中国大陆为全球半导体材料第二大市场,2022年占比为17.84%,然而国产厂商在多类材料的自给能力低且主要为低端产品。在半导体全产业链国产化的大背景下,半导体材料国产化迫在眉睫。
受疫情影响, 可 选消费快速下滑,而必 选消费表现坚挺。可 选消费品是指像房地产、汽车、家 电、纺服等非刚性需求产品, 人 们视情况置办或更换:必 选消费品是指人们生活中通常必须要满足或使用的消费品,如食品、医 药等。
跳频通信系统是一种典型扩展频谱的通信系统,它在军事通信、移动通信、计算机无线数据传输和无限局域网等领域都有着十分广泛的应用,已成为当前短波保密通信的一个重要发展方向。本次课程设计介绍了跳频扩频的基本原理,并对跳频通信的抗干扰技术及其性能进行了探讨研究。从理论上分析了跳频通信系统的抗干扰性能,共涉及信号生成部分、发送部分、接受部分、判决部分、跳频子系统五个模块。最后,利用matlab 编程,完成了一个完整的跳频扩频系统的设计方案,达到了预期效果。
随着数字孪生和应用的不断深入,逐渐认识到需要将有公共需求的数据和相关数据处理能力统一起来形成数字孪生建设的“数据中台”来实现数据有效管理、共享与应用,打破各行业和部门信息孤岛的壁垒进而支撑数字孪生城市整体建设。
近年来,随着人们对能源的需求剧增,石油价格持续攀升,能源短缺和环境污染问题已对我国经济的可持续发展带来严峻的挑战。因此,寻找替代能源、开展可再生能源的研究,对于维护国家的能源战略安全、减少环境污染具有十分重要的意义。本文介绍了目前集中以生物质制取氢气的方法。
本门类包括 13-43 大类。指经物理变化或化学变化后成为了新的产品,不论是动力机械制造,还是手工制做;也不论产品是批发销售,还是零售,均视为制造建筑物中的各种制成品零部件的生产应视为制造。但在建筑预制品工地,把主要部件组装成桥梁、仓库设备、铁路与高架公路、升降机与电梯、管道设备、喷水设备、暖气设备、通风设备与空调设备,照明与安装电线等组装活动,以及建筑物的装置,均列为建筑活动。 在主要从事产品制造的企业(单位)中为产品销售而进行的机械与设备的组装与安装活动,应按其主要活动归类,
信息化浪潮席卷全球的背景下,全球网络安全事件频发。2023年发生的创记录的数据泄露、勒索软件、零日漏洞、间谍软件和供应链攻击事件为2024年全球网络安全威胁态势定下了主旋律和基调,同时也为网络安全专业人士制定风险管理策略和目标提供重要参考。
大模型技术所带来的突破以及商业化前景促使全球进入AI竞赛,其中,美国在A1领域依旧担当着创新者和引领者的身份。大模型的发展依托于强大的算法、庞大的数据量以及巨大的算力支撑,当下大模型逐步从单模态走向多模态,对于以英伟达GPU为代表的算力需求快速爆发,全球范围内算力芯片的供需缺口一定程度上降低了多模态大模型的发展速度,但依旧无法阻止A1技术向前演进以及商业化逐步落地,因此而对国内外算力产业链带来了巨大的发展机遇。国产算力同样面临着巨大的需求,但却要面对高端GPU芯片无法进口的局面,进而为国产厂商崛起带来了发展机遇。
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