logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

AIGC报告:生成式人工智能行业深度研究报告 2026

营销广告、微短剧、医疗影像、金融研报、科学计算、虚拟偶像、工业质检、教育个性化八大行业成为 AIGC 核心应用场景:营销广告 AI 渗透率超 30%,微短剧实现剧本到后期全流程 AI 化,医疗影像辅助诊断规模化落地(互联网医疗用户 4.11 亿),金融研报实现智能分析自动化,教育打造个性化学习路径(在线教育用户 3.27 亿),工业质检以 AI 视觉替代人工,虚拟偶像降低 IP 运营成本,各领域生

#AIGC#人工智能
基于模型的测试在汽车行业的应用

阐述 MBT 概念、框架及测试对象、测试用例、测试环境与模型的关系,结合 Simulink 建模、MIL/SIL/PIL/HIL 多环境验证、等效性测试、覆盖率分析等关键技术,给出整车级 MBT 实施流程与车窗控制实例验证。通过测试左移、虚拟仿真、自动化用例、全链路追溯、标准化协同,MBT 有效解决了汽车电子化时代复杂度高、迭代快、安全严、成本控的核心痛点,既是满足车规功能安全的硬性要求,也是车企

文章图片
国家数据局:数字中国发展报告 2025

数字技术创新成果丰硕:国产人工智能崛起,前沿技术如脑机接口、集成电路等取得突破,数字技术开源体系不断完善,技术与产业创新深度融合,东部地区数字产业发展领先。数字经济稳中提质:核心产业规模扩大,产业发展量质齐升,各行业数字化转型加速,数字消费升级,投融资回升,平台经济规范创新。生态文明绿色智慧:治理体系完善,监管能力提升,自然资源 “一张图” 建设加快,数字孪生水利体系打造,行业绿色化转型推进。数字

人形机器人检测认证白皮书 2025

专业维度:涵盖智能(大小脑与肢体运动能力)、安全(机械、电气、功能安全等)、可靠(环境适应、MTBF、寿命)、可信(数据、算法、行为可信)、兼容(电磁与协议兼容)、绿色(能效、污染控制、碳足迹)六大维度。技术架构:分为 “大脑”(大模型决策)、“小脑”(运动控制)、“肢体”(机械执行),当前处于突破阶段,依托大模型向自主通用进化。测试手段:包括仿真测试(模型验证)、实物测试(整机性能)、环境模拟测

#机器人#人工智能#大数据
数字孪生、数字化转型主题汇总(2025-04-01更新)

数字孪生是充分利用物理模型、传感器、运行历史等数据,集成多学科、多物理量、多尺度、多概率的仿真过程,在虚拟空间中完成映射,从而反映相对应的实体装备的全生命周期过程。2024年世界开源大会报告——塑造人工智能安全和数字公共产品合作的未来(英) FUTUREWEI 2024-12。如何利用数据实现更快、更好的充电:电动汽车充电和运营的数字行动框架(英) WBCSD 2023-7-13。新出行时代:利用

文章图片
#人工智能#大数据
这位教授正在让开源机器人走近更多人身边

她说:“这场疫情带来了很多坏处,但因为疫情期间我们都在家中,都会使用社交媒体,因此我们可以联系起来,找到彼此,并成立这些组织,5年后,这些组织仍在继续。为了传播有关机器人和STEM的知识,贝里也活跃在社交媒体上,她克服了自己天生内向的性格,因为“知名度很重要”,她解释道。对贝里来说,研究和服务不是分开的,而是交织在一起的,她的研究涉及设计开源、低成本的移动机器人,目的是推动更具包容性的机器人教育。

文章图片
#机器人
Capgemini:汽车行业数字电池护照——对汽车可持续发展的主要贡献,以及创造价值的机会

定义:DBP 是通过二维码访问的电池电子记录,涵盖电池全生命周期数据(生产、性能、碳足迹、回收等),分为模型级(通用信息、材料组成、合规认证)与个体级(生产细节、性能历史、寿命信息),兼具静态数据(如原材料占比、回收成分)与动态数据(如充放电循环、容量衰减)。数据管理复杂:静态数据需从上游(矿工、精炼商)收集尽职调查与碳足迹信息,动态数据(依赖电池管理系统 BMS)需高频更新(建议每日最低标准),

#汽车
信通院:数据治理研究报告——端侧大模型数据治理法律要点研究(2025年)

这份由中国信通院 2025 年 12 月发布的《端侧大模型数据治理法律要点研究》报告,立足端侧大模型 “算力前移、数据本地” 的技术特征,系统剖析其数据治理全生命周期风险,梳理全球治理实践并提出兼具前瞻性与实操性的综合治理策略,核心是打造 “发展 - 安全” 平衡的端侧智能生态,为相关法律规制与产业实践提供理论和实践指引。创新技术工具:部署端侧监管沙盒,优化轻量化数据清洗与脱敏技术,构建端云协同的

文章图片
#人工智能#深度学习#机器学习 +2
广州市工信局:2025年广州市“人工智能”典型案例集

农事助手实现精准灌溉、病虫害预警;技术融合深度化:普遍采用大模型、多模态融合、知识图谱、数字孪生等核心技术,结合边缘计算、国产算力适配,实现技术与业务场景深度绑定。生态协同常态化:企业、高校、科研机构、政府部门协同创新,形成技术研发、试点应用、规模化推广的完整链条,加速创新成果落地。成效量化显著化:多数案例实现效率提升、成本降低、风险下降等可量化成果,同时推动合规化、绿色化发展,兼具经济与社会效益

文章图片
#人工智能
iTSTech:交通大模型应用概要 2026

涵盖七大核心技术:交通数据治理与预处理(数据整合、清洗、隐私保护)、预训练技术(数据集构建、轻量化策略)、特征提取与融合(时空特征挖掘、多模态融合)、场景适配与微调(个性化策略、小样本学习)、决策优化与生成(流量预测、路径规划)、模型部署与工程化(压缩加速、云边端协同)、信息安全技术(数据与模型防护、访问控制),为模型性能与落地提供支撑。交通大模型是融合海量交通数据(车辆轨迹、路况、气象等)训练的

文章图片
    共 704 条
  • 1
  • 2
  • 3
  • 71
  • 请选择