登录社区云,与社区用户共同成长
邀请您加入社区
本文系统梳理人工智能大模型与智能体的安全风险体系,涵盖数据投毒、提示注入等新型攻击手段,以及伦理偏见等传统风险。研究提出覆盖全生命周期的安全治理框架,包括技术防护、数据隐私保护等解决方案,旨在构建可信AI生态。同时提供完整的软件开发文档模板和行业解决方案资料包,涵盖智慧城市、医疗健康等领域的建设方案,为AI安全落地提供标准化参考。
摘要:本研究聚焦大模型技术与芯片制造的深度融合,提出"芯智融合"创新范式。通过构建覆盖设计、制造、封装、测试全产业链的多模态统一大模型架构(ChipLLM-Unified),重点突破跨环节知识融合、智能决策闭环等关键技术。研究拟布局12-17项发明专利,形成核心技术专利群(6-8项)、外围应用专利群(4-6项)和集成平台专利群(2-3项)的梯度保护体系。预期实现芯片设计周期缩短
在实际应用中,例如为市级创业大赛提供技术支持时,该系统在3天内拦截了超过95%的异常请求,成功实现了“零刷票事件”,确保了评选结果的绝对公信力。相比其他大厂如腾讯问卷提供的轻量化投票功能,其在通用性与私域生态上表现优异,但在高并发下的防刷深度与定制化可玩性上稍显不足;则精准地填补了市场空白,将“极速创建”的可视化编辑器与“高并发防刷”的坚实际准融合,让企业能够5分钟配置活动的同时,享受到堪比金融级
作为国内领先的数字化转型综合解决方案提供商,金智维将继续发挥领头作用,不断深化技术创新,持续输出可落地、可控、可信的AI数字员工和企业级智能体解决方案,以助力企业拓展智能化边界,构建面向未来的智能工厂,推动人机协同的新质生产力在行业内落地生根。他提到,金智维AI数字员工和企业级智能体解决方案面向全行业,可重构企业业务流程,实现端对端自动化和智能化,推动制造业内外协同一体化。在生产流的销售、渠道、客
在半导体产业追求更高、更快、更强的道路上,挑战的本质越来越多地归结于复杂的数学与计算问题。这标志着,半导体行业的智能化升级,正从顶层的软件工具,深入到底层的数学计算能力,为核心技术的自主创新与突破,构建更为坚实的智能算力底座。在此背景下,Deepoc数学大模型作为一种新兴的底层技术力量,正悄然融入半导体产业链的核心环节,致力于为这场高精尖的竞赛提供稳定、可靠的数学动能。•加速仿真,收敛更快:针对芯
它以先进工业大模型为引擎,融合MoreAgent工业软件构建智能体,以原生AI能力让工业应用开发无门槛,让每一款工业应用具备原生AI能力,直接将开发周期缩短70%、成本砍半。它深耕工业场景,懂生产、会运维、能检测、善决策,不仅支持私有化部署、多源知识推理,还能搞定报告生成、合同审查、数据分析这些杂活,制造业常见场景直接拿捏。工业大模型能对接ERP、SCADA等各类业务系统,摩尔平台统一流程与表单,
2026年6月将举办多场高水平国际学术会议,涵盖人工智能、工程技术、信息技术等多个前沿领域。会议亮点包括:国内外顶尖学者参与,知名高校联合主办,权威出版社出版收录,线上线下双模式参会。
制造流水线仿真图谱方案:从监控到智能推演
公司坚持“本土化适配、本地化服务、长期化运营”的原则,针对不同国家的法规与文化差异,提供高度定制化的数智化解决方案。目前,迪迈科技的海外业务已覆盖几内亚、刚果(金)、澳大利亚、秘鲁等多个国家,并积极通过国际矿业展会与本地科研机构建立战略合作,组建配备多语种专家的国际化服务团队,提供本地化响应,全力保障海外项目的稳定运行。深耕行业二十余载的迪迈科技,凭借深厚的技术积淀与完善的产品体系,积极响应国家“
【18†L5-L6,L15-L16】有意思的是它的产品结构:四足机器人(绝影X系列58.11%、绝影Lite系列15.23%)和轮足机器人(山猫M系列22.11%)合计贡献了95.45%的收入,人形机器人还处于商业化起步阶段。82%的毛利率说明这不是“烧钱铺市场”的生意,而是技术驱动的软件生意。对企业管理者来说,六小龙的核心价值不在于“参观高科技公司”,而在于理解六种不同的“非共识”决策逻辑:什么
离散制造业(如汽车整车及零部件、3D/电子、机械装备、航空航天等)的厂内物流具有物料品类极多(SKU过万)、工序路线复杂、线边空间受限、生产高度非标的典型特征 [1, 2]。其智能化提升无法一步到位,必须遵循“精益化- 数字化- 自动化- 智能化”的渐进式路径。
本会议汇聚海内外科研人员,共同探讨智能化技术、自动化算法、数据分析方向的前沿成果,涵盖计算机视觉、深度学习、图像处理、网络模型优化、智能感知等热门研究领域。本次仅变更线下会议举办时段,论文截稿时间、稿件审核进度、会议论文集出版时间均保持原定计划不变,请各位作者正常按原时间节点安排投稿与修稿事宜,请勿延误。本次会议搭建优质学术交流桥梁,助力学者互通研究经验、探讨技术难点、促成跨领域合作,推动计算机感
通过研发投入、技术创新、智能化设备的应用,亦唐科技帮助企业提高生产效率、提升产品精度,并推动了中国制造向更高端、更智能的方向发展。在智能制造的浪潮中,供应链的数字化也是企业转型的重要一步。人工智能和大数据技术的应用,为亦唐科技的贴片机注入了强大的智能化动力,推动了整个生产过程的自动化和智能化升级。智能化生产线的搭建,不仅提升了生产效率,也推动了企业向数字化和智能化的转型,进一步推动中国制造业的升级
更现实的是,雷军同时要管手机、AIoT、汽车、AI大模型、国际化——一个人的时间分配已经触及物理极限。更值得看的是小米如何把"用户导向"从手机带到了汽车:SU7的智能座舱可以直接调用米家生态的所有设备,YU7的后排设计考虑了露营场景,车门储物格能塞下一双43码的篮球鞋——如果你有机会到北京亦庄的小米汽车工厂参观,你看到的不仅是高度自动化的产线——9100吨的一体化压铸机、自研电机产线、每76秒一台
人形机器人正迎来产业化临界点。文章从技术落地视角剖析了关键进展:大模型赋予机器人常识推理能力,运动控制技术突破使双足行走更稳定,国产供应链降低成本。医疗康复、特种作业将成为首批落地场景,而家庭服务仍需5-10年迭代。产学研协同加速推动技术转化周期缩短至1-2年,但数据采集、可靠性和成本仍是产业化的三大挑战。作者认为,人形机器人适配人类环境的价值不可替代,当前正处于技术验证完成、产业爆发前夜的关键窗
AI早已超越了技术的范畴,成为人们表达焦虑、期待、恐惧的一个符号。“AI会不会取代我的工作?”“AI会不会控制人类?”“AI能否帮我找到人生的意义?”——这些问题表面上指向技术,实际上指向的是更根本的问题:我们是谁?我们想要什么?我们该如何面对一个充满不确定性的未来?
本文探讨了AI大模型与自然语言处理技术在企业信息化转型中的关键作用。文章指出,传统NLP系统依赖特定任务模型和标注数据,而基于百亿级参数的大模型通过自监督学习实现了跨任务迁移、上下文理解和逻辑推理等突破性能力。这种技术融合有效解决了企业非结构化数据的价值挖掘难题,使文本数据转化为决策资产。在应用层面,大模型赋能的NLP正推动企业系统从自动化向认知化升级,具体体现在智能知识管理、流程自动化、智能客服
人工智能大模型兵棋推演系统软件平台:有哪些优点和缺点
在工业大模型、数字孪生与具身智能(Embodied AI)深度交织的全新工业代际中 [2026年趋势],传统被动记录的“记录型系统(SoR,如传统 MES/ERP)”正在全面向“数智主线驱动的认知型系统(SoI)”跨代升级。本规划方案旨在解决智能化转型的终极矛盾:大模型基于概率输出的“高柔性、非确定性推理”与工业严肃现场“零容忍、高确定性本质安全红线”之间的剧烈冲突 [GB/T 40571-202
2026年第二届导航、检测与控制国际学术会议(CNDC 2026) 将于2026年8月7日至9日在中国广州召开。CNDC 2026将汇集来自世界各地的知名学者、行业专家、研究机构和高科技企业,共同探讨导航、检测和控制领域的最新研究成果和技术进展。会议涵盖智能导航系统、无人驾驶技术、先进控制理论、传感器融合以及在航空航天、交通运输和国防领域的应用。
本文分享了AI在半导体工艺优化中的实践案例。作者接手光刻CVD腔室时,传统SPC规则误报率高,导致漏检重大故障造成80万元损失。通过引入机器学习,使用IsolationForest进行异常检测,将检出率从68%提升至94%,误报率从32%降至6%;采用随机森林建立虚拟量测模型,膜厚预测准确率达93%,减少50%实测频次,年节省成本约480万元。文章详细介绍了从数据准备、特征工程到模型落地的实施路径
构建制造企业的大模型(LLM)平台,不能照搬互联网或金融行业的模式。制造企业有着极强的(如设备、工艺参数、供应链、安全红线),且数据往往碎片化、存在于不同的工业软件(ERP, MES, PLM)和设备传感器中。因此,制造企业的大模型平台构建,本质上是“通用大模型大脑 + 工业知识库 + 工业软件/设备接口”的深度集成。
在人工智能与智能制造领域,计算机视觉与机器视觉是高频出现的核心技术概念。行业内常将二者混为一谈,但从学科属性、应用场景、技术目标层面来看,两者具备明确边界;而从技术链路和产业落地维度,二者深度绑定、相辅相成,共同支撑视觉人工智能产业落地应用。
本文提出AgentsCAD系统,通过多智能体协同实现FDM增材制造的自动化设计优化。该系统整合几何特征识别与大语言模型推理,完成从STEP文件解析到可打印模型输出的闭环流程。核心创新包括:基于GraphSAGE的B-Rep几何特征分类器,结构化JSON序列化方案实现三维几何与文本的转换,以及包含Claude Sonnet推理和GPT-4o视觉校验的多智能体架构。实验表明,系统能有效识别悬空缺陷并生
如果说程序员已经是高薪职业,那么干AI的程序员,就是高薪中的高薪。学AI大模型,就是冲刺高薪的最优解!零基础小白不知道从哪入门?有基础的程序员找不到系统学习路径?实战项目练手无门?面试不知道考什么?别慌!今天就给大家整理了一份【2026年最新版】AI大模型免费学习资源包,覆盖从入门到实战、从理论到面试、从基础到进阶的全流程,所有资料均已整理归档,无冗余、无套路,免费分享给每一位想抓住AI风口的程序
摘要:本文综述了织物缺陷检测的研究进展,重点探讨了计算机视觉和深度学习技术在纺织业智能制造转型中的应用。文章系统分析了检测流程的四个关键阶段(图像采集、预处理、特征提取与分类),对比了传统图像处理与深度学习方法(如CNN、YOLO、GAN)的优劣,并整理了公开数据集资源。研究指出当前面临复杂纹理干扰、微小缺陷识别、实时性要求及数据不平衡等核心挑战,未来可通过多尺度特征融合、轻量化模型设计及标准化数
摘要:博图视觉检测方案针对乳制品包装喷印字符缺陷(残缺、畸变等)问题,采用深度学习AI技术,实现高速高精度质检。核心性能包括:缺陷检出率≥99.7%、漏检率<0.03%,支持4瓶/秒检测速度,兼容动态字符与复杂工业环境。通过轻量化算法和专属光学设计,方案可全自动识别6类缺陷,替代人工质检,显著降低不良品流出风险,满足食品行业严格的质量管控需求。
传统生产依赖老师傅的多维感知和模糊判断,但这种经验难以系统传承。智能优化方案通过三方面实现转型:1)量化感知变量,建立数据模型;2)用算法替代试错调参,实现高效寻优;3)构建自适应系统,实时应对生产波动。该系统能沉淀专家经验为可迭代的算法模型,实现参数预调与质量预测,将隐性知识转化为组织数字资产,解决传统制造业经验流失和反应滞后的问题。最终形成持续优化的智能制造闭环,保障工艺稳定性和知识传承性。
【摘要】针对半导体制造中SEM缺陷检测的痛点,本文提出基于多模态大模型的解决方案。传统CV模型依赖大量标注数据且泛化能力差,通用多模态模型因语义鸿沟导致误判。通过领域适配技术,包括:1)缺陷区域定位裁剪以降低噪声;2)工艺上下文嵌入提示;3)2万张SEM图微调Qwen-VL模型;4)RAG增强与结构化输出约束。实际应用中,新方案在已知缺陷分类准确率达92.8%,零样本新缺陷识别保持77%准确率,较
本文探讨了半导体制造中SPC(统计过程控制)报警根因分析的智能化改进方案。针对传统人工分析耗时(平均9小时)、夜班响应慢、经验分散等问题,作者提出结合RAG(检索增强生成)和大语言模型(LLM)的解决方案。通过结构化上下文提取、历史案例检索和强约束提示词设计,系统实现了72.8%的Top3根因命中率,将响应时间缩短至2.7小时,并确保解释可溯源。关键创新点包括:置信度校准机制防止误判、"
文章摘要: 传统制造业质检依赖人工目检,效率低(30秒/件)、误判率高且标准不一。本文提出基于DeepSeek视觉大模型的轻量级解决方案,通过工业相机采集图像,经预处理后调用多模态API进行缺陷识别(支持划痕、凹坑等6类缺陷),再解析结构化结果实现自动分拣。该方案仅需3-10张样本作为Prompt示例,单件检测耗时压缩至0.5秒(提速60倍),准确率达98%以上,同时解决了传统自训练模型数据需求大
高端制造目前处于的关键阶段,未来将围绕与向全球产业链顶端迈进。
AI在高端制造中当前面临的核心技术瓶颈主要集中在五个维度,相关瓶颈预计在期间随工业大模型、物理神经网络及边缘计算成熟而逐步取得阶段性突破。
企业AI选型避坑指南:五大技术路线与适配场景解析 企业AI落地面临技术路线选择难题,通用大模型、私有化小模型、RAG、智能Agent和边缘AI各有优劣: 通用大模型:适合轻量级非核心业务,但存在数据隐私风险; 私有化小模型:保障数据安全但成本高,适合高敏感场景; RAG:性价比最优,适用于知识库问答和审核类任务; 智能Agent:实现流程自动化,需长期调试优化; 边缘AI:满足实时性要求高的现场任
暑期会议征稿通知 | 华南山海学术行