登录社区云,与社区用户共同成长
邀请您加入社区
宁波一家做非标自动化装备的企业,年交付设备百余台,每台按客户订单单独设计,BOM 与工艺路线各不相同。项目立项时,报价成本由技术部按经验估算;采购领料记在仓库的 Excel,工时记在车间的排产表,外协加工费记在采购的付款台账。
大模型走向规模化落地,越来越多政企把智算云、AI基础设施、算力中心写进年度规划,但真正采购时往往卡在同一个地方:GPU怎么池化、通算与智算能否统一管理、安全能力是否为内生。本文围绕主流智算云厂商有哪些核心产品、AI基础设施厂商怎么选、算力中心建设厂商怎么选这三组高频问题,从适用客户、核心选购指标、能力路线对比、标准化选型流程到常见误区逐层拆解,给出一套可对照、可核验的判断标准。全文以公开可查的产品
2026年电商AI获客白皮书指出,生成式AI正重构购物入口,用户通过自然语言描述需求,AI以商品卡形式直接推荐商品,商品卡GEO(生成式引擎优化)成为核心增长引擎。数据显示,我国AI用户超7亿,近八成消费者购前咨询AI,豆包等平台单周成交破74万元。传统推广手段边际效益递减,而优质内容可长期被引用。白皮书提出三层优化模型与五维服务商评估体系,建议商家将AI渠道视为独立流量入口,注重内容资产与数据透
最近被问得最多的问题:"AI智能体这么火,现在入场是机会还是接盘?"作为深耕AI领域的从业者,今天说点冷静的。从Manus刷屏到各大厂疯狂布局,AI智能体(Agent)火得一塌糊涂。但火归火,冷静下来看,这里面有多少是真机会,多少是概念炒作?今天掰开揉碎讲。
零基础 / 中小学生:从 Scratch 或 Python 线上练习平台起步,先建立程序逻辑;用 VS Code 等轻量编辑器过渡到文本编程。竞赛生 / 刷题训练:轻量编辑器 + 在线评测平台为主,适当控制 AI 辅助频率。有基础、做课设的本科生:可以尝试 TRAE 这样的 AI 原生 IDE,重点用在需求拆解、骨架搭建和多文件修改上,同时逐行理解代码逻辑。做毕设或完整项目的学生:用 TRAE +
如果你的核心痛点是国内访问便利、中文开发需求适配,同时希望在一个工作台内完成从需求到交付的全流程开发,可以优先验证TRAE的双形态工作台能力;如果你的核心工作流已经完全跑通在纯终端环境下,纯CLI类工具会是更轻量的选择。
如果你当前的核心痛点是国内访问稳定、中文需求沟通流畅,同时不想牺牲IDE里的可视化编辑体验,可以优先验证TRAE的双形态工作台能力,覆盖从需求到交付的全链路开发流程。如果你本身就是重度终端用户,所有工作流都已经在纯终端环境下跑通,不需要额外的图形化能力,直接沿用你熟悉的终端类工具会是成本最低的选择。如果你只是想给现有IDE补充基础代码补全能力,不需要端到端的项目级自主开发能力,轻量化的插件形态工具
读人形机器人论文时,我越来越少被"又做了一个更大模型"打动,越来越多被一个朴素问题绊住:同一条策略,在仿真里把动作复现得很好,搬到真机上为什么就开始晃、开始跛、开始摔?过去我把它笼统归为"sim-to-real gap",这个说法没错,但它太像一个标签——贴上去之后,反而没人继续追问差距具体落在哪个关节、多大、能不能被测量和修正。ASAP 这篇论文把这个问题拆开了。它的答案不是换一个更大的网络,也
海光与鲲鹏是当前主流国产化AI训练服务器CPU平台。海光基于x86兼容架构,单核性能强、生态成熟,适配ROCm与CUDA代码迁移,适合已有CUDA训练体系的企业;鲲鹏基于ARMv8,核多能效高,搭配openEuler与昇腾集群形成全栈信创链路,适合信创项目。前者调度调优成熟,后者需精细NUMA管理。混合负载场景可双平台协同。采购需关注加速卡互联、内存容量、软硬件版本匹配及散热供电。百信华工提供双平
三一重工高级焊接工艺工程师李林说,在大约一年半的时间里,团队组织了一批拥有多年焊接经验的老焊工参与试板焊接,通过自研数据采集系统采集焊工的实际操作手法,同时对试板的焊接结果进行标注和打分,为大模型训练积累数据。在传统焊接产线上,焊工需要在高温中头戴面罩、口罩进行全脸防护,经受焊接弧光、辐射与烟尘的考验,而有了智能焊接机器人,焊工无需持续近距离盯焊,可以减少在弧光、辐射与烟尘环境中的暴露时间。参与训
毕业论文终稿「双率过关」同任务评测:毕业之家 AI vs ChatGPT vs Claude,到底怎么选? 先把任务说清楚 📌:本文不聊泛泛的“写论文”,只聚焦一个所有本科生/研究生都会撞上的具体交付—— 初稿已经写完,要在送审前把一篇论文打磨成“重复率、AI 率达标,且内容、逻辑、格式不走样”的终稿 。你手里通常有:自己的初稿、参考文献、问卷或实验数据,以及学校要求的检测系统(常见知网、维普、
先算一笔简单的账。假设单台设备、单次决策的出错率只有 1%——这在今天的通用模型水平上已经算相当体面的数字。部署 10 台,运维人员一天可能只需要处理几次异常;部署 1000 台、每台每天做出上千次决策,故障就是一个持续不断的流,而不是偶发事件。维度传统软件服务具身智能 / 物理智能体错误后果请求失败、数据异常,可重试物理世界中撞、卡、伤,不可重试故障恢复重启、回滚,分钟级现场处置,可能需要人到现
生成式AI在演示中表现惊艳,但上线后常因“幻觉”问题导致事实偏差,如编造信息或张冠李戴。幻觉本质是输出与依据脱节,根源在于检索不准、材料矛盾、上下文限制及生成补全倾向。控制关键在于构建完整流程:净化材料、约束检索、标注出处与置信度、设置兜底策略,并保留人工复核。通过有据可依率、数值吻合率等过程指标持续度量,方能实现从“看起来对”到“实际上对”的转变,推动AI真正落地可用。
今天AI圈在智能体开源、视觉深度模型、端侧算力硬件、Agent记忆框架、具身机器人、AI编码生态多条线同步更新。苹果开源Depth Pro 2单目深度模型;同时OpenAI更新GPT-6.2提示词模板、蚂蚁开源PowerContext跨对话记忆服务,联合国自主武器谈判未达成约束性协议。Axion、PowerContext、Harness Adapters都在解决Agent训练、记忆、框架适配的底层
镜头固定,动作包含靠近、环抱、停留、松开和复位的连续过程,帧间衔接自然,最后一帧与第一帧顺畅衔接。保持女孩的五官、发型、服装、配饰和身体比例一致,保留衣服上的“K”字。女孩与机器人并肩站立,女孩微微侧身,张开双臂,轻轻抱住身旁的 AI 小机器人,闭眼露出满足的笑容。以角色图为外观参考。在构思 GIF 动作时切记别贪大动作,如果指令加了太多位移或者高难度的动作,模型就算不过来,很容易出现瞬移或者肢体
基于DJYOS的超异构计算架构,集成三颗A7架构、每颗1TOPS的AI摄像头SoC芯片与一颗A53 SoC芯片,构建12核3TOPS超异构算力网络,实现高效能、低功耗的智能计算协同,适用于复杂视觉处理与边缘智能场景。
对于那些希望提升在线品牌影响力和用户互动率的中小企业,特别是在教育、医疗、电商等行业,凤扬AI的GEO服务是一个值得考虑的选择。然而,企业在选择GEO服务时,需要有足够的预算和耐心,并且愿意投入高质量的内容生产。B公司在使用凤扬AI的GEO服务后,其产品在ChatGPT等生成式AI平台上的曝光率提高了50%,直接带来了15%的销售增长。GEO是一个长期的过程,需要持续的内容优化和数据分析。:凤扬A
11/20日 AI大事报 (补发版)
我国人工智能开源大模型全球累计下载量破100亿次,周调用量连续29周居全球首位,日均词元调用量突破500万亿。最新周榜显示,零一万物以54.9分强势登顶,Meta AI跃居次席,ChatGPT暴跌6位跌至第八,开源模型全面爆发。
面对陌生仓库,开发者最先需要的往往是一张地图:请求从哪里进入,业务逻辑分布在哪些模块,数据如何流转,修改一个接口可能影响哪些调用方。但当报告写出“该接口支持重试”“修改不会影响旧调用方”“异常能够被正确处理”时,问题就发生了变化:这些话是在描述源码中的设计,还是已经确认了程序的实际行为?例如,开发者可以让报告整理某个功能涉及的入口、服务层、数据访问层,以及可能需要一起修改的接口和测试文件。一段引用
本研究提出TVA-Cloud云边端协同架构,破解具身智能“算力瓶颈”与“知识孤岛”难题。通过“云端大脑决策—边缘预处理—端侧反射执行”三级体系,结合5G通信与异步更新机制,实现复杂任务响应延迟低于200ms,模型迭代周期由周级缩短至天级。实验验证其在家庭服务场景中显著提升语义理解率与系统鲁棒性,为机器人群体智能进化提供可扩展的算力基座。
本文针对超级具身智能在多模态感知中面临的“模态异构对齐难”与“三维语义缺失”问题,提出基于跨模态Transformer注意力与语义神经辐射场(SemanticNeRF)的全息感知框架。该框架构建“异构嵌入-动态加权-隐式重建-语义物理映射”四层体系,实现视觉、触觉、听觉等多模态的细粒度对齐与连续三维语义建模。实验表明,系统在单传感器失效下任务成功率超92%,未知物体物理属性预测误差降低60%,显著
联邦学习将模型训练迁移至数据端,实现隐私保护下的协同优化。通过“下发-本地训练-汇总”三步循环,设备仅上传参数更新,原始数据始终留存本地。该技术在输入法、医疗影像等领域应用广泛,尤其适用于数据无法集中场景。然而,其面临通信开销大、设备异构、数据分布不均及模型更新可能泄露信息等挑战。公平性与评估机制也需额外设计。联邦学习并非隐私“万能符”,而是对数据治理的工程重构,需结合差分隐私、安全聚合等手段,方
博士论文定稿降重能不能交给 AI?PaperRed、ChatGPT、QuillBot 同任务深度评测 先把任务说具体:假设你是一名博士生,手里已经有一篇完整的学位论文初稿,并且拿到了查重报告或论文 AI 率检测结果。当前目标不是重新选题,而是在 不改变核心观点、实验数据、引用关系和排版格式 的前提下,把论文修改到符合院校送审或答辩要求,最终交付一版可提交的定稿。 这次选取三类代表性工具做同任务对比
在伺服、转台、机器人、检测设备的方案选型阶段,增量式与绝对式编码器几乎是绕不开的选择题。不少工程师选型时容易踩两个大坑:一是分不清增量和绝对的适用边界,二是把,最后样机调试才发现角度抖动、零点丢失、标定后误差超标等问题。
毕业论文从初稿到降AI率:毕业之家AI、ChatGPT、Kimi 同任务对比评测 这次不聊“哪个AI最聪明”,而是聚焦一个通用本科生/研究生都会遇到的具体交付任务: 围绕一个研究题目,完成开题思路、论文初稿、图表或代码等辅助材料,并在提交前处理重复率与AI率,最终形成符合学校规范的论文文本 。 同类工具选择三款常见产品: 毕业之家AI、ChatGPT、Kimi 。对比维度设为五个: 1. 选题、提
挑无人机场,先看飞多远容易被带走。无人机场企业真正该先回答的,是异常那一步谁来接:画面能否回传、告警能否落到人、断网断电时还起不起得来。《无人驾驶航空器飞行管理暂行条例》明确划设无人驾驶航空器管制空域,管制空域范围以外的空域为适飞空域,并提出统筹建设无人驾驶航空器一体化综合监管服务平台。低空经济带热的不是单架飞机,而是能自己起降、自己回传的固定站点。多地推进的“一网统飞”把空域申请、航线报备与监管
本文针对超级具身智能(FRA)系统在复杂环境中易因局部故障引发级联崩溃、停机维护导致任务中断的韧性危机,提出基于多维异常检测与隔离(ADI)及在线热重构(OHR)的自我修复机制。构建“健康监测—熔断隔离—拓扑重映射—降级执行”四层自愈体系,实现毫秒级故障响应与功能无缝迁移。实验表明,系统可在200ms内恢复核心功能,任务连续运行时间提升5倍,支持“报错后自动继续运行”,为具身智能迈向“百毒不侵、生
本文提出自适应蜂群神经共识框架(AS-NCF),解决超级智能体集群中集中式控制的单点故障与通信瓶颈问题。通过“局部感知-邻居共识-全局涌现”三级架构,融合图神经网络与改进Paxos算法,实现千级异构智能体在动态环境下的去中心化协同。实验表明,该框架在40%节点失效下仍保持85.6%任务完成率,通信开销降低91.3%,具备高鲁棒性、自组织与可扩展性,为构建大规模具身智能群体提供关键技术路径。
本文提出异步脉冲时空编码框架(ASTSCF),基于神经形态事件相机与脉冲神经网络,实现超级智能体从“帧式静态感知”向“流式动态感知”的跃迁。该框架通过事件驱动、稀疏脉冲计算与时间编码机制,显著降低延迟(降幅98.7%)、数据量(减少99.2%)与能耗(降低94.5%),在高速追踪、极端光照等场景中展现超低功耗与高鲁棒性。研究构建的EventDyn-1M数据集验证了其在微秒级响应与百万级事件处理中的
本文提出结构化因果世界模拟框架(SCWSF),突破超级智能体在统计关联拟合中的局限,通过多模态因果发现、动态结构学习与反事实沙盘推演,实现从“感知”到“认知”的跃迁。构建CausalIntervene-10K数据集验证其在非平稳环境下的鲁棒性,任务成功率提升63.5%,安全决策错误率降低88.2%,显著增强智能体的因果推理与风险预判能力,为具身智能迈向“懂原理、能推演、知后果”的通用智能提供关键技
将设计模式封装进模型库,实现“设计即模式”的理念。在生成式AI趋势下,通过简洁的指令一次性生成完整模型,避免交互编辑,契合AI高效生成逻辑。模型库既是成果载体,也是设计过程的沉淀,推动设计标准化与可复用性。
交通运输部持续推进公路桥梁安全监测体系建设,桥梁运维正从"定期检测"向"实时监测"加速转型。传统人工巡检方式效率有限,数据连续性不足,极端天气和突发状况下的安全隐患难以及时发现。挠度作为桥梁结构安全的核心指标之一,其监测技术的可靠性与智能化程度直接关系到桥梁运营安全。面对市场上多种技术路线和品牌方案,很多交通管理和管养单位都在关注桥梁挠度监测推荐品牌,希望找到精度可靠、部署便捷、服务有保障的解决方
轨迹规划作为运动控制、机器人系统、数控加工及自动化装备中的核心技术,其核心目标是在满足位移约束、速度边界、加速度限制及加加速度约束的前提下,生成平滑、连续、稳定且可执行的运动轨迹。传统轨迹生成方式易出现速度突变、加速度跳变乃至冲击过大等问题,导致机械振动、定位精度下降及运行稳定性降低。本文围绕工程中常用的轨迹规划方法展开系统性研究,分别对七段式 S 型、五段式 S 型、T 型梯形加减速、多段直线圆
多轴同步运动控制是工业机器人、数控加工、自动化装配设备的核心技术,轨迹规划的平滑性、同步性与动态响应直接决定设备运行精度、平稳性与使用寿命。针对多轴协同运动中易出现的启停不同步、运动冲击、轨迹抖动等问题,本文系统研究三类主流多轴同步轨迹规划方法:5 段 S 型轨迹规划、7 段 S 型轨迹规划与多轴梯形轨迹规划。以最长运动时间轴为同步基准位移比例缩放。
人工智能
——人工智能
联系我们(工作时间:8:30-22:00)
400-660-0108 kefu@csdn.net