2016 年，语雀孵化自蚂蚁科技，当时，蚂蚁金融云需要一个工具来承载它的文档，负责的技术同学利用业余时间，搭建了这个文档工具。项目的初期，没有任何人员和资源支持，同时也是为了快速验证原型，技术选型上选择了最低成本的方案。
进行了SiC/6061复合材料真空辅助压铸试验，研究了表皮层和不同壁厚试样内部孔洞的形成机理，并探讨了其对试样力学性能的影响。结果表明，不同壁厚试样均存在厚度约为0.5 mm的表皮层，2 mm壁厚试样以分散的气孔为主，壁厚增大为4 mm后，孔洞转变为以气缩孔为主，并形成了大尺寸缩孔，孔洞集中于试样轴线心部区域。拉伸过程中，大尺寸缩孔易诱发试样脆性断裂，而处于表皮层中的颗粒易引起表皮层脆性破坏，导致试样力学性能下降。
文中主要介绍了光泽的定义、光泽的测定及分级、消光原理、消光方法和消光树脂的应用范围，并且着重从紫外光（ＵＶ）固化消光涂料、粉末消光涂料、水性消光涂料三大涂料领域对消光树脂的研究现状及进展进行了系统的论述。
开发了适用于羟烷基酰胺（Primid）固化干混消光粉末涂料用的高、低酸值聚酯树脂。研究了高、低酸值聚酯树脂制备成粉末涂料之后烘烤形成的涂层和按质量比50∶50干混后烘烤形成的涂层的机械性能、耐水煮性和耐热性。 结果表明:该Primid固化体系干混光泽可以达到25～35，表面流平性和细腻度佳，机械性能和耐水煮性能优异，可以部分替换异氰脲酸三缩水甘油酯（TGIC）固化型粉末涂料。
基于计算机视觉的金属材料表面缺陷检测是冶金工业领域的研究热点。在金属制造行业中，高标准的平面质量要求自动视觉检查系统及其算法的性能必须不断提高。本文基于对钢，铝，铜板和带钢的一些典型金属平面材料产品的160多种出版物的综述，试图对二维和三维表面缺陷检测技术进行全面的综述。根据算法的属性和图像特征，现有的二维方法分为四类：统计方法，光谱方法，模型方法和基于机器学习的方法。在三维数据采集的基础上，三维技术分为立体视觉，光度立体，激光扫描仪和结构化光测量方法。本文将分析和比较这些经典算法和新兴方法。最后，对视觉缺陷检测的剩余挑战和未来的研究趋势进行了讨论和预测。
绿盟科技集团股份有限公司 （ 以下简称绿盟科技 ）, 成立于 2000 年 4 月 , 总部位于北京。绿盟科技在国内设有 40 多个分支机构 , 为政 府、运营商、金融、能源、互联网以及教育、医疗等行业用户 , 提供全线网 络安全产品、全方位安全解决方案和体系化安全运营服务。公司在美国 硅谷、日本东京、英国伦敦、新加坡设立海外子公司 , 深入开展全球业务 , 打造全球网络安全行业的中国品牌。
当前，5G技术正在加快与北斗、采矿工业物联网、人工智能、大数据和数字孪生等技术融合。研究了基于“5G+工业互联网”的采矿行业智能化技术体系：通过“云物大智移”与井工矿、露天矿的生产、管理、服务应用场景深度融合，提出采矿智能化的顶层设计，并重点介绍基于数字孪生的人机协同系统和数智中台的设计，推动采矿行业生产进入智能化阶段。通过实际研发应用，证明“5G+工业互联网”满足采矿作业要求和智能化要求,对提高矿山作业安全、生产效率和质量产出效果显著,应用数字孪生和数智中台技术能够更加逼真、更加智能、更加有效、更加安全地提升矿山整体经济效能，同时也为该技术体系的深入研究提供参考。
大数据时代，数据间的关联蕴藏着重要的商业价值，如何在海量数据中挖掘关联信息是企业的一大挑战，图数据库应运而生并飞速发展。围绕图数据库，介绍了基础定义、技术架构、图数据库计算特点等概念，梳理了国内外图数据库产业侧的发展现状，最后总结了图数据库技术未来发展趋势。
没有账户，需要注册
母公司公司的总目标是什么?母公司要求该业务单位做什么?将业务单位的定位是什么(基础业务还是边缘业务)
随着人工智能的迅猛发展，知识图谱与大模型作为两大核心研究领域，各自彰显出独特的技术优势。知识图谱以结构化方式精准刻画实体关联，为知识表示与推理提供了可解释的框架;大模型则凭借海量数据训练展现出卓越的自然语言理解与生成能力，具备强大的泛化学习性能。
国内重点工业物联网平台四类厂商分类及选型指南
工业物联网平台发展重点： 一是行业深耕化，从通用型平台向“一米宽、百米深”的行业垂直平台转型，聚焦能源、交通、化工等领域的特定需求，沉淀场景化解决方案与行业Know-how，而非追求“大而全”的覆盖能力。 二是智能融合化，工业大模型与平台深度结合，实现工业知识的智能化重构、应用开发的低代码化升级，以及生产运营的自感知、自决策、自优化闭环管控，AI成为提质增效的核心变量。 三是生态协同化，平台不再是单一技术载体，而是串联产业链上下游的协同中枢，通过跨系统数据融合、产学研用金深度合作，形成“数据-算力-应用”的生态闭环，赋能供应链协同与产业集群升级。 四是部署灵活化，采用“平台化产品+私有化部署”结合的模式，兼顾中小企业轻量化需求与大型集团定制化诉求，支持公有云、私有云、边缘端的混合部署，平衡成本与安全性。
5G+大模型智慧工业园区解决方案5G+大模型智慧工业园区解决方案5G+大模型智慧工业园区解决方案5G+大模型智慧工业园区解决方案5G+大模型智慧工业园区解决方案5G+大模型智慧工业园区解决方案
IT运维项目ITSS运维方案实施汇报IT运维项目ITSS运维方案实施汇报IT运维项目ITSS运维方案实施汇报IT运维项目ITSS运维方案实施汇报IT运维项目ITSS运维方案实施汇报IT运维项目ITSS运维方案实施汇报
CNESA中国能源研究会储能专委会 China Energy StoregeAliance 中关村储能产业技术联盟 新型储能产业发展现状及趋势 暨CNESA DataLink 2025年度储能数据发布 中关村储能产业技术联盟 2026年1月
随着大模型技术的迅猛发展，数据集作为人工智能核心三要素之一，在算法趋同、算力普惠的竞争环境中正在构建难以复制的差异化壁垒。人工智能发展正在进入“数据驱动”新阶段，高质量数据集的建设不仅是提升AI模型性能的关键，也是推动“人工智能+”行动落地的重要保障。然而现阶段，大量机构在高质量数据集建设中面临目标定位模糊化、实施路径碎片化与技术底座薄弱化三重挑战，不知道需要什么数据集、如何建设数据集、怎样评估数据集质量，制约了人工智能应用落地。《人工智能高质量数据集建设指南》正是在此背景下启动起草，旨在为业界建设高质量数据集提供有实操价值的指导和参考.
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
