- 博客(34)
- 收藏
- 关注
原创 咨询从业者的新标杆:Palantir全景解剖
本体理论是魂,几大系列产品外化的商业载体,而FDE则其变现通道。Palantir是高质量的样本,历经20余年的发展,其成熟度已经时间和客户的检验,值得致敬。
2026-10-03 10:04:34
390
原创 《卖掉的OMEN》之二:模型,是有脾气的
你不懂温度,你会以为模型"疯了"(两次答案不一样);你不懂上下文,你会以为模型"失忆"(聊着聊着崩了);你不懂采样、长度……每个参数,都是一层你没见过的认知。初学者掉进任何一个坑,都可能得出"AI不行"的结论——但其实,是他还没懂那个参数。每一个坑爬出来,你就多懂一层模型。这就是模型的脾气:它不迁就你,你得先懂它,才用得动它。
2026-09-21 06:52:47
184
原创 头部AI公司以安全名义就模型开发进度对表的真相是什么?
以安全名义减速:换技术投入产出的边际收益下降,市场预期期间错配及设门槛延迟追兵节奏,技术、自身业务、商业投资、行业和政府监管似乎都在一个节奏中。
2026-09-17 06:30:00
444
原创 AI时代的冷思考之一:技术很快,落地很慢——鸿沟到底在哪
技术是快的,快得一天一个样;企业是慢的,慢得上年才能改个流程,出个制度。 这不是谁错了,是两个不同速度的系统,正在互相适配。而这个适配期,比很多人想的要长。
2026-09-15 18:00:00
276
原创 双 DGX Spark部署DeepSeek-V4-Flash-0731模型交AI执行原文
双nivida部署成功,事实上都是在AI的协助甚至主导下完成的,这篇文章的内容就是我当时提交AI部署时让它阅读并依文件部署成功的原文,只是对部分内容进行脱敏处理。注:因为内外网及docker等原因,我是先将模型等文件下载至优盘(/media/udisk/nvidia)后再交AI执行安装的。
2026-09-13 16:18:39
600
原创 CLI、Skill 还是 MCP?真实项目踩完坑之后醒悟
这个问题其实困惑了我很久。但我从一个具体需求出发:"每天自动抓取并下载 AI 行业报告"让我似乎找到了答案:结论是 CLI + Skill,但过程中有两次翻车明确指向 MCP。这篇文章把那两次翻车也写进来了。技术+场景+项目
2026-09-12 21:27:44
224
原创 双 DGX Spark 部署复盘——含可复现的分步操作手册
录从"两台裸机 + 一个 U 盘离线包"到"DSpark TP=2 服务加载卡点"的完整过程:每一步做了什么、遇到什么问题、根因是什么、怎么解决的,以及**当前暂停点和下一步的修正路线**。读者可以照本文件从零复现全部已完成的阶段;未完成阶段按 §7 的修正路线执行。
2026-09-08 11:13:00
378
原创 016-AI实战心得漫笔:老登入园系列(九):时代是辆车,每个人都握着AI的方向盘
我特别想对年轻人说:别只当"问AI的人",要当"验AI的人"——AI给的答案,你得会验证,认知得自己长出来。问AI很容易,长出判断力很难,但那才是你的立身之本。我也特别想对上了年纪的人说:经验没白费,别丢掉。但认知还在,执行得跟上——换工具不丢人,守着旧工具看时代跑走,才丢人。
2026-09-07 08:11:48
210
原创 015-AI实战心得漫笔:老登入园系列(八):人是AI的另一个根
AI是人的第二大脑,另一只手不假。但人才是支撑AI行走的脚,是AI的根,更是限制AI能力的魂。当AI越来越强,人的价值,不在"会什么",在"问什么"。而问的目的,不是得到答案——是找到一条,自己愿意认的路。
2026-08-31 08:36:47
179
原创 013-AI实战心得漫笔:老登入园系列(六):三个月,一个系统;上线那天,一堆问号
人和AI的事:雾里看花还带着一堆问号上线平静的隐忧:就是站在过去和未来之间的那个瞬间。回头是坑,向前是路。
2026-08-20 17:48:54
154
原创 010-AI实战心得漫笔: 老登入园系列(三)摔了这一跤,我干了件所有人都觉得多余的事
个多月的回头路,让AI不再失控:该出的错,不该出的错,过程中都出了;该有的命名、环境冲突,还是会有。哪怕文档做得再细,也总有我们没想到的地方——AI照样会偏,照样会在细节上跟我的预期打架。有的错,甚至超出了我原来的想象。但不一样的是:它偏,但不会大偏;它错,但不会出大错。接口对不上了,改,半天拉回来;状态流转有疏漏,补,堵上就完。整个过程都在受控状态——是有惊,但无险。上一次那种"永远有一只脚踩在坑里"的失控,再没有出现过。
2026-08-18 09:40:59
183
原创 DSH观察01: DeepSeek Harness的技术,或许是未来组织(企业)管理的一面镜子
为什么一个技术框架值得管理者看?因为如果你仔细看会发现一件事:智能体,本质上就是一个执行主体——决策、执行、评估、迭代。组织,也是。
2026-08-16 22:21:04
185
原创 009-AI实战心得漫笔:老登入园系列(二)第一次失败,我是怎么栽的
AI没有"想",它只有"响应";AI没有"懂",它只有"复述"。它接得住执行,接不住认知。决策权在自己手里,监督权也在自己手里,AI才真的只是个执行体。这是我跟AI磕了两周,磕出来的根本之道。
2026-08-08 08:23:24
241
转载 AI 的现状与未来:技术、组织与人的三重错位
技术决定了可能性边界。但组织决定了这条边界有多少能转化为现实。而个人,则在组织设定的框架内——或者越过框架——寻找自己在新时代的位置。三者从未对齐但三者永远在对齐的路上。理解这一点,比知道任何一个模型的最新基准分数都更重要。
2026-05-12 14:16:54
164
原创 解读财政部会计司发布数据资源会计处理实施问题解答
财政部财会〔2023〕11号)涉及四项内容:一是适用范围,二、数据资源确认和计量,三、数据资源列报,四是附则涉及从2024年1月1日起按未来适用法执行(已经费用化的不予调整)。 其中二、数据资源确认和计量中七条,1-3条涉及确认为无形资产,4-6涉及确定为存货的内容,7款涉及未确认为无形资产和存货的数据资源收入确认原则。 本解读对问答涉及数据资源研发项目资本化涉及五项要求十七项标准的规定,仅系作者个人理解(有问题或疑问可与作者本人acytm@qq.com沟通),不是官方解读
2024-11-10 23:36:57
1419
原创 入表后管理,越来越深入的数据资源入表
广州数据资产管理及入表工作指引(2024)》将入表分为入表前、入表中和入表后,特别是入表后的定期重估和审视是亮点。
2024-10-01 10:34:06
265
原创 是否为既要又要还要的时代的生存规则?
这部手机的发行,是否代表未来生存的一个典型标志:在这既要又要还要的时代中,无论个人还是企业,都得从思维上突破,在行动上坚持,依靠团队和合作,才能真正突破个人和企业自身的限制提升自我能力,将看似不可调和的东西糅合在一起实现重生,在存量世界中创造增量的机会。
2024-09-22 11:08:15
209
原创 表面都一样,底层大不同
用好这个由业务、IT和技术架构组成的镜像世界很难,因为人们为这个虚拟世界设置了各种语言,没有这些语言支持,无法与这个虚拟世界沟通,而掌握这门语言,有点难上加难:首先,你得从繁多的架构体系中选择一个熟悉它;尽管业务可以看成现实世界与虚拟世界的互动结果,而信息系统(包括软件和数据)则是虚拟世界的镜像,这个镜像靠技术实现,无论是硬件技术还是软件技术,如数据中心、网络基础设施、云、大数据还是区块链和物联网等等技术,所以,数据则是人机结合的产物,也是现实世界和虚拟世界联结体。所以我们我们需要理解数据。
2024-09-20 12:33:59
306
原创 数据治理,企业管理成熟度的标尺
这个时代变得很快,不知不觉数字经济和数字技术已经累积了很高的技术和认知门槛,很多的知识已经被人工智能变成了信息或数据,知识和技能的市场价值大减。而雪上加霜的主动数据治理,不仅提高了人的认知,更是对企业能力的一种新要求,现在生存越来越来困难的另一个原因或许就是:如同如何新能源车和燃油汽车一样,表面上看东西仿佛还是那个东西,但内部的逻辑好像又全变了...三、从被动到主动管理,到数据编织,尽管都是服务业务,但却是以载有知识和智慧的数据为联结,人机相结合的方式开展业务。一、数据治理、数据管理和数据资产管理的关系。
2024-09-14 17:31:11
368
原创 九大问题导致数据资源入表困难
五、数据的成本计算难。无论是IT服务商还是法律数据服务商等,都希望建一个系统对数据进行处理,无论是数据保密,还是后期成本压力,除富集数据企业确实有通过市场变现需求的企业能承担外,大多数企业并不愿承担成本和数据泄露的风险。个人认为数据资源的价值内核是DIKW模型,既有知识和智慧的价值变现,也有数据和信息替代投入和增加收入价值的价值,而数据资源化、资源产品化、产品资本化只是其表现形式。无论是数据治理、数据管理等,都以企业数字化转型成熟度为基础,大多数企业的治理、机制和流程上并没有这样的基础。
2024-09-11 20:39:16
537
原创 难的不是技术,是思维
数据资源价值的底层逻辑DIKW模型对现实世界的仿真和资源整合能力。只是知识和智慧还不完全是显性的数据,而是以人机结合方式利用的隐性数据存在。在大脑里构建基于企业的孪生业务系统(构架),并以此构建数据、应用和技术架构,无论哪一个构架的构建,对非计算机专业的人员而言,都是难以逾越的鸿沟,并不是因为这些内容难,真正的难点是人的思维转化。数字时代专业化需要嫁接综合化,人要学会与机器协作与分工,知识变得平民化后,做到比知道更有价值,做比说更有价值...
2024-08-28 23:17:06
149
原创 数据资源入表与国有资产流失
数据资源的三权将把数据资源权利击穿成筛子。如果你是国有企业管理层,仔细想想,以前外包给第三方的业务,相应的数据资源没有管理,审计机构或监管机构是不是可以先确定你数据资源流失,再戴个国有资产流失的帽子,想想摘下这个帽子是不是还真的有点难,因数据资源入表引发的一系列问题,是不是越来越有意思了...
2024-08-22 14:58:27
195
波士顿咨询2024数据价值网络研究报告.pdf
2024-09-21
《企业数据资产入表操作指引》
2024-09-14
《数据资产化实践指南(2024)》
2024-09-12
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人
RSS订阅