一个行业如果突然火爆，那么最后总会收归于平静，这是万事万物发展的必然规律。即便是 2019 年 ToB 行业无人不知、无人不晓的 RPA，也难以逃脱这个命运。

引入CRM只是开始，如何应用起来才是关键。

无论“符号主义”这一学派如何发展，其通过程序语言实现AI逻辑的基本思想早已经“零落成泥碾作尘”，融入到了所有日常的AI开发中。

尽管有很多共性重叠的部分，但是数据科学家和数据工程师的工作重点仍有差异，因此不太可能两个角色合二为一。更重要的是，在招聘数据科学家和数据工程师时，要确保问对了问题，从候选人身上找到正确的技能。

随着数字经济规模的扩大，中国企业组织正式进入智能移动协同的数智化时代。

BlackBerry QNX TECHForum 2019 开幕在即，快快点击文末“阅读原文”进行报名。BlackBerry QNX 与您 12 月相约上海，不见不散！

如今信息泛滥真假难辨，很多人称之为后真相时代，《规定》的出台有利于AI等新技术的良性发展。

借用网友对OceanBase的评价作结：莫问前程，但行好事。孰好孰劣，市场和客户会给出答案。

Python、React（web）、Angular、机器学习和Docker将成为2020年最流行的五种技术技能。TensorFlow、OpenCV和神经网络是许多数据科学家为追求其AI进步而不断学习的基本技能，掌握这三种技能对于理解和开发AI应用程序、平台至关重要。

根据Gartner的数据，RPA正在超越全球企业软件市场的所有其他领域，预计今年的收入将达到13亿美元。该市场去年增长63%，达到8.46亿美元。

回顾人工智能发展这60多年，似乎典型应用并不多。

2019年最大规模的科技收购，包括谷歌收购Fitbit, Salesforce收购Tableau和ClickSoftware，以及苹果抢购英特尔(Intel)的智能手机调制解调器业务。

到2020年，全球只有14%的大型组织计划部署基于人工智能的解决方案。

神经网络的发展过程遇到了哪些波折？“深度学习三巨头”有哪些有趣的故事？而这些年热门的深度学习又和神经网络有什么样的关系？

双11的挑战从商务侧来看是商品和消费者最优化匹配的问题，技术层面是大数据和AI能力的挑战。

数据是最重要的生产要素，是数字经济的“石油”，如何挖掘、提炼这些“石油”，成为世界共同关注的话题。各地政府都在尝试积极拓展、推广应用新技术。而无论企业还是城市，数字化转型都需要顶层设计与多方参与。

无疑，这是一个最好的时代——长久的理论积累、海量的数据与算力以及无比丰富的应用场景，给了我们在人工智能领域充分发挥的机会。

在双11中得到检阅的阿里技术也将继续对外输出服务，双11之外的产业里也将是更大的战场

多位业内专家指出不能为了区块链而区块链，有的数据适合上链有的并不适合，要基于具体场景来看。对于处在初级阶段的区块链而言，应用与落地还需要更多的探索。

对于云厂商而言，在金融行业，更需要咨询与服务能力的加持，也考验服务商从底层技术支持到行业认知以及实践经验积累的综合能力。