输电导线是电力系统中重要的组成部分，输电导线缺陷将影响电力系统运行。因此提出了基于改进YOLOv7算法的输电导线缺陷检测方法。首先，提出了一种自动扩充数据集的方法，可以使用少量图片建立输电导线缺陷数据集；其次，提出了一种轻量化自注意力主干网络，对YOLOv7的主干网络进行替换，并使用BiFPN进行特征融合。实验结果表明：所提出的改进后的YOLOv7算法将精准度从原本89.4%提升到97.5%；同时，算法将检测速度提升了约60.49%，FPS从原有的52.36帧提升至84.03帧，可以做到对输电线路的实时检测，降低了输电导线缺陷的误检漏检率，提升了检测速度，提高了巡检效率。
城市楼宇是有效促进电能节约和合理利用的场所，有利于加快发展低碳经济。从经济性和可接受度两个方面着手，提出了一种智能楼宇电力负荷的多目标优化模型。首先，针对可转移负荷和可缩减负荷建立与时间/负荷相关的指标，用于描述用户参与负荷调节的接受度。然后，以统计周期内负荷峰谷差率最小、可接受度最高、电费最低为目标，建立楼宇负荷组合数学优化模型。最后，基于连续型Hopfield神经网络（continuous Hopfield neural network，CHNN）进行模型的求解。算例分析表明，多目标优化结果能实现用电可接受度条件下有效降低用电费用。
2013 年 12 月 4日工信部宣布向三大运营商发放4G 牌照，根据工信部的公告，我国发放4G 牌照，三家运营商将同步获得首批 4G 牌照，为 TD-LTE 制式。对于为何向三家运营企业只发放 TD-LTE 牌照，工信部发布了相关解读，并称“工信部收到三家运营企业申请 TD-LTE 牌照的相关材料,并且三家运营企业均已开展 TD-LTE 规模网络试验TD-LTE技术完善和产业发展的成熟程度已具备规模商用的条件”
“十四五”期间，国家大力发展数字经济、推进数字产业化和产业数字化，数字化转型已成为各行各业的“必修课”。“数字化转型”专题报道将从多角度剖析制造企业数字化转型的现状、发展与未来，汇编发布一系列富有价值的专家观点和企业案例文章。通过标杆企业示范引领，带动产业链数字化转型，赋能制造业高质量发展。
中国工程院院士谭建荣围绕“中小企业智能制造推进的关键问题与模式路径”作了题为《智能制造与智能装备：关键技术与发展趋势》的主题演讲。
目前市场上已有一些风控相关的研究报告，总结下来可以分为两类：一类是以大数据为主要研究对象的大数据风控，一类是针对个人信贷业务风控开展研究。第一类报告中讨论的大数据只是智能化技术的一种，并不完全等同；第二类报告研究范围局限于个人信贷业务，而在信贷业务中，个人信贷和企业信贷的市场需求和风控逻辑完全不同，企业信贷风控的领域被过分忽视。亿欧智库认为业内需要一份定义明确、研究范围清晰全面、有翔实落地案例作为行业发展现状佐证的研究报告，因此，推出了《2018中国智能风控研究报告》。
气阀工作状态的好坏是压缩机技术发展的核心问题之一，往复压缩机有60%以上的故障发生在气阀上。据某石化公司炼油厂对循环氢压缩机的故障统计，气阀故障引起的停机次数占总停机次数的85%以上。
精益创业（美） 埃里克·莱斯
没有账户，需要注册
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。
中服设备健康管理系统依托中服云工业物联网架构搭建，面向工业全品类设备运维场景。 融合实时数据采集、状态监测、故障诊断核心能力，全天候掌握设备运行动态。 通过边缘计算与 AI 算法分析设备隐患，实现从被动维修向预测性维护升级。 有效降低设备故障率、减少停机损失，简化线下运维管理流程。 助力工厂实现设备数字化管控，保障产线高效、稳定、安全运行。
十多年以来，关于工业网络的讨论一直围绕着数据表现展开。诸如"哪种协议的市场份额在上升?哪种在下滑?哪种标准最终将胜出?"这类问题固然依旧关键，您也可以在本报告第4页的年度市场份额数据中找到最新解答。然而，如今任何深耕工业自动化领域的专业人士都清楚，行业关注的核心问题已经发生了转移。
在国务院《关于深入实施“人工智能+”行动的意见》指导下，众多企业加速推进人工智能应用落地，并积极探索智能体的潜在价值，2025年由此成为智能体发展的元年。2026年5月，中国人民银行等四部门印发《关于“人工智能+金融”的实施意见》，推动人工智能与金融行业广泛融合。为支撑跨模态、跨模型、跨机构、跨行业的复杂任务协同，满足金融业“开放、融合、高效”的发展诉求，智能体正从单一模式朝着多智能体协同与互联互通的方向演进。在此背景下，智能体通信协议迅速发展。
调查显示，库存、市场需求、从业人员分指数均环比下行，平均日销量与经营状况分指数小幅回升。终端市场需 求动能偏弱，消费者持币观望情绪依旧，缺乏重磅利好激活市场。
本白皮书围绕Coactive:Interactive x Proactive 双态协作展开，依次讨论行业洞察、愿景与顶层架 构、智能主体、环境感知、认知底座、元进化、企业可信落地与应用场景，形成从协作范式到系统实 现、价值验证和可信治理的完整论证。
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
