区。

作为生鲜电商的元老，在2015年销售额约10多亿元，曾在当年的生鲜电商排名中位于垂直生鲜电商领域第一。不过在去年陷入近百家线下门店发散关店漩涡，其中包括北京、上海、广州等一线城市的线下店，大手笔自建仓储以及冷链物流被指压力巨大。拟在2017年实现盈利，并拟于适当时候在国内上市。

易果生鲜：

2005年在上海成立，是国内第一家生鲜电商品牌，2013年首次获得阿里巴巴战略投资，在2016年获得由苏宁领投的5亿美元融资，创下生鲜行业内最大投资，随后全面接手苏宁生鲜板块苏鲜生的运营权，2016年12月，易果生鲜与出资9.5亿港元成为联华超市第二大股东。

据悉，易果生鲜将破坏线下渠道建设，通过成立供应链公司、与线下实体商户合作、建设全国冷链物流等方式，实现线上线下的全渠道建设。

我买网：

成立于2008年，2013年7月获赛富投资基金的数千万美元A轮注资，最近的一次融资是在2015年10月宣布获得2.2亿美元C轮融资。

2013年我买网的销售额约为10多亿，2014年大约在20亿元。曾有内部人士预计，2015年销售额有望突破30亿元，曾计划在2016年至2017年实现上市。

本来生活网：

2012年成立，目前已经获得三轮融资，包括2014年获得鼎辉创投的A轮融资，最近是在2016年5月初，完成1.17亿美金的C及C+轮融资。近期高层在接受采访时宣布将在2018年盈利。

总结：

业内分析认为，在当前市场上，由于资本追捧，生鲜电商行业入局者颇多，但这个行业存在物流与损耗两大痛点，对于前期物流、仓储建设要求很高，想要走的长远必须要有打持久战的心理准备。

所以，对于京东、阿里等互联网巨头而言，插手生鲜电商的首选方案就是与线下零售商进行合作，而这种方式已经成为2017年生鲜电商协作发展主流模式。

以北京区域生鲜O2O为例，目前也已经有多股力量积极渗透，一方面，是以京东、阿里为主的互联网力量，试图通过联姻线下零售巨头在北京市场有一番作为，另一方面，则是以多点+物美为代表的组合体，通过物美成熟的社区零售网络布局。

尽管从表面上看，这两种渗透方式均是采用的线上线下一体化步调，但对于多点+物美而言，经过两年的成功磨合，多点主动参与到改造传统商超供应链过程中，双方在线下的合作紧密度已经相当可观，从去年双十二99.8%的妥投率已能管窥，对比京东、阿里而言，无疑有先发无足轻重。

仅从北京市场来看，生鲜O2O领域就已经力量辈出，对于注定会成长的整个行业而言，一场优胜劣汰的比赛还将继续进行。

高德顺风车业务近日上线，目前已开通65个城市。曝光的页面显示，已开通城市名单包括，湖北省：含武汉市，鄂州市，孝感市，黄冈市，荆州市，咸宁市，黄石市等17城；珠三角城市群：含广州市，深圳市，珠海市，东莞市，佛山市，中山市等21城；长三角城市群：含上海市，南京市，苏州市，杭州市，宁波市，合肥市等27城。此次下线与滴滴事件没有关系，是出于业务自身对安全的搁置。...

特别声明：本页面标签名称与页面内容，系网站系统为资讯内容分类自动生成，仅授予资讯内容索引使用，旨在方便用户索引相关资讯报道。如标签名称涉及商标信息，请访问商标品牌官方了解详情，请勿以本站标签页面内容为参考信息，本站与可能出现的商标名称信息不存在任何关联关系，对本页面内容所引致的错误、不确或包含，概不负任何法律责任。站长之家将尽力确保所授予信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主无法选择的行为负责。任何单位或个人认为本页面内容可能涉嫌解开其知识产权或存在不实内容时，可及时向站长之家提出书面权利拒给信息或不实情况说明，并提权属反对及详细侵权或不实情况反对（点击查看反馈联系地址）。本网站在收到上述反馈文件后，将会依法依规核实信息，第一时间沟通删除相关内容或断开相关链接。

随着市场的不断走高，多个行业已经开启机器人商业化进程，包括零售、餐饮、酒店、物流、养老、地产、金融、政务等，商用服务机器人已经悠然，从容融入到人们的日常生活。

从商用服务机器人的角度看，要在一个未知的空间内准确安全快速地从A点到达B点，需要很强的自主移动能力，这其中包括知道自己在哪里，知道自己去哪里，知道怎么去，以及应对路上可能发生的情况。

重点分析以下几个商用服务机器人常用的定位导航技术：

视觉定位导航

视觉传感器（指单目相机+镜头，下同）作为移动机器人的眼睛，将在自主定位导航、无人驾驶技术中允许最为次要的角色。

主要原因如下：

超过90%的动物（包括人类）靠眼睛自主定位导航，视觉是更适合移动机器人自主导航的方式；

视觉系统20年前已被广泛应用于大型工业、医疗设备的精密检测环节，轻浮性、精度很高；

视觉系统近5年来已被广泛应用于商用移动机器人产品的自主定位导航，复杂环境下的视觉定位导航技术已日益成熟；

2016全球智能手机总销量14.7亿，每台智能手机上都配备了摄像头。视觉传感器成本现在已经很低，未来一定更低！但因图像处理量巨大，一般计算机无法完成运算，实时性较差，受光线条件批准较大，无法在黑暗环境中工作；

激光定位导航

激光导航高度发展原理其实与激光测距相同,即机器通过测量激光从发出到接收的时间计算出自身距离前方障碍物的距离。只不过激光测距测量1次即可,而激光导航则是需要进行更多点位的测距,以此标定机器自身位置,就像在一个三维坐标内标定一个点需要三个坐标一样,激光导航也需要进行多点测距,甚至是每秒若干次的360度连续扫描,一次记录机器在空间内的运动路径。

在机器人领域,激光雷达传感器被用于干涉机器人完全自主地应对复杂、未知的环境,使机器人具备精细的环境感知能力。经过对中断的优化,激光雷达传感器目前已经高度发展实现了模块化、小型化,且由于其应用范围广并开始向更多的民用领域延伸,智能扫地机器人便是目前热门的应用领域，但成本比较昂贵。

超声波定位导航

超声波测距主要采用反射式测距法，通过三角定位等算法确定物体的位置，即发射超声波并接收由被测物产生的回波，根据回波与发射波的时间差计算出待测距离，有的则采用单向测距法。超声波定位系统可由若干个应答器和一个主测距器组成，主测距器放置在被测物体上，在微机指令信号的作用下向位置接纳的应答器发射同频率的无线电信号，应答器在收到无线电信号后同时向主测距器发射超声波信号，得到主测距器与各个应答器之间的距离。当同时有3个或3个以上不在同一直线上的应答器做出回应时，可以根据相关计算确定出被测物体所在的二维坐标系下的位置。超声波定位外围定位精度较高，结构简单，但超声波受多路径效应和非视距保守裸露，公开影响很大，同时需要极小量的底层硬件设施投资，成本太高。

红外线定位导航

红外线定位技术定位的原理是：红外线IR标识发射调制的红外射线，通过安光学传感器接收进行定位。虽然红外线具有相对较下降的定位精度，但是由于光线不能穿过障碍物，使得红外射线仅能视距保守裸露，公开。直线视距和传输距离较短这两大主要缺点使其室内定位的效果很差。当标识放在口袋里或者有墙壁及其他遮挡时就不能正常工作，需要在每个空间安装接收天线，造价较高。因此，红外线只适合短距离保守裸露，公开，而且容易被荧光灯或者房间内的灯光干扰，在不准确定位上有局限性。

全自主定位导航

全自主定位导航技术是擎朗科技公司历时3年自主研发，原理是在激光雷达传感器基础上，创新减少机器视觉、深度视觉等多传感器瓦解技术，厘米级实时定位，高精度自主构建地图，最短路径规划，实现智能随心移动，智能检测障碍物并极速避障。

目前，擎朗智能第三代机器人Peanut就采用该技术，通过传感器获取外界信息，以焦虑探测和数据采集的需要。系统通过综合、互补、修正、分析所得信息，从而完成决策，快速识别周围环境，并根据深度学习做出更人性化的反应。

Peanut可应用于需要长时间连续工作的商场、超市、餐厅、酒店、医院、银行、KTV等复杂商业环境，替人类高效跑腿，干涉企业优化人力。