腾讯,kona,jdk,数据,科学实践
以物联网技术赋能区域医疗体系
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》。
随着监管政策趋严以及金融科技平台的加入,海外供应链金融呈现出新的发展趋势:一些新兴经济体逐步加入全球供应链金融中,成为供应链金融市场新的增长点,供应链金融业务全球化的程度进一步加深;随着有融资需求的供应链企业增多、融资申请被拒的中小企业增幅明显,需要得到供应链金融服务的中小企业比例加大,供应链金融的参与者进一步多元化;近年来供应链金融平台持续加大平台科技建设的资金投入,印证了供应链企业对于金融科技数字化的需求正在不断增加
报告梳理了处方外流背景下药品零售终端变革的逻辑和趋势,分析院外药品零售终端布局处方外流的三大核心竞争力——处方能力、供应链能力和患者服务能力,并主要从连锁药店、DTP药房、医药电商这三个细分院外药品零售终端切入,探究院外终端应如何把握机会,享受处方外流红利。 其中,圆心科技作为院外终端创新布局处方外流市场的典型案例,入选本次报告。
北京金融科技研究院携手清华大学互联网产业研究院、北京金融科技与专业服务创新示范区、爱保科技、毕马威、英诺天使基金、中科院资本等科研机构发布《2020中国保险科技洞察报告》
基于物联网技术的智慧物流园区研究
正如科技行业的老笑话所说:“X是技术的未来,永远都是!”但这并不完全正确。2020年,我们预测此前长期延迟问世的各项技术将最终登台亮相,投入使用。在发展较晚的技术中,《科技、传媒和电信行业预测》报告所关注的代表技术是针对低延迟宽带互联网的低轨卫星系统。
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