2015年5月26日,习总书记莅临海康威视进行视察,对公司的创新及人才策略给予了充分肯定。总书记指出,企业持续发展之基、市场制胜之道在于创新,各类企业都要把创新牢牢抓住,不断增加创新研发投入,加强创新平台建设,培养创新人才队伍,促进创新链、产业链、市场需求有机衔接,争当创新驱动发展先行军。
建设集中汇聚、高度融合、及时更新、切实可用的数据资源中心完善数据资源“三清单一录”,推动数据资源汇聚,提高数据质量,提升城市数据综合治理能力。数据采集交换传输、存储管理、分析处理、应用支撑、全景等功能于一体。数据中枢定位向上层应用提供数据服务,涵盖基础支撑、数据采集、数据标准、数据融合、数据应用和数据运营能力。
Apache F就是近些年来在社区中比较活跃的分布式处理框架,加上阿里在中国的推广,相信它在未来的竞争中会更具优势。F的产生背景不过多介绍,感兴趣的可以Google一下。F相对简单的编程模型加上其高吞吐、低延迟、高性能以及支持exactly-once语义的特性,让它在工业生产中较为出众。相信正如很多博客资料等写的那样"F将会成为企业内部主流的数据处理框架,最终成为下一代大数据处理标准。"
5GNR可以覆盖各种复杂通信场景的5G网络使用需求。比如,n79频段主要覆盖“演唱会、体育赛事、商场超市”等人群密集场景;而n1频段则主要覆盖“县城、农村等广覆盖区域”,提供更稳定的5G网络体验; n28频段是中国第四大移动运营商中国广电”的5G颜段,可以多一种运营商的选择。
处理由于帧偏置和子帧配比设置错误、GPS失步导致的系统内干扰:处理5G频段范围内4G未清频的D频段小区;处理D频段外部干扰及由于设备故障导致的干扰。济南市地处华东地区、山东省中西部,为山东省省会、环渤海地区南翼的中心城市和京沪经济轴上的重要交汇点。做为全国52个建设5G实验网的重点城市之一,目前济南市已开通5G站点为1423个,小区数为4324,采用NSA Option 3X组网模式,使用的频率主要是2.6G。站点主要分布于城区,少量分布于下辖县城。
语音是用户之间的重要沟通媒介,C端用户和B端用户之间可以通过电话、音视频通话建立连接,销售和客服人员会通过呼叫中心与客户进行电话沟通,这些场景下会产生海量的语音数据,这些语音数据具备巨大的挖掘价值。我们打造了一套智能语音分析平台(代号“灵犀”),基于自主研发的语音识别技术将通话录音转换为文本,使用自然语言理解技术对通话文本进行挖掘,并进一步构建了语音质检、用户画像等应用。
4G宏站设备形态相对单一, 5G由于多场景,高功耗,需要场景化精准适配的多形态方案,减少TCO,采用导频信道直接资源打孔的方式,在NR接入前的系统消息中不发送对应的LTE CRS,覆盖下降1.3dB,量下降5-10%。采用MBSFN发送,不消耗CRS资源,规避NR与LTE干扰,保障用户体验。
MIDIS主要完成AV系统中的五大工作:处理、传输、控制、管理、存储。MIDIS是业界最早集成音频、视频、控制同网同步传输的可视化管理系统。同时支持与多媒体信息 有关的第三方平台对接(如监控、视频会议等) , 汇聚所有多媒体信息进行统-平台化一站式解决方案。
没有账户,需要注册
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
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
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”。
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。
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。
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。
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。
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。
扫码咨询
或
客服咨询
用手机扫二维码
复制当前地址
方案库赚钱指南