炼钢是指控制碳含量(一般小于2%),消除P、S、O、N等有害元素,保留或增加Si、Mn、Ni、Cr等有益元素并调整元素之间的比例,获得最佳性能。
碳排放量是指在生产、运输、使用及回收该产品时所产生的平均温室气体排放量。而动态的碳排放量,则是指每单位货品累积排放的温室气体量,同一产品的各个批次之间会有不同的动态碳排放量。
近年来,RCS发展进程明显加速,全球RCS商用案例剧增,截至2020年9月,全球已有90家运营商实现RCS商用,预计2021年RCS服务的总市场价值将达到740亿美元。对运营商而言,发展RCS业务主要有两种模式:一是运营商自行部署基础设施,二是使用谷歌等操作系统厂商的平台。
2021年自动驾驶正加速向L3买进。2020年L3级 自动驾驶开始普及已成为行业共识。2021年作为自动驾驶技术进入L3等级的元年,是自动驾驶技术发展的重要节点。 全球自动驾驶迈入商用探索新阶段。我们预计2024年全球L1-L5级自动驾驶汽车出货量有望突破5000万.据百度Apollo智能交通白皮书,预计2035年后可完全实现无人驾驶。
一、基带芯片行业概述 1.1 基带芯片概述 1.2 从1G到5G,基带性能和复杂程度提升 1.3 从1G到5G,基带市场走向寡头、自研 1.4 基带发展趋势研判 二、从龙头看行业发展方向——高通:5G基带+射频前端+毫米波 2.1 高通公司概况 2.2 高通因商业模式陷入反垄断诉讼 2.3 “基带+射频前端+毫米波”三位一体 三、国内基带芯片发展格局
半导体是国民经济之重 集成电路进口额远超原油 2019 年中国集成电路进口额 3055 亿美元,原油进口额 2387 亿美元,并且集 成电路进口额还在持续增长。 过去 10 年集成电路进口额扩大 2.4 倍,原油进口额扩大 1.8 倍。 过去 5 年集成电路进口额扩大 1.4 倍,原油进口额扩大 1.05 倍
在智能网联汽车产业大变革背景下,软件定义汽车理念已成为共识。传统汽车采用 的分布式 E/E 架构因计算能力不足、通讯带宽不足、不便于软件升级等瓶颈,不能满足 现阶段汽车发展的需求,E/E 架构升级已成为智能网联汽车发展的关键。
1、通过浅析工业机器人发展历史,我们发现德国与日本工业机器人行业发展成功离不开三要素,缺一不可。1)劳动力短缺是工业机器人产业发展的核心原动力。2)强劲的下游需求是工业机器人发展的推进剂。3)政府政策的支持与引导是工业机器人发展的强力后盾。 2、我国现状与日德两国工业机器人发展初期极其相似。1)人口老龄化加剧,劳动力供给下降而成本攀升,我国劳动力成本已与工业机器人成本相当。2)随着我国人口结构发生变化,下游行业亟需升级,包括汽车、3C、金属加工、家电、食品等行业产线自动化改造和升级需求巨大。3)我国提出制造 2025 顶层设计及配套文件支持工业机器人发展和产业转型升级。“天时、地利、人和”,我国工业机器人产业将进入高速发展期。
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