• 首页

  • 方案库

  • 工业品库

  • 招标项目库

  • 专家库

  • 人才库

会员中心
搜索
登录
注册
  • 方案名称

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文
  • 全部
  • 人气排行
  • 下载排行
  • 页数排行
  • 最新排行

邬贺铨院士:大模型赋能企业数字化转型

随着人工智能(AI)技术的兴起,大模型成为从信息化走向数智化的重要驱动力。虽然基于大算力支持和超大规模语言数据作为训练样本的大模型技术能够支持自动文摘、机器翻译等基础通用任务,但在医疗、金融等专业领域中,由于缺乏行业知识,无法满足定制化、精细化和行业化的需求。因此,需要基础大模型提供方与垂直行业的企业合作,共同开发行业大模型。例如,百度的“文心一言”大模型就与汽车、能源、医疗、金融等11个行业的企业合作.创造了国内首个全面开放的大型语言模型。这样的合作主要发生存大型企业之问.对于中小型企业来说,直接应用这种基础大型模型仍然存在一定难度。

  • 2024-05-09
  • 阅读4919

物联网40大项目(40个场景应用)

物联网项目(loT项目)可以最好地描述为通过使用互联网连接的物理对象。这项最新的技术进步已经与人类保持互动,因为它已经展示了它的效率。

  • 2024-05-09
  • 阅读354

多模态机器学习综述

模态是指某件事发生或经历的方式,当一个研究问题包含多种这样的模态时,它就被描述为多模态。多模态机器学习旨在构建可以处理和关联来自多种模态的信息的模型。鉴于数据的异构性,多模态机器学习研究领域为计算研究人员带来了一些独特的挑战。在本文中,我们确定并探索了围绕多模态机器学习的五个核心技术挑战(以及相关的子挑战)即:表示、翻译、对齐、融合和共同学习。

  • 2024-05-09
  • 阅读346

基于融合健康因子和集成极限学习机的锂离子电池SOH在线估计

锂离子电池健康状态(SOH) 的在线估计对电池管理系统的安全稳定运行至关重要 。为克服传统基于数据驱动的锂离子电池SOH估计方法训练时间长 、计算量大 、调试过程复杂的问题。该文提出一种基于融合健康因子和集成极限学习机的锂离子电池SOH估计方法。该方法通过 dQ/dV 和 dT/dV 曲线分析,筛选出与电池SOH相关性较高的数据区间进行多维健康特征提取,并对其进行主成分分析降维处理得到间接健康因子;利用极限学习机的随机学习算法建立间接健康因子和SOH之间的非线性映射关系,在此基础上,针对单一模型输出不稳定的特点,提出一种集成极限学习机模型,通过对估计结果设置可信度评价规则剔除单 一极限学习机不可靠的输出 ,从而提高锂离子电池SOH的估计精度。使用NASA和牛津大学的锂离子电池老化数据集对该方法进行验证,结果表明该方法的平均绝对百分比误差小于1% ,具有较高的准确性和可靠性。

  • 2024-05-09
  • 阅读438

手机电路原理(原理篇)

ETACS、GSM 蜂窝手机是一个工作在双工状态下的收发信机。一部移动电话包括无线接收机(Rccciver)、发射机(Transmittcr)、控制模块(Controllcr)及人机界面部分(Intcrface)和电源(Power Supply)。

  • 2024-05-10
  • 阅读1011

中国电信八大行业应用基地及产品介绍.

为打造行业信息化应用核心竞争力,提升中国电信行业应用比较优势,中国电信集团公司提出行业信息化应用基地建设新思路,聚焦教育、政务、交通、物流金融、制造、医疗、旅游八个行业,设立了-批中国电信行业信息化应用基地。

  • 2024-05-10
  • 阅读1177

政务数据中心公共数据管理体系研究

公共数据是指国家机关、事业单位经依法授权具有管理公共事务职能的组织以及供水、供电、供气、公共交通等提供公共服务的组织(以下统称公共管理和服务机构),在履行公共管理和服务职责过程中收集和产生的数据。如何统筹规划、合理管理公共数据资源,让公共数据通过合法合规的途径释放价值成为发展大数据产业、驱动数字经济增长的关键所在。

  • 2024-05-09
  • 阅读523

2024十大央国企数字化标杆案例集(98页)

我们希望通过这些央国企数字化标杆案例的展示,能够为其他在数字化转型的道路上摸索前行的企业提供有益借鉴。最后,我们要感谢广大读者的关注和支持,也期待未来能够有更多优秀数字化案例加入到这个集合中来,共同推动数字化转型与创新的深入发展。

  • 2024-05-09
  • 阅读842
  • 下载10
上一页 1 …… 1626316264162651626616267162681626916270162711627216273 …… 16664 下一页 共 133305 条


立即登录

没有账户,需要注册

登录用户可享受以下权益
  • 免费下载方案
  • 服币提现
  • 发布方案得服币
  • 交易分成

精品推荐

人工智能大模型分类体系、技术特点及主流厂商概览

语言模型、视觉模型、语音模型、视频模型、时序模型,分别对应文字、图像、声音、视频、连续传感器数值,通用大模型,垂类大模型,AI

  • 阅读102
  • 下载2

工业时序基础大模型技术发展综述

时序大模型是面向时间序列数据的基础大模型,以 Transformer 等架构为核心,通过在海量多领域时序数据上进行预训练,学习时间维度上的通用模式、周期规律与长距离依赖关系。区别于传统时序模型针对单一任务单独训练,时序大模型具备强大的迁移能力,只需少量样本微调或零样本提示,即可适配时序预测、异常检测、缺失值补全、时序分类等下游任务。在工业场景中,它能够直接处理传感器、设备测点产生的海量时序信号,挖掘设备状态演变规律,支撑设备故障预警、工况识别与生产趋势预判,为工业智能落地提供底层模型能力。如:中服云的CServerAIR

  • 阅读939
  • 下载8

2026“人工智能+”行业发展蓝皮书

2025年,全球人工智能市场规模达到3909亿美元,中国人工智能核心产业规模突破9000亿元。AIAgent细分市场以49.6%的年复合增长率高速扩张,制造业应用大模型的企业比例在一年之内从9.6%跃升至47.5%。从2024年初,中国日均词元(Token)调用量为1000亿;至2025年底,跃升至100万亿;2026年3月,已突破140万亿,两年增长超千倍。这些数字背后,是一场深刻变革的加速到来-人工智能正在从"能力突破"走向“系统重构”。

  • 阅读2744
  • 下载8

中服云能碳管理平台V5.0

中服云能碳管理系统依托中服云工业物联网底座打造,聚焦工业企业能耗管控与碳资产管理需求。 系统整合水、电、气、热等多类能源数据,实现用能实时采集、集中监测、智能分析。 依托数字化手段精准核算碳排放总量,助力企业摸清碳排底数、合规完成台账管理。 通过节能诊断、能耗优化策略推送,有效降低生产能耗与运营成本。 全方位赋能企业绿色低碳转型,筑牢安全生产与节能减排双重发展防线。

  • 阅读3174
  • 下载14

最新上线

超硬材料智慧园区方案

超硬材料制品是典型的“材料—工具”型制造:金刚石刀头、锯片、工程钻、磨轮,最终用在石材与建材加工、路面与混凝土切割、玻璃与陶瓷、半导体与蓝宝石加工。产品小批量、多品种,工艺链却很长。 这条工艺链把同一道围墙切成几段:压制、烧结、焊接、磨削与检测分散在不同厂房,一段停摆,整批报废。以下痛点与解法取自一座已投运的园区平台,数据为界面实测值,企业名称脱敏。

  • 阅读32
  • 下载0

中服云工业物联网平台在印刷装备制造行业的应用

印刷机械是装备制造中比较典型的一类产品:单机价值高、定制化程度高、客户分散在全国各地的包装与印刷车间,一台凹版印刷机开机就是十几年。设备卖出去了,服务却要跟十几年——这是行业共同的结构性难题,也是工业物联网在装备制造领域最容易见效的地方。 本文以一个真实的落地样本为观察对象:一家印刷机械制造企业把 178 台在役设备接进了自己的远程运维系统,系统的底座选用中服云工业物联网平台的设备版。下文按“行业之困、平台解法、落地成效、可复制经验”四步展开。

  • 阅读56
  • 下载0

中服云数字孪生系统在石油和天然气开采业的应用案例(痛点·方案·成效)

石油和天然气开采业的生产对象在地下,管理的关键环节在地面。从井口到计量间,从转油站、联合站到外输与处理装置,油气田用“井—站—管网”的骨架把分散的资源汇集起来,联合站是这条骨架上设备最密集、工艺最连续、安全要求最高的节点。 这类站场大多已经上了SCADA,数据并不缺。问题在于数据上来之后,新的麻烦更清楚了:设备家底说不清,画面说不清位置,报警说不清先后。本文按“痛点—解决方案—成效”的顺序,说明中服云物联网平台与数字孪生平台如何分工配合,逐条解决这些问题。

  • 阅读63
  • 下载0

中服云物联网与数字孪生平台在油气作业现场的应用

油气田的地面作业现场有一个共同特征:设备搬着走、电源跟着换、负荷忽高忽低。钻修井井场靠网电、柴油发电机组、储能、光伏凑出一套临时电力系统;压裂井场更极端,几十台电驱压裂泵并联运行,瞬时功率爬升快,砂罐、混砂、供液、仪表车密集停放,作业段集中、单段时长以小时计。 这两类现场的管理难题是同一类:能耗与碳排放算不清、设备状态看不见、峰值容量报不准、多能协同靠经验。中服云用同一套工业物联网平台加数字孪生平台,把这两类现场做成了可以被“看懂、算清、考核”的对象。本文以已投运的钻修井现场为实测样本,说明平台在野外作业领域的典型应用,并给出向压裂井场复制的路径。

  • 阅读58
  • 下载0
  • 关于我们

    电话:029-8838-6725

  • 新闻资讯

    企业简介 新闻动态 品牌实力 代理合作 诚聘英才 联系我们

  • 中服云

  • 工业互联网风向标

  • 在线咨询

西安/北京/南京/重庆/合肥/厦门/甘肃 地址:陕西省西安市雁塔区鱼跃工业园慧康生物科技产业园7楼 电话: 029-8838-6725

版权所有 @ 中服云 陕ICP备11002812号
  • 扫码咨询

    或

    点击立即咨询
  • 客服咨询

  • 用手机扫二维码

    或

    复制当前地址

  • 问题反馈 中服大讲堂 客服电话

方案库赚钱指南