前面《智能制造与大数据——数据共享实现网络化》一文围绕智能制造发展的第二个阶段——“网络化”展开阐述，重点介绍通过主数据标准制定及数据处理等技术保障共享数据的一致性与完整性，从而实现网络化协同的目标。制造的进一步目标是在数字化和网络化的基础上实现智能化制造。本期，我们将继续和您分享“智能制造发展的第三阶段-智能化”。一、无处不在的“智能”应用近年来，随着高新科技与创新浪潮的发展，“智能”二字在我们

认识工业大数据什么是工业大数据？我们先看看维基百科的说法：“工业大数据（Industrialbig data）是构成工业人工智能的重要元素，指由工业设备高速产生的大量数据，对应不同时间下的设备状态，是物联网中的讯息。此一词语在2012年随着工业4.0的概念而出现，也和信息技术行销流行的大数据有关，工业大数据也意味着工业设备产生的大量数据有其潜在的商业价值。工业大数据会配合工业互联网的技术，利用原始

随着人工智能技术的逐步普及，越来越多的行业开始拥抱人工智能，用“人工智能+”助力技术和产业的不断升级和变革，人工智能已经成为我们当前这个时代的标志。对于企业来说，如果想用人工智能来武装自己，就必须搞清楚人工智能技术的核心。人工智能的概念始于1956年的达特茅斯会议，由于受到数据、计算力、智能算法等多方面因素的影响，人工智能技术和应用发展经历了多次高潮和低谷。2006年以来，以深度学习为代表的机器学

自2024年12月，《关于促进数据产业高质量发展的指导意见》首次明确提出“高质量数据集”的概念，并将其作为人工智能与实体经济融合的核心载体。随后一系列政策相继发布，到今年7月国务院发布《关于深入实施“人工智能+”行动的意见》，进一步强调加强高质量数据集建设与开放共享，强化“人工智能+”的基础支撑能力。当前，随着“人工智能+”和国家数据基础设施建设的推进，高质量数据集已从技术细节上升为战略资产，但对

欧洲供应链顶级物流专家、克兰菲尔德大学物流与运输研究中心主席马丁·克里斯托弗（Martin·Christopher）曾于1992年深刻指出：“21世纪的竞争不再是企业和企业之间的竞争，而是供应链和供应链之间的竞争。”1月26日，国际货币基金组织（IMF）发布最新的《世界经济展望》，预计2021年全球经济增长5.5%。IMF称，虽然2020年下半年经济增长势头强于预期，但近期新一轮疫情反弹和变异病毒

随着数字经济新生态的日趋成熟，AI智能分析也从早年间的“冷门前沿技术”，变成了炙手可热的香饽饽。在精准营销、工业设备智能监测，安防监控、金融投资分析甚至公共医疗领域，都得到了一定应用。如何让AI分析在企业的日常运营中创造更大的价值，已成为当下各行各业最为关注的话题之一。同时，各式各样的AI数据分析工具也如雨后春笋一般涌现，甚至有相关研究者认为该市场已渐趋饱和。▲全球市场中商业AI工具数量的变化曲线

程序监测和异常预警就是来保障系统服务持续可用的两大举措，一方面需要对故障和异常及时发现，另一方面及时通知并提供处理措施和方法，及时处理故障和异常。本文将从架构设计及建设内容两个角度出发来阐述所建设的智能监测体系。系统智能监测与异常预警，主要从三个方面入手，分别是：运行环境监测、服务状态监测、服务性能监测。

在近日由工信部主管的《互联网周刊》杂志发布的《2021工业大数据企业排行榜》中，美林数据技术股份有限公司位列排行榜第一，同时连续六年被评为“中国大数据企业50强”。

数据治理经历的时代演变，数据治理各时代演变的历程，合理化推想数据治理的未来

人工智能技术发展催生了大模型与小模型的协同应用新模式。大模型凭借泛化能力负责需求理解与任务规划，小模型则专注垂直领域实现精准执行。美林数据通过"大模型规划+小模型执行"架构，在工业领域实现效率与精度双提升，如设备故障诊断系统将准确率提高到97.5%。这种分工协作模式代表着AI应用从"单一模型"向"多级协作"的转变趋势，未来将推动更多行业智