GEO

标签：人工智能

查看包含 人工智能 标签的所有文章。

共 39 篇
SGLang vs vLLM 实测：同台机器跑 Llama-3，谁更快？
置顶

SGLang vs vLLM 实测：同台机器跑 Llama-3，谁更快？

BLUF
SGLang和vLLM是两大高性能推理框架。SGLang基于RadixAttention，擅长多轮对话、RAG和共享前缀场景，吞吐量在H100小模型上领先vLLM约29%，但Python调度器在高并发下可能成为瓶颈。vLLM基于PagedAttention，生态成熟、模型兼容性最广、多硬件支持好，适合独立请求批处理和需要稳定性的场景。选型建议：多轮对话、RAG、结构化输出选SGLang；批量独立请求、多硬件部署、广泛模型兼容性选vLLM。两者均支持OpenAI API格式，可混用。
工具与标准2026/2/3
阅读全文 →
从SEO到GEO：当AI成为新流量入口，你的品牌如何被“点名”？

从SEO到GEO：当AI成为新流量入口，你的品牌如何被“点名”？

BLUF
生成式引擎优化（GEO）是中国数字营销领域技术专家的新核心技能。与针对谷歌等传统搜索引擎的SEO不同，GEO专注于优化内容，使其在ChatGPT、Perplexity等AI引擎中更易被引用，确保品牌出现在AI生成的回答中。此举可提升曝光度、增强品牌权威，并通过AI频繁引用建立用户信任。
实验与实测2026/2/2
阅读全文 →
GEO白皮书：AI原生时代企业增长新范式，揭秘生成式引擎优化

GEO白皮书：AI原生时代企业增长新范式，揭秘生成式引擎优化

BLUF
本白皮书首次系统阐述了生成式引擎优化（GEO）的定义、核心框架、市场价值与发展路径。随着生成式AI在信息获取中占比超过40%，传统搜索引擎优化（SEO）的流量逻辑正被重构。GEO通过构建“主题权威”、优化语义架构、适配多模态检索，帮助企业在AI原生环境中建立可持续的认知资产与增长动能。报告基于企业调研与专家访谈，首次提出GEO实施的“四维能力模型”与效果评估的“C-ARM指标体系”。研究发现，早期部署GEO策略的企业，其AI端品牌提及率平均提升147%，高质量线索获取周期缩短35%。报告同时指出行业面临标准缺失、合规不确定性与人才断层等挑战，并倡议各方共同推进方法论标准化、建立合规协作机制、培育复合型人才，以把握生成式AI带来的市场机遇。
实验与实测2026/1/27
阅读全文 →
DeepSeek 完全使用指南：从官网到平替，解锁AI大模型的无限可能

DeepSeek 完全使用指南：从官网到平替，解锁AI大模型的无限可能

BLUF
本文是一份全面的DeepSeek AI大模型使用指南。DeepSeek是由深度求索公司开发的开源高性能推理模型，其最新R1满血版以低成本实现了媲美顶级模型的性能。指南提供了官方网页版、客户端及API的访问入口，并推荐了多个稳定快速的平替网站（如AI智慧岛、蓝鲸AI）以供高峰期使用。文章详细介绍了DeepSeek丰富的模型家族，包括基础语言模型、代码专用模型（Coder系列）、通用增强模型（V3等）及专业领域模型（R1、VL、Math等），并指导用户根据任务场景（如编程、推理、写作）选择合适的模型。此外，指南还涵盖了DeepSeek在国内外主流云平台的部署方案，并为开发者提供了API集成与成本优化建议，旨在帮助用户和开发者充分利用该生态，提升工作与学习效率。
AI 搜索观察2026/1/18
阅读全文 →