自动化成本高?那么如何获得最高的投资回报呢?

吐血整理,进阶转自动化测试学习路线(接口/Web/App)看这篇就够了 自动化测试是将人为测试情形转化为机器执行的过程。一般说来,测试用例设计后,由测试员根据测试用例中描述的规则一步步地进行测试,得到测试结果和预期结果的行为。在这里过程中,为了更好地节省人力、时间或硬件资源,提升测试效率。什么可以自动化?实际上好多,可是通常容易曲解这个问题。有两个主要类别,功能性和非功能性:功能性:测试软件的具体业务应用程序。非功能性:用于测试软件的其余要求(例如性能,安全性,数据存储等)。自动化测试的学习线路搞定性能、自动化测试。 阅读详情

原文:https://www.jianshu.com/p/423ae3ba7f5b

大家对自动化的理解,首先是想到WebUI自动化,这就为什么我一说自动化,公司一般就会有很多人反对,因为自动化的成本实在太高了。其实自动化是分为三个层面的(UI层自动化、接口自动化、单元测试),不是每个层面的自动化都是遥不可及的,以下标示一下这三个层面的难易程度(也叫这个为自动化金字塔):

三个层面的自动化测试

基本上可以肯定的是,单元测试是成本最低的,也是最容易推广,见效最大的,但是很多公司不会投入这块,原因是因为现在大部分公司都是人才短缺,特别是成熟的研发人员。你说投入到项目实际开发工作的人员都嫌不够,怎么可能抽出相关人力去做单元测试。而以目前大部分公司的测试团队人员构成来说,能做单元测试的基本没有(有也被抽去做开发了),这也是大家一致认为单元测试属于开发职责的原因(除了他们自己没人能做了)。

单元测试如果做不了,那么接口(API或Service)自动化测试能做不?这个只要有一定的技术基础还是能做的,至少有一部分测试人员是能够做接口测试的(话说性能测试就属于一种接口自动化),如果能自主开发或直接引进一套像样的接口自动化工具或框架(工具上来说,市面上也不少),那么就可以开展这部分的工作,我相信大部分公司能做好的自动化测试,应该也是基于这一层的(所以我们建议有条件的话,自动化测试可以先在这一层面展开,当然前提是真有那么多接口或服务需要测试)。接口自动化测试框架应该具有以下功能,根据复杂度和各自需求而定:

1、校验

这个很好了解,如果没有校验,单纯的执行接口的话,那就谈不上测试了。所以支持对返回值校验是一个必须的功能。

2、数据隔离

数据隔离就是指具体的请求接口、参数、校验等数据做到与代码相隔离,便于维护,一旦需要调整接口用例、新增接口用例时可很快速的找到位置,隔离的另一个好处就是可复用,框架可以推广给其他团队,使用者可以使用相同的代码,只需要根据要求填写各自用例即可测试起来。

3、数据传递

做到数据隔离可维护后,数据传递是另外一个更重要的需求。

数据传递是指接口用例之间可以做到向下传参,例如我们通过创建订单接口创建一个订单,该接口会返回一个订单号,接下来我们要进行调用查询订单的接口,从返回的数据中与创建订单用例中的数据进行校验,此时第二个接口的请求数据是需要从第一个接口用例中的返回中提取的。这样的例子比比皆是,所以支持数据传递是又一个必不可少的功能。

4、动态函数

实际用例场景中我们可能会有随机生成一个手机号、字符串加密等需求,在数据与代码隔离之后,此时我们就需要代码可以支持做到识别对应关键字时可以执行对应的函数进行填充。例如在数据中填写nowTime()时,具体执行时会被替换成当前时间,填写random(5)时,会被替换成一个五位的随机数等等。

 5、可配置

有时,我们的需求是用例不单单只能在一个环境上执行,可能需要同一份接口用例可以在QA、预发、线上等多个环境都可以执行。所以框架需要做到可配置,便于切换,调用不同的配置文件可以在不同的环境执行。

 6、日志

日志包含执行的具体执行接口、请求方式、请求参数、返回值、校验接口、请求时间、耗时等关键信息,日志的好处一来是可以便于在新增用例有问题时快速定位出哪里填写有问题,二来是发现bug时方便向开发反馈提供数据,开发可以从触发时间以及参数等信息快速定位到问题所在。

  7、可视化报告

用例执行后,就是到了向团队展示结果的时候了,一个可视化的报告可以便于团队成员了解到每次自动化接口用例执行的成功数、失败数等数据。这里向大家推荐一个测试交流圈q裙:1007119548。

8、用例驱动

(1)用例的驱动模式,涉及到怎么存放测试数据,怎么描述用例,又如何复用;

(2)考虑到效率的话还要支持并发;

(3)当然测试报告不能光记录成功和失败,还有用例执行耗时、接口调用耗时、场景的通过率等各项数值的统计。

说完单元测试、接口测试的自动化,我们现在来说说UI层自动化测试,这也是一直很火并且也是自动化概念先入为主的一块,毕竟市面上有不少成熟的自动化工具,如QTP、Selenium等。这块自动化一定是会有测试团队参与的,就算自动化框架是由开发来完成,那么具体测试工作也是由Tester全程参与的。UI层自动化测试真的不容易推行,无论有多么完善的自动化框架,在这一块维护的成本也是非常高的,特别是懂开发的人不懂测试,懂测试的人不懂开发,这一矛盾现象所带来的内部消耗就不少,再加上项目需求和UI层都在频繁变动,而且Web UI技术越来越复杂和多元化(UI层自动化需要基于对象识别技术),这些都导致很多公司不愿意投入这一块。即使这样,做为一个有上进心的测试人员,我们也是需要多想想这一块,毕竟这是离我们测试最近的一块“技术沃土”了(之一)。

现在我们来重点来谈下Web UI自动化测试(目前的系统大都通过Web UI来展示),一般成熟一点的自动化工具方案大体是这样:

1.开发语言:Python或Java;

2.开源测试框架:Selenium WebDriver;

3.Web元素定位:Xpath + cssSelector + findElement或findElements方法;

具体实施细节来讲重点是针对Web UI自动化测试的特点,将各层包装,分而治之的思想,各自相互独立,职责定义清楚,下面简要说明下:

1、测试用例业务流操作实现及测试数据分离管理;

2、页面元素定位及页面元素的操作分离;

3、可视化的日志查询系统;

4、跨浏览器支持如:IE,Firefox,Chrome;

5、可视化的的测试报告,可以具体查询到日志/截图等;

6、实现了通过Excel的数据驱动管理;

7、邮件发送管理,可以自定义具体时间及接受者等;

以上是一般Web UI自动化测试的一些实践要求,当然也是相对简易的,复杂的就是实现平台化管理,每天测试工程师,只需要选择具体项目、所测的测试用例集,然后执行,输出测试报告,邮件自动发送到相关开发/测试,框架的开发维护上也能够持续集成。

优先开展自动化测试的思考

说完了这三个层面的自动化测试,那么我们再来分析一下,到底应该优先开展哪个层面的自动化测试,到底是哪个投入产出比最高。

众所周知,软件测试的边际成本会随着缺陷探测率的提高而提高,这就是软件测试的基本公理之一"测试的不可穷尽性"的经济学体现。这一规律也适用于自动化测试,也就是说随着自动化覆盖率的提升,自动化的成本也呈现指数式上升。按照这个思路进行拓展,可以分析下单元测试,集成测试和UI测试的自动化成本曲线如图2所示。与通常理解的一致,为了达到相同的自动化率(x0),UI的成本最高、其次是API,Unit则最低。

经济学中有另外一个著名的理论叫做边际效益递减。当做一项投资,随着投资量的增加,单位投资增量所带来的单位收益是越来越少的,甚至在某个临界点之后,这个收益有可能是负数。而这个零界点,就是投资收益最大的点。在这个点之前的所有投资,都可以扩大总收益,而在超过之后继续进行投资,就不那么明智了。

而总收益最大的点在接口测试上,随后是单元测试,UI测试则最低。

如果从测试效果上看,接口测试和UI/单元测试相比,有很多优势。 对于单元测试来说,通常单元测试是针对代码进行的测试,而接口测试是在测试一个活的,经过部署的系统。 另外,单个接口测试与单个单元测试用例相比,也可以覆盖更多的代码。更重要的是,接口测试也可以是面向业务的测试,通过接口进行业务层面的测试。

而相比UI自动化用例,接口测试更加的简单直接,执行效率更高。 除了部分如企业级应用软件,可能很多业务在前端进行之外,很多情况下,绝大部分通过UI完成的业务操作完全可以通过API端完成。某些情况下,API(接口)的测试条件覆盖率甚至可以多过UI。

总结

综合上述的分析,笔者认为在自动化测试的初级阶段,适合奔小康的测试团队的自动化模式应该是中间层的接口最大,两端的UI和Unit测试适度实施。从图形上看,就是一个橄榄型(中间的接口测试效益比最高)。如果再加上一部分的手工测试,那就是一个不倒翁了。(接口测试可以由开发团队来做,也可交由测试团队去开展)

按照这个模式,将大部分自动化投资用于接口测试,可以获得最高的投资回报。再结合持续测试与持续集成等最佳实践,在团队之间彼此共享测试用例、测试框架或者平台,通过接口测试这一承上启下的测试类型,可以自下而上地逐步翻越过纸杯蛋糕模式中的那堵墙。(备注:纸杯蛋糕模式,是一种反金字塔的自动化模式,开发和测试各自为政,线性的开展测试,无法并行协同测试,相当于有道部门墙,开发的自测环节和测试开展的测试环节,没有建立关联和资源共享---重复测试、度量目标不一致、过度自动化)

结语

感谢您的观看,如有不足之处,欢迎批评指正。

获取资料

本次给大家推荐一个免费的学习群,里面概括Python/性能/接口/安全/自动化软件测试以及面试资源等。
对测试感兴趣的同学,欢迎加入Q群:1007119548,不管你是小白还是大牛我都欢迎,还有大牛整理的一套高效率学习路线和教程与您免费分享,同时每天更新视频资料。
最后,祝大家早日学有所成。

AI Agent投资回报率的科学计算方法 在人工智能技术快速发展的今天,AI Agent作为一种能够自主感知环境、做出决策并执行行动的智能体,正在成为企业数字化转型的核心驱动力。然而,如何科学、准确地计算AI Agent项目的投资回报率(ROI),仍然是许多企业面临的重大挑战。本文将深入探讨AI Agent投资回报率的科学计算方法,从基础概念到实际应用,提供一套完整的评估框架。我们将介绍如何构建ROI计算模型,如何量化AI Agent带来的直接和间接收益,如何评估长期价值与风险,并通过实际案例展示如何应用这些方法。 阅读详情

相关推荐

5大指标:评估RPA项目的ROI,实现投资回报最大化

在企业步入自动化的早期阶段,关注RPA的投资回报率非常重要。这将影响到一个RPA项目是否值得去做。

UB Store的博客 1077

如何才能让UI自动化收益更大?

在公司推行AppUI自动化的时候,有同学反馈说UI自动化维护成本大,也不发现Bug,没有什么意义?在网上也看到不少类似的论调,但是为什么UI自动化一直存在呢?其实任何事物的存在都是有其价值的,只是我们没有正确理解和使用才会感觉到没有价值。那如何才能让UI自动化的收益最大呢?

测试开发探秘 829

告别盲目自动化:如何科学计算并解读测试ROI

本文探讨了科学计算和解读自动化测试投资回报率(ROI)的方法。自动化测试ROI需要全面考量直接收益(如节省手工时间)和间接收益(如质量提升),同时评估一次性投入和长期维护成本。优化ROI的关键在于:精准选择高价值测试用例、构建分层测试体系、提高执行频率,以及采用卓越工程实践。值得注意的是,ROI大于1仅是基础标准,真正的价值在于创造远超机会成本的收益。ROI应作为战略决策工具,而非简单的计算结果,帮助团队在自动化测试投入上做出更明智的选择。

gto310850806的博客 1052

2024金三银四--我们遇到的那些软件测试面试题【功能/接口/自动化/性能等等】

PO是Page Object 模式的简称,它是一种设计思想,意思是,把一个页面,当做一个对象,页面的元素和元素之间操作方法就是页面对象的属性和行为,PO模式一般使用三层架构,分别为:基础封装层BasePage,PO页面对象层,TestCase测试用例层。

shanmao001的博客 1051

大数据安全投资回报率(ROI)分析与案例

大数据安全ROI(投资回报率)的本质是计算"安全投入"与"避免的损失+带来的收益"之间的比值。说服管理层批准安全预算;优先投入ROI最高的安全项目(比如数据加密vs威胁检测);持续优化安全策略,避免"过度投资"或"投资不足"。简单来说,ROI公式可以简化为:[ \text{ROI} = \frac{\text{安全投资带来的净收益}}{\text{安全总投资}} \times 100% ]其中,净收益=避免的损失+新增的收益-安全投资成本。安全投资的收益往往是长期的。

软件工程实践的博客 380

stc8g1k08硬件iic读取aht20温湿度及0.91寸oled显示

使用stc8g1k08读取aht20温湿度及0.91寸oled显示。

qq_61688416的博客 2772

自动化测试学习步骤及路线(超详细)

随着测试行业的不断发展,目前企业对测试人员要求越来越高,仅仅响应需求的功能测试人员基本饱和或是留给了校招生。而对于社招渠道的应聘者,企业越来越多地要求有一定的自动化或是代码经验,能解决工作过程中遇到的问题,或是编码能力较强,能参与公司相关测试项目的开发工作。

一个不太黑的测试人~ 4万+

maxwell与steady state thermal 通过workbench耦合仿真

文章目录maxwellsteady state thermal maxwell 1加入maxwell并打开 2导入模型 3选择求解器类型:涡流求解器eddy current 4修改模型名字不能带_等特殊符号 5为模型赋材料 6设立3D边界,各边电流进出方向为0其余方向300 7设置激励条件,可设置电流大小,相位,方向 8设置集肤深度,选取中间铜导体的体然后设置,如何设置看帮助文档 9求解设置 迭代步数 收敛精度 交流电频率 10验证条件满足计算 11求解 发现无法求解,删除ai

roymustang的博客 9202

python自动化测试怎么学习?我整理的超全学习指南,从基础到框架开发

大部分进入测试行业的朋友,最开始接触都是纯功能界面测试,随着工作年限,会接触到一些常用测试工具,比如抓包,数据库,linux等。但是有个比较常见的问题,由于现在企业大多数都是敏捷开发模式,容易陷入版本快速迭代中,以至于没有时间精力再去额外学习一些高级和主流的测试技术,如某种编程语言、自动化测试工具、测试框架搭建、测试平台研发。即使挤时间强迫自己学习,也不知道从哪里开始入手,那些碎片化的东西,只能让你了解,很难很难消化,

weixin_55154866的博客 2489

5分钟搞定!用Keil MDK将STM32F103C8T6工程无缝迁移到ZET6开发板

本文详细介绍了如何在Keil MDK环境下快速将STM32F103C8T6工程迁移到ZET6开发板,涵盖硬件差异对比、工程配置调整、外设适配及编译排错等关键步骤,帮助开发者5分钟内完成工程移植,大幅提升开发效率。

weixin_30879169的博客 409

小工匠聊架构-分布式场景下的并发幂等性常见的解决方案

Pre 我们来回顾下单体时代 单体时代,应用部署在一台主机上,可以使用JVM级别的锁来控制并发请求 。 随着应用规模的不断扩大,集群化或者微服务化的分布式部署越来越普及,每个应用都是一个单独的JVM应用,所以单体时代的这种处理方式已经无法满足当前架构下的业务需求了。 JVM级别的锁已经无法满足跨进程之间访问控制了,进而演化出来了分布式锁。 分布式锁 能否解决幂等性问题? 分布式锁解决什么问题? 简言之: 解决跨进程间无法共享本地资源的问题 ,解决的是分布式场景下并发访问的问题。 为什么需要确保并发.

小工匠 2万+

深入了解现场服务软件的投资回报率(ROI)

软件选择过程涉及一系列问题:我们需要哪些功能?我们应该与哪个供应商合作?我们能花多少钱?所有这些对于提问和回答都很重要。然而,最终决定归结为一个问题——现场服务软件的投资回报率是多少? 投资回报率 (ROI) 是一种衡量投资成功或失败的指标,它基于以成本节约或收入收益的形式获得的回报。尽管在选择和实施现场服务管理 (FSM) 软件方面可能存在许多对错,但所有这些都反映在 ROI 中。这就是为什么它是最具启发性的性能指标。以美元和美分计算,任何投资最重要的是获得最大的回报。寻找合适的现场服务软件的人可以(并且

xuxuSEO的博客 623

视觉Transformer实战 | Token-to-Token Vision Transformer(T2T-ViT)详解与实现

Vision Transformer (ViT) 在计算机视觉领域取得了巨大成功,但标准的 ViT 存在一些局限性,如需要大规模预训练数据、对局部结构建模不足等。Token-to-Token ViT (T2T-ViT) 通过引入渐进式分词过程改进了原始 ViT,使其能够在中小型数据集上取得更好的性能。本节将详细介绍 T2T-ViT 的技术原理,并使用 PyTorch 从零开始实现 T2T-ViT。

盼小辉丶的博客 4万+

什么是CRM投资回报率?

较为传统的CRM系统,需要企业投入IT硬件设备的投资、人力的维护、时间成本、托管费用、软件升级费用等等,以一个30人的销售团队来说,每个月需要花费的运营成本从几千到几万都有可能,而这还不包括前期实施的人力成本和购买软件的成本。当然,除了这些直接肉眼可见的回报以外,还有一些“软收益”,这部分收益对于企业的价值不言而喻,最为典型的例子,比如提高客户忠诚度和客户保留率,通过获得更好、更及时的信息而改进了决策,以及由于减少了工作时间而提高了效率。CRM自诞生以来,就一直受到各行业企业的追捧。

weixin_43103873的博客 114

Python爬取小红书种草商品评论数据:从入门到实战全攻略(附反爬+情感分析方案)

Python爬取小红书种草商品评论数据,核心是“抓包找到正确的接口+处理登录验证+合理的反爬策略”。新手不用一开始就追求多笔记批量爬取和情感分析,先把单笔记的评论抓取和存储跑通,再逐步扩展功能。我做的这个系统现在每天帮朋友爬取3-5款美妆产品的评论,自动做情感分析和关键词提取,她再也不用手动翻评论了,效率提升了80%。如果你们在开发中遇到具体问题,比如接口找不到、Cookie过期、IP被封,都可以在评论区留言,我会一一解答。后续也可以出一期小红书笔记种草数据爬取的教程,帮助大家更全面地分析竞品数据。

专注于Python爬虫开发,分享爬虫技巧、项目实战与反爬经验,使用Scrapy、BeautifulSoup等工具,解决数据抓取难题。 1351

下载MNIST数据集并使用python将数据转换成NumPy数组(源码解析)

下载MNIST数据集并使用python将数据转换成NumPy数组首先来分析init_mnist函数接下来继续分析load_mnist函数实现数据集转换的python脚本的代码显示MNIST图像并确认数据 下载MNIST数据集并将数据转换成NumPy数组的Python脚本里面最重要的就是load_mnist函数,其他项目想要调用数据集的话,就可以调用load_mnist函数,得到一个字典类型的数据,字典的值是一个Numpy数组。 这些过程是如何实现的,现在开始逐字逐句分析源码: 在load_mnist函数中第

及时总结 4268

铺布机投资回报分析:服装企业设备升级的经济学考量

在长期服务于全国各类服装企业中,不少服装厂在不同的适用情况下都已经有了不错的成绩,例如厦门狮涛积累了丰富的应用数据,其设备在面料节约方面的实际表现已获得市场的广泛验证。除了单台设备的经济效益,更关注其与现有生产体系的兼容性、数据接口的开放性、供应商的服务能力等。这种人员配置的变化,不仅是数量的减少,更是结构的优化。生产周期的缩短意味着更快的订单响应速度,更高的资金周转效率,更强的市场竞争力。当然,不同企业的基础条件不同,实际效益会有差异,但智能铺布机的投资价值从经济角度已得到充分验证。

st7778888的博客 803

PDAF相位对焦原理

pdaf光路图

camerall 1万+

不止预测:Minitab 响应优化器如何实现投资回报率(ROI)

短短几分钟内,你就能获得可执行的参数设定值,同时还能获取预测区间,了解推荐设置周围的变异性风险。Minitab 预测分析模块中新增的响应优化器,能够通过推荐最佳输入组合来帮助你达成目标 —— 无论是最大化化工产率、最小化呼叫升级率,还是实现精确的直径目标,都能轻松应对,从而填补这一关键缺口。如今,当你在预测分析模块中使用 TreeNet®、Random Forests® 或 MARS® 构建模型后,只需点击模型结果顶部工具栏中的 “响应优化器”,即可获取预测变量的最佳设置,进而实现期望的结果。

MinitabUG的博客 908

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

如何从投资管理视角看企业AI转型

从宏观的跨部门协作到微观的岗位任务,去发掘AI的应用,例如,在办公场景,AI可以赋能文档自动生成、会议纪要整理,提升基础办公效率等。A 级机会与战略落地紧密相连,是中短期目标的关键支撑。一旦成功,有可能颠覆行业和企业整体的工作方式,取得战略级的竞争优势,是企业家们最期盼的结果,可以匹配战略级的投资规模,但难度最高,风险最大。这当然很难,在目前中国企业的IT环境下,和老板或者业务进行理性对话并不容易,不仅考验着我们的IT投资分析智慧,呼唤着企业架构规划与战略分析的前瞻视野,也充满着柔性技巧和人性关系的洞察。

2501_91807877的博客 1877

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

AI炒股回报率500%?内行揭秘玄机

一篇来自佛罗里达大学的研究报告震惊了金融圈:用ChatGPT对公司新闻进行情绪分析,并按此在股市做多、卖空,最高可获得超过500%的投资回报率。虽然坊间对这份报告中惊人的回报率数据有所怀疑,但金融界正在因AI的介入发生改变。摩根大通、高盛等传奇投行钻营AI的消息连续曝光,而无论500%的收益率是否经得起推敲,它至少说明,GPT的能力开始渗入金融市场最前端的环节——交易。在Web3资产管理和投研机构的高管Rocky眼中,AI对“另类因子”的高效挖掘和优化已然发生。

MBNews的博客 1033

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

安全超自动化的投资回报率如何量化?

摘要: 在网络安全预算紧缩的背景下,如何量化安全超自动化的投资回报率(ROI)成为关键。本文从直接成本节约与间接价值提升两方面解析ROI量化方法: 人力节省:自动化替代重复性工作,可缩减团队规模,降低人力成本(如某金融客户年省300万元)。 效率提升:自动化将事件响应时间(MTTR)从小时级压缩至秒级,减少业务中断损失(某企业日省7000元)。 告警处置:AI降噪与自动处置覆盖95%以上告警,释放分析师资源(如某互联网企业减少10人工作量)。 间接价值:包括规避合规罚款、固化专家知识、优化现有设备利用率及保

m0_74389308的博客 427

机器学习在量化投资的应用

算法交易依赖于计算机程序执行算法来自动化交易策略的某些或所有元素。机器学习涉及从数据中学习规则或模式以实现目标,如最小化预测误差。本书的示例将说明如何使用机器学习算法从数据中提取信息,支持或自动化关键投资活动,包括观察市场、分析数据以形成对未来的预期并决定下单买入或卖出,以及管理由此产生的投资组合以产生相对于风险的有吸引力的回报。最终,积极投资管理的目标是产生Alpha,即超过用于评估的基准组合回报。

weixin_41908924的博客 2806

首年投资回报率高达200%,被企业CIO盯上的RPA奥妙何在?

作者|中国软件网 赵满满---我们每个人都会有这样经历:因疲于执行一些单调的、重复性的工作,而无法将精力投入到自己感兴趣又有创新性的工作。而把人从重复性的工作中解放出来,就是RPA得以...

中国软件网 517

报告|机器人行业深度报告:机器人产业价值与回报相关度分析

来源:机器人大讲堂2009~2018年中国工业机器人保有量在全球保有量的占比稳步提升。据IFR数据,截止2018年底,中国工业机器人保有量达到64.94万台,全球占比为2...

人工智能学家 1762

Lenovo推出可靠、成熟并能随时实现投资回报的代理型AI解决方案,推动AI赋能员工发展

为实现“智能,为每一个可能”的公司愿景,Lenovo在不断夯实全球个人电脑市场冠军地位的基础上,积极构建全栈式的计算能力,现已拥有包括AI赋能、AI导向和AI优化的终端(个人电脑、工作站、智能手机、平板电脑)、基础设施(服务器、存储、边缘计算、高性能计算和软件定义基础设施)、软件、解决方案和服务在内的完整产品路线图。通过在芯片与系统层面深度集成人工智能,Lenovo AI PC正在重塑用户体验——更快速、更安全、更直观,同时与我们的代理型AI及全生命周期服务无缝衔接,助力企业实现规模化生产力提升。

美国商业资讯的博客 439
上一篇: selenium自动化测试框架之PO设计模式
下一篇: 8年测试工程师+面试官——写给求职心切的求职者
TestingGDR
博客等级 码龄8年 496粉丝 72原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值