广东重磅推AI全域应用方案
广东省政府办公厅发布《广东省加快推进人工智能全域全时全行业高水平应用行动方案》（粤办函〔2026〕50号），于5月26日全文公开，全面贯彻国家“人工智能+”战略，立足本省产业、算力与场景优势，构建七大领域AI应用体系，培育新质生产力。方案以“全域覆盖、全时响应、全行业渗透”为指引，涵盖科研、农业、传统制造、新兴产业、服务业、城市治理与民生七大板块，细化63个应用场景。产业端同步推进电子、家电、化工、纺织等传统产业智能化升级，重点布局智能网联汽车、人形机器人、集成电路、低空经济、生物制造等新兴方向；民生与治
工业AI为何难以读懂工厂？从文字识别到生产流程理解的跨越，核心瓶颈是什么？
随着AI技术的不断进步，制造业的众多环节也在积极引入AI方案，比如将AI接入MES系统，把设备运行数据接入大模型，借助AI进行质量分析等。但实际应用后会发现，AI往往只能应对一些简单问答，无法真正理解工厂需求并解决实际问题。这就需要从AI的底层原理说起。通用AI理解文字依赖的是语言内在的规律，公开的网络数据为其训练提供了充足素材。然而，要理解生产过程，则必须依托企业的私有数据以及其背后的工艺知识与经验。只有这样，AI在面对生产数据曲线和设备参数时，才能给出有价值的分析结果。一、AI为何能读懂文字，却无法理
AI赋能个性化营养：从数据到精准饮食
"一刀切"的饮食建议已不合时宜：我们常听说"每天一苹果"有益健康，但现实中，相同食物对不同人带来的生理反应可能截然不同。有人喝牛奶腹泻，有人吃米饭血糖飙升远超他人。数据过于复杂：个人营养状态不仅取决于摄入食物，更受基因、肠道菌群、生活习惯与环境等多重因素交织影响。这些数据量大、碎片化且高度关联，传统方法难以有效解析。AI的潜力所在：人工智能，尤其是机器学习，擅长从海量复杂数据中挖掘隐藏规律。科学家正尝试整合多源信息，为每个人构建专属饮食方案。文章将当前精准营养中的AI技术比作一个工具箱，各工具各有所长：传
AI重塑土木工程：从理论到实践的转型路径
AI在土木工程中的应用已从实验室的"概念验证"迈向工程现场的"实际部署"，但仍处于大规模商业化前的关键阶段。当前的核心矛盾在于：技术潜力巨大，但标准化、可解释性与法规合规性仍是理论落地的主要障碍。本文系统分析2020至2026年间发表的21篇权威论文，评估人工智能（Artificial Intelligence，AI）与机器学习（Machine Learning，ML）对土木工程的深远影响。研究显示，AI已在结构健康监测、材料性能预测、岩土稳定分析、抗震优化、施工安全管控、
AI 时代核心力：挖掘底层元代码，赋能自我进化
因热 AI，起涟漪 总有一种方式让你成为自己 在与众人探讨 AI 应用心得之际，我察觉到一个极具普遍性的有趣现象：大多数人深陷于工具、技巧及模型的纠结中，反复追问"何种 AI 工具更佳""如何撰写优质提示词""哪款大模型更强大"。然而，极少有人能沉下心来，向自己提出那个最核心、最本源的问题——我究竟需要 AI 协助我完成什么？ 纳瓦尔在最新播客中阐述的观点，彻底重塑了我对 AI 应用的认知：AI 正以惊人速度主动适应人类，而非让人类费力去适配 AI。我们无需
物理AI获巨额资本加持：为何能源领域智能化不能依赖大模型？
近日，江行智能成功完成数亿元B++轮融资。朝希资本担任领投方，晨道资本、晶科能源、兖矿能源、建发新兴投资联合注资。融资规模并非关键。投资方的构成才是焦点：这绝非单纯的"财务投资"——而是产业链上下游携手入场，用资金为一项技术路线背书。他们聚焦的概念名为物理AI（Physics-AI）。江行智能的使命是：成为全球能源基础设施的"中枢神经系统"。本文不展开概念阐述。我们深入剖析三个核心问题：1. 为何纯粹的数据AI在能源行业难以落地？物理AI的技术护城河究竟何在？2. 为何是&
从文本智能到世界认知：AI 重塑水产养殖新未来
点击上方蓝色文字关注我们International AquaFeed & Fish Farming Technology致力于分享“水产饲料与鱼类养殖”领域全球顶尖的科学技术、生产设备、创新产品及解决方案，同步推送国际行业热点与前沿资讯。从文本智能到世界认知：AI 重塑水产养殖新未来作者：托尼・陈，美国曼诺林公司首席执行官截至目前，GPT、Gemini、Claude 等大型人工智能系统主要依靠文本、图像及互联网海量信息进行训练。这也正是它们能够总结文档、流畅写作、回答问题、识别图像中物体的原因。当
征稿启事：AI与时空大数据助推旅游产业升级
点击上方链接关注新传学苑最新讲座请点击下方卡片关注“新传学苑”，并点击星标征稿背景随着数字中国与美丽中国战略的推进及人工智能技术的爆发，以AI和时空大数据为代表的新兴技术正重塑旅游资源监测、游客行为感知、目的地管理及可持续发展模式。两者深度融合，构建了从数据获取、知识发现至智能决策的新范式，有力推动旅游产业向数字化、智能化及精细化治理转型。得益于遥感、物联网及社交媒体等平台的海量数据积累，结合机器学习与大语言模型等AI技术的突破，旅游研究正从静态描述迈向动态感知与全域认知。智能制图、数字孪生等技术的应用，
AI 驱动新型工业化落地路径探析 2026
往期精选156 页《领航工厂案例集（2026 版）》正式发布！含下载链接《数字孪生城市研究报告（2026 年）》正式推出工业具身智能助力感算控一体化柔性精准制造全球机器人技术路线图 2025-2035【含下载】模数共振，智赋产业《人工智能模数共振体系研究报告（2026 年）》正式推出2026 福布斯中国人工智能 50 强榜单揭晓中国信通院：智能体技术演进、场景分析、关键技术与发展趋势智能体综述：起源、演进与大模型时代的新内涵2025《财富》世界 500 强发布（附完整榜单）2025 四足机器人场景应用发展
AI赋能工业建筑：探索设计新思维
AI赋能工业建筑：探索设计新思维冯延伟（场景：某设计研究院建筑所办公室，新员工林悦抱着平板电脑，走到老师办公桌前）林悦（轻松自然，但充满求知欲）：老师！我注意到您最近发表了一篇关于AI时代工业建筑的论文，颇有启发，但有几个地方想再跟您请教一下，可以吗？老师（停下鼠标，抬头，温和地笑）：当然可以啊。你读了论文？有什么问题？林悦（打开平板电脑，指着屏幕上的论文标题）：老师，您论文里提到一个核心概念，叫“人机协同”的设计新范式。我理解，就是以后工厂里不光是机器，还有AI，对吧？但传统上，我们学工业建筑设计，都是
场景驱动 激活智能经济新动能
当前，人工智能已跨越单纯技术突破的局限，进入赋能各行各业的崭新阶段。如何将无形的算法算力转化为有形的产品与服务，是构建智能经济新形态的关键。破解此题，核心在于激活“场景”这一战略资源。场景应用不仅是连接实验室与生产线、虚拟与现实世界的“最后一公里”，更强调“技术+需求+生态”的集成创新。通过构建真实世界的“技术中试场”，实现智能技术与经济社会的深度融合。 应坚持“围绕场景配技术、开放场景育产业、依托场景促治理”的思路，聚焦重点领域解决落地难题，形成“需求挖掘—协同创新—规模推广”的闭环。利用我国超大规模市
卡特彼勒并购Skycatch，加码矿山数字化布局
全球矿业与工程机械领军企业卡特彼勒(940.12, -29.80, -3.07%)日前宣布，已完成对Skycatch, Inc.的收购。这家被收购企业专注于为采矿行业提供空间数据的采集、处理及分析服务。该笔交易是在卡特彼勒完成RPMGlobal收购后不久宣布的，标志着公司在数据驱动的采矿技术板块再度扩容。双方并未公开本次交易的具体金额。 Skycatch的核心技术能够以高频率、高精准度获取大范围空间信息，并依托人工智能算法实现数据的自动识别、精准测量与深度交互分析，进而优化矿山作业表现。其系统可构建矿区现
AI赋能智慧水务：实时监控、趋势预测与应急预警三大关键应用
传统水务运营长期依赖人工经验，普遍面临“数据烟囱辛勤、决策严重滞后、运维成本高企等痛点，难以实现复杂系统跨时空、多目标的精细化管控。伴随人工智能（AI）与物联网、数字孪生、边缘计算等技术的深度融合，水务管理正经历从“被动响应”向“主动防控”、从“经验驱动”向“数据驱动”的根本性转变。本文将从行业落地视角出发，重点围绕实时监控、供排水趋势预测、突发事件预警三大核心场景，拆解 AI 技术的具体落地路径、算法选型与工程细节，并结合案例与重要参考文献，为智慧水务项目的技术选型和实施提供一份言之有物、读之可行的参考
AI赋能风电运维：职业变革新趋势
今天我们来探讨一项正在深刻影响风电行业就业生态的技术革新——风电智能化运维：人工智能与数字孪生技术正在重新定义运维岗位以往的风电运维依赖"经验丰富的师傅+目视检查"，工作人员攀爬80米高的塔架，凭借经验判断异响、观察油温。然而随着单机容量攀升至16MW乃至26MW，机组构造日益繁复，仅靠人工观察和经验已难以胜任。2026年的全新模式是：数字孪生技术+AI预测性维护。金风科技、远景能源等行业领军企业已实现将IoT传感器实时数据流接入数字孪生模型，AI能够在齿轮箱发生实际故障前72小时提前预警。这标志着运维模
技术实践中的认知哲学——周裕丰的现实生成论
这些年来，我一直专注于国土空间、人工智能与数字孪生领域的工作。在许多人看来，这属于工程技术范畴：采集数据、搭建模型、构建系统、还原场景。但经过长期实践，一个疑问始终萦绕心头：如果说数字孪生是通过模型重塑世界，那么人类究竟如何认知这个世界？我们真的仅仅是“观察”世界吗？还是同样在借助某种模型，持续构建自身所体验的现实？随着人工智能的迅猛发展，特别是大模型与数字孪生技术的快速进步，我愈发感到：机器构建世界模型的过程，与人脑认知世界的过程，存在极为显著的结构相似性。正是在持续构建模型、验证模型、修正模型的过程中