MEMO/MEFS始终坚持应用技术落地赋能实体经济的价值导向

　毫无疑问，我们在拥抱大数据时代，数据资源正变得越来越重要。2019年，我国已经正式将数据作为同劳动、资本、土地、知识、技术、管理同等重要的七大生产要素之一。但如何管理大量交易数据，保障交易安全以及如何准确进行身份认证，正确使用电子签名，保障数据的真实性等等，这些问题对于传统互联网来说，都存在极大挑战。

2022-01-10
阅读157
下载0
6页
docx

车联网C-V2X技术标准的十大优势

尽管车联网已经发展了数十个年头，但是车联网技术标准却尚未形成统一的局势。目前，对车联网至关重要的底层连接技术存在两大阵营——DSRC与C-V2X，未来将是一种技术一统江湖还是两种技术分庭抗礼仍然是业界讨论的焦点。

2022-01-10
阅读148
下载0
6页
docx

C-V2X标准、技术和芯片助力智能驾驶加速落地

自动驾驶技术发展战略目前主要有两条技术路线：一条是发展较早的“单车智能”自动驾驶方案；另一条是中国引领的“车路协同”自动驾驶技术方案。随着激光雷达、毫米波雷达、自动驾驶高算力芯片等的不断成熟，目前已有越来越多的新车采用“单车智能”方案实现了L2甚至是L3级自动驾驶功能。

2022-01-10
阅读147
下载0
9页
docx

从生物演化角度看自动驾驶发展路径

为推进车联网产业发展，特邀请业内专家学者共同建言献策，推出“车联网百家谈”系列。作为本系列第一期，周玉山博士和欧先国先生提出从生物演化角度看自动驾驶发展路径，“L0-L5仅表达了当前主流的人-车维度分级方式，我们还可以引入道路、网络、法规等因素，形成更为复杂的方案配比，提供更多的路线选择”，“L5不是自动驾驶唯一最佳的终极目标”，未来只要能演化成功的自动驾驶路径都应该是合理的，比如“20%人，30%车，50%路”，而不是盲目追求最聪明的车。期待通过作者独特的视角和观点，带给读者不一样的启发。

2022-01-10
阅读144
下载0
9页
docx

谈谈车路协同的路侧精准感知技术

交通传感器主要是实现路况环境的数据信息采集，为路侧感知网络提供原始数据。现有交通传感器主要分为两大类：第一类是传统的传感器，包括感应线圈、截面雷达和地磁钉等，这些设备仅可以获得某一截面或瞬时的车辆所在车道和车速信息。第二类是交通目标传感器。

2022-01-10
阅读148
下载0
7页
docx

车路协同若干痛点问题的思考

车路协同当前依然处于发展初期，具体实现的技术、商业模式、建设模式都还在探索尝试。正是这种不确定性，带来了车路协同产业发展的丰富性和多样性。面对多样性，必然会带来的很多困惑和质疑。笔者试图基于第一性原理来讨论几个车路协同产业发展的痛点问题：

2022-01-10
阅读143
下载0
8页
docx

5G通讯技术在V2X中的应用

V2X（VehicletoEverything车辆与万物互联）技术，此技术通常指拥有先进的高精度传感器、车载控制器和执行机构等设备的车辆，结合无线通讯技术和网络技术的科技融合，通过这样科技融合可以实现车与道路、车辆、行人等任何事物进行通讯，利用多方面，多维度的信息融合处理，感知或识别人、物体和环境的状态，再通过共享、信息交互和智能决策等手段实现车与车、车与人、车与道路、车与万物之间的协同控制，通过V2X通信，车辆能够自主地与附近其他车辆和路边基础设施通信，获得实时路况和道路信息以及行人信息等一系列交通信息，从而实现汽车的安全高效行驶，减少交通事故的发生，提高道路利用率，缓解交通压力以及提供道路安全紧急救助信息和丰富的娱乐信息，以提升驾驶体验，从而使车辆拥有更高效的、更节能、更舒适、更安全驾驶体验。是未来新一代汽车的必备配置。

2022-01-10
阅读142
下载0
6页
docx

C-V2X在3GPP标准中的演进

对于更高水平的自动驾驶的实现，安全是一个首要的问题。在全世界每年超过100万的道路死亡人数中，估计其中98%是由人为错误造成的。通过C-V2X和CAV（Connected Automated Vehicles）消除或大大减少人为因素，可以帮助实现零死亡甚至可能是零事故。另一个关键问题是效率和其他环境目标。一个高效的运输系统可以缓解车辆拥堵，并最大限度地减少整体碳排放，因为行驶的时间减少了。另一个好处是提高生活质量，曾经专注的司机现在可以把时间花在其他更有成效和放松的活动上。还有那些可能患有身体损伤或残疾的人，有了C-V2X和CAV，这些人可以恢复旅行的自由，否则他们就无法驾驶。

2022-01-10
阅读160
下载0
8页
docx

上一页 1 …… 1546 1547 1548 1549 1550 1551 1552 1553 1554 1555 1556 …… 2884 下一页共 23066 条



立即登录

没有账户，需要注册

登录用户可享受以下权益

免费下载方案
服币提现
发布方案得服币
交易分成

精品推荐

工业时序基础大模型技术发展综述

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

阅读638
下载8

2026“人工智能+”行业发展蓝皮书

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”。

阅读2418
下载8

中服云能碳管理平台V5.0

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。

阅读2860
下载14

中服设备健康管理系统产品介绍

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。

阅读2597
下载10

最新上线

2026工业网络现状报告

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。

阅读37
下载0

2026金融智能体可信互联研究报告

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。