作为新兴技术，区块链在新型智慧城市诸多领域具有较大潜力。在基础设施方面，运用区块链技术可探索实现信息基础设备间数据信息的高效交换，提升信息基础设施协同能力。在数据资源方面，借助区块链自身数据不可篡改、可溯源等特性，有望打破原有数据流通共享壁垒，提供高质量数据共享保障。在智能应用方面，依托区块链提供的更加可信的合作环境已经涌现出一批“只需跑一次” 、“数据多跑路”、“精准服务”等亮点应用。中国信息通信研究院智慧城市研究小组与可信区块链团队共同组织编写了《区块链赋能新型智慧城市白皮书》（2019 年）。本白皮书阐述了新型智慧城市发展现状，提出了当前新型智慧城市发展面临的挑战，分析了区块链特点与赋能应用场景，剖析了区块链赋能在部分城市中的探索实践，并提出相应发展建议。
南方电网科学研究院院长蔡希鹏教高作了题为“电网覆冰监测预测技术创新实践”的主旨报告。？ ？ 征得蔡院长同意，特与您分享！
本文的研究背景在于实际工业应用中，深度学习模型的推理速度直接影响到工业生产的效率。因此，在日益增长的生产效率需求下，实现表面缺陷实时检测的轻量化方法是一项重要的任务。然而，现有的大多数像素级检测方法要么采用巨大的计算开销来学习丰富的特征，导致推理速度慢；要么在应用于不同的工业表面缺陷场景时性能下降。 为了解决这些问题，本文提出了一种高效的针对表面缺陷实时检测的设计（Efficient Targeted Design, ETD），它包括两个分支：一个高效的特征增强分支，通过全局聚合模块（GAM）和跨尺度引导模块（CGM）逐步增强缺陷特征；以及一个轻量级边缘后验分支，用于隐式地指导网络捕捉更详细的信息。 此外，由于大多数缺陷检测模型是为特定的工业环境设计的，因此在不同环境中性能可能会下降。探索具有高泛化性能的模型将大大减少工业缺陷检测的复杂性。因此，本文特别设计了一个轻量级模型以降低模型结构复杂度，提高模型的推理速度，并增强模型的通用性。该模型旨在平衡精度与速度，并结合高精度与高速度架构的优势，构建一个兼顾准确性和速度的框架。同时，该模型还针对工业表面图像的一些通用特性进行了优化，如缺陷图像对比度低、缺陷尺寸变化大以及缺陷区域与非缺陷区域纹理相似等挑战。
本文提出了一种基于TrCNN的多尺度域自适应方法，用于数据稀缺情况下的故障诊断。源域诊断模型采用Trans-former和CNN序列结构，在全局和局部捕获原始数据的互补诊断信息，有助于域自适应，同时提高源域故障诊断的准确性。我们提出了一种多尺度分布对齐框架MTCDAN，通过学习包含更多信息的多个域不变表示来补偿单结构分布对齐方法中的信息损失。通过TE过程和TFF实例验证了该方法的有效性和优越性。然而，由于仅考虑两个域标签空间相同的情况，本文提出的方法仍然受到限制。在我们未来的工作中，我们将进一步研究目标域中发生未知故障时的分布对齐策略，其中如何识别未知故障将是我们工作的重点。
在《SRE:Google运维解密》中,Google SRE的关键成员解释了他们是如何对软件进行生命周期的整体性关注的,以及为什么这样做能够帮助Google成功地构建、部署、监控
三菱电机集团是全球领先的技术企业,面向楼宇,工厂,家庭等展开多样化服务,包括空调冷热系统,电力设备,社会公共设施及企业可视化节能系统等。
国家数据局局长刘烈宏表示，将建立健全国家数据标准化体制机制，研究成立全国数据标准化技术委员会，统筹指导我国数据标准化工作，加快研究制定一批数据领域国家和行业标准。 刘烈宏说，数据工作是开创性工作，将切实提升创新力，加快数据学科体系和人才队伍建设，选择有较好基础的高校，开展数字经济产教融合合作试点；加强标准引领，印发国家数据标准体系建设指南，指导发布数据要素流通标准化白皮书。 针对数据工作面临的众多新情况新问题，刘烈宏说将切实提升研究力，加强理论研究，做好规划编制，抓紧深入谋划“十五五”时期数据工作主要任务，加快组建国家数据咨询专家委员会，发挥智库作用。
在"电磁场与电路”专题会议上四川大学助理研究员殷珂博士作了题为“非厄米电路与无线传感和无线电能传输”的专题报告。？？？？征得殷珂博士同意，特与您分享！
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。
面向人工智能技术浪潮带来的算网融合发展新机遇和新挑战，期望产业链各环节凝心聚力、携手并进，共同推动算力网络运载力质量不断提升，以网强算支撑产业应用创新，促进培育新质生产力，助力数字经济高质量发展!
AI-OTN产业落地。遵循试点先行、分步迭代思路开展现网实践。可优先开展小规模试点，围绕高收益场景验证技术能力，在试点基础上逐步完成设备改造、能力迭代，同时兼顾网络智能化效率与业务运行安全。设备厂商需加快AI-OTN设备形态迭代，完善轻量化网络AI模型，夯实产业规模商用基础。
物联网平台、工业物联网、数字孪生、设备全生命、生产管理、IOT、三维可视化、数字化大屏、数据采集、SIS、DCS、SCADA 工业互联网平台、工业物联网、能源管理、时序数据库、实时数据库、数据中台、智慧园区、智能楼宇、生产管理系统、机加生产管理系统、MES、设备资产管理系统、设备运维管理系统、设备监控、设备健康、MDC、DNC、倾斜摄影、数字化交付、组态工具
教育机构的规模壮大，行政会议频繁，而机构的复杂性与地域的分散性常常使信息传达的周期过长，影响工作内容的执行，更耗费了不少的差旅费。本系统可以召开主会场和所有分会场参加的全网视频会议。利用视频会议系统可以随时召开日常会议，减少差旅会务成本，缩短时间消耗可 以打造一个跨区域多人共享、沟通无障碍的工作空间。
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
