<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>垂直AI应用 on AI内参</title>
    <link>https://www.neican.ai/tags/%E5%9E%82%E7%9B%B4ai%E5%BA%94%E7%94%A8/</link>
    <description>Recent content in 垂直AI应用 on AI内参</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <lastBuildDate>Mon, 10 Nov 2025 08:10:04 +0800</lastBuildDate>
    <atom:link href="https://www.neican.ai/tags/%E5%9E%82%E7%9B%B4ai%E5%BA%94%E7%94%A8/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>大模型炼金术：HuggingFace深度指南揭示LLM训练“混乱现实”与未来范式</title>
      <link>https://www.neican.ai/insights/huggingfacellm-20251110081004975-0/</link>
      <pubDate>Mon, 10 Nov 2025 08:10:04 +0800</pubDate>
      <guid>https://www.neican.ai/insights/huggingfacellm-20251110081004975-0/</guid>
      <description>HuggingFace发布的200余页LLM实战指南，深刻揭示了大模型训练的“混乱现实”，强调了“Why Train”的战略考量、数据策展的艺术以及基础设施的核心地位。这份指南预示着AI大模型将走向专业化与定制化，赋能开源生态，并对AI工程师的技能栈和企业AI战略产生深远影响。</description>
    </item>
    <item>
      <title>智能体生死局：从“通用幻想”到“垂直深井”的商业炼金术</title>
      <link>https://www.neican.ai/insights/article-20250711161005186-0/</link>
      <pubDate>Fri, 11 Jul 2025 16:10:05 +0800</pubDate>
      <guid>https://www.neican.ai/insights/article-20250711161005186-0/</guid>
      <description>当前AI智能体创业面临“伪需求”和“最后一公里”集成两大商业化挑战，导致多数创业公司失败。成功的关键在于放弃“通用幻想”，极致聚焦垂直行业“真痛点”与“可量化价值”，通过早期收费验证需求，并深耕行业知识，以“混合智能”和精细化成本管理构建可持续商业模式。</description>
    </item>
  </channel>
</rss>
