2026年智能巡检机器人竞争聚焦“大脑”而非“腿脚”。厂商如云智慧、海康、优必选、云深处等，按底盘路线分轮式、轮足混合与四足三类。云智慧以StriderIG1（轮足混合）、TeroI1（四轮足）和EmboG1（人形）构建全场景矩阵，核心优势在于自研边缘AI、端云协同闭环与真实部署算法。选型关键看三大硬指标：断网能否独立巡检、任务是否自动闭环、算法是否经现场验证。建议按场景选择——室内窄通道选轮足混

本篇文章整理自FlyFish开发者Miss yy 的投稿。如果喜欢我们的项目，请不要忘记点击下方代码仓库地址，在 GitHub / Gitee 仓库上点个 Star，我们需要您的鼓励与支持。

现如今，随着企业业务系统越来越复杂，单指标时间序列预测已不能满足大部分企业需求。在复杂的系统内，如果采用单一的指标进行时间序列预测，由于各个指标相互作用的关系，因此会因为漏掉部分指标因素导致出现预测精确度下降的情况。基于以上背景，多指标时间序列预测出现了。多指标时间序列预测可以将目标值涉及到的所有因素均考虑在内，因此提高了预测的准确性。

本文由FlyFish项目PMC王海虎参加OpenTalk沙龙的主题演讲《低代码平台FlyFish在云智慧的落地实践探索》转录而来，AIOps社区在征得本人授权后发布讲师简介：王海虎，开源项目FlyFish项目PMC，云智慧研发经理，全栈工程师，主攻可视化、3D引擎、3D gis场景、低代码等方向。AlOps社区专家团成员。开源项目AntV贡献者，清华大学Thulab的DWF项目开发者之一。低代码能

FlyFish是云智慧开源的一款数据可视化编排平台。通过配置数据模型为用户提供上百种可视化图形组件，零编码即可实现符合自己业务需求的炫酷可视化大屏。 同时，FlyFish也提供了灵活的拓展能力，支持组件开发、自定义函数与全局事件等配置， 面向复杂需求场景能够保证高效开发与交付。

现如今，随着企业业务系统越来越复杂，单指标时间序列预测已不能满足大部分企业需求。在复杂的系统内，如果采用单一的指标进行时间序列预测，由于各个指标相互作用的关系，因此会因为漏掉部分指标因素导致出现预测精确度下降的情况。基于以上背景，多指标时间序列预测出现了。多指标时间序列预测可以将目标值涉及到的所有因素均考虑在内，因此提高了预测的准确性。

作者｜Cary Zhou（周凯）Cary Zhou（周凯）为云智慧智能研究院-技术创新实验室前端工程师，致力于云智慧开源项目FlyFish和LCAP产品的研发，支撑内部研发交付体系可视化业务线，拥有丰富的低代码平台和SaaS平台设计开发经验。开源的低代码平台-Flyfish近年来，数据可视化与低代码均已成为高热度词汇。企业决策者和业务人员通过数据可视化直观了解数据背后的信息。低代码具有快速、简易、

大语言模型（Large Laungage Models，LLMs），是一种基于机器学习技术训练的复杂模型，能够理解和生成人类语言。大语言模型已经被广泛应用在各种场景中，包括生成文章、回答问题、写作辅助、聊天机器人、代码生成等等。它是自主构建的微调集上可以进行微调的大语言模型，该数据集沉淀了丰富的运维知识库和全栈运维场景，并涵盖了广泛的IT相关信息。CloudwiseGPT能帮助客户分析和解决日常运

指标数据作为运维场景中的重要观测项，是服务可用性监控、系统健康度度量等场景的主要数据来源。采集器采集服务器上各种指标数据，发往消息队列，通过实时流处理和离线计算最终存入到数据库。

学术论坛·第五期推荐阅读时长：8min前言学术论坛第五期我们有幸邀请到中国矿业大学（北京）博士、云智慧智能研究院算法工程师徐同学，从时序序列分类的概念、研究意义、基本框架及算法总结四个方面带来对时间序列分类算法的总结概述，下面就让我们一起来学习吧~学术论坛内容一、什么是时间序列分类二、为什么要研究时间序列分类三、时间序列分类问题基本框架四、时间序列分类算法总结与典型算法介绍一、什么是时间序列分类1