万福信息成功中标华能AI安全项目
热烈祝贺固定布局工具条上设置固定宽高，背景可以设置被包含， 可以完美对齐背景图和文字，以及用于模板制作。固定布局工具条上设置固定宽高，背景可以设置被包含， 可以完美对齐背景图和文字，以及用于模板制作。万福信息中标华能视频监控智能安全分析和预警系统研究与应用服务科技项目喜讯播报近日，万福信息成功中标华能吉林分公司视频监控智能安全分析和预警系统研究与应用服务科技项目，中标金额117.38万元。喜讯播报智联人水和谐的美好生活本次项目聚焦储能电站与电厂的安全运行场景，围绕AI视觉识别、数据一张图、电池仓监控三大模
AI学伴新趋势：奇多多与奇碰重新定义儿童智能陪伴
由无界方舟（AutoArk）研发的奇多多AI学习伴侣设备，其研发力量汇聚了来自字节跳动、阿里巴巴、蚂蚁集团等知名科技企业的资深专家，具备强大的技术背景。该产品以视觉交互为核心，内置自主研发的EVA多模态大模型，旨在实现AI对现实环境的理解能力。无论是孩子拿起一颗橙子、一幅涂鸦作品还是任何一本图书，设备均可迅速辨识并进行互动式讲解，非标准物品识别精度高达93%以上，摆脱了对专用物料的依赖性。尤为突出的是，多模态交互响应时间被压缩至250毫秒内，孩子刚说完话就能获得即时反馈，交流体验接近真人对话，避免因等待而
AI质检时代开启
在工业制造的众多流程中，质量检测一直是个两难问题：它至关重要却成本高昂，且对准确性的高要求与人工检测的易疲劳形成冲突。作为制造业的一名老员工，我对其中的挑战深有体会。曾引入传统AOI设备，本以为能提升效率，但误检频繁，最终仍需大量人工复核。那段时期，我们从依赖人力检查进入到了人机协作的阶段，但效率提升并不明显。而如今，工业质检领域正经历一场静默而深刻的变革。AI大模型的引入，正逐步改变“人工兜底”的模式，使“机器主检”成为可能，这不仅是技术的升级，更是制造业效率提升的革命。传统AOI的局限与AI的“智慧大
物理 AI：重塑工业智能新范式
工业 AI 体系普遍构建于分层架构之上，自下而上主要涵盖感知层肩负从现实物理环境获取数据的重任——利用工业相机捕捉工件影像、通过编码器回传关节角度、借助力传感器侦测接触力度。这些数据构成了系统闭环控制的基石。控制层专注于实时处理感知信息并下达控制指令——由运动控制卡解算伺服电机扭矩、视觉处理器运行瑕疵检测算法、PLC 执行逻辑互锁。该层级的显著特征为硬实时性：控制回路必须在限定时间窗内（通常为 1-10ms）完结，否则将引发安全隐患。边缘层致力于在设备端部署 AI 推理——诸如瑕疵检测模型、视觉定位算法及
AI赋能制造转型分享会成功举办
01AI智造现场开场当传统制造遇上人工智能，产业变革的新风口已然到来。6月7日下午，AI赋能机械制造业的分享会在NBOPC赋能中心顺利开展，现场参会人员积极互动、热烈交流，沉浸式探索从传统制造到AI智造的转型之路。02实战专家拆解路径本次分享由拥有14年汽车制造行业经验的数字化实战专家刘磊主讲。深耕制造领域多年的他，结合海量实战案例，为在场伙伴们拆解智造转型的逻辑、技术、落地方法与全新机遇。03从工业迭代看转型分享伊始，讲师梳理了从工业1.0到工业4.0的迭代历程，点明AI+工业互联网正引领新一轮产业变革
AI赋能传统制造：PCB智能分选新范式
PCB智能分选代理东莞市新一代人工智能产业技术研究院在PCB生产流程中，自动光学检测（AVI）系统利用高精度光学扫描技术，对成品电路板进行瑕疵筛查（例如断路、短路、异物残留等问题）。不过，受限于PCB材质的反光属性、表面纹理的复杂程度以及环境干扰等原因，AVI系统往往会生成大量“误报”，即把正常区域错误标记为缺陷。传统的处理办法主要依靠人工二次复核，工程师需要逐一比对图像与实物板件，不仅消耗大量工时，还容易因疲劳而引发漏检。PCB智能分选代理借助大小模型协同机制，对AVI产出的误报进行智能过滤（例如材料纹
名实不符的 AI 始祖：源自猫脑的算法为何称为卷积网络？
Convolutional Neural Network 这一称谓并非在创立之初便已确立，卷积一词更是横跨数学、神经科学及信号处理三大学科的跨领域命名。下文将梳理 CNN 的完整渊源，解析仿照猫视觉的 Neocognitron 为何未能成为 CNN 的通用名称？1959 年，哈佛大学的 Hubel 与 Wiesel 在麻醉猫身上进行视觉皮层电生理实验，意外发现了两类视觉神经元：简单细胞 S 仅关注极小视野区域，锁定边缘、横线及直角。复杂细胞 C 则能整合多个简单细胞的信号，即便物体位置变动也能完成识别。这
AI素材高质感为何难转化
🎮 AI肥喵第三关如果你做过 AIGC 广告素材，应该见过这种场面：画面：很精致。角色：很完整。光影：很高级。评审：会议室里大家点头：“这个质感不错。”投放：一上，数据冷静得像周一早会。这就是第三关想聊的事。很多 AIGC 素材现在已经不丑了。甚至在静态图、角色海报、场景氛围上，完成度越来越高。但游戏广告不是作品集评选。它首先要解决的不是“高级不高级”，而是：玩家会不会停下来，会不会看懂，会不会想点。这一篇写给这些人：这一篇不讨论 AI 素材能不能变得更漂亮。我们聊一个更扎心的问题：为什么有些 AI 素材
余承东揭秘：华为为何死守激光雷达而非纯视觉？
快科技6月8日讯，关于纯视觉与激光雷达哪家强的争论，自行业诞生起便从未停歇。 如今行业大致分化为两派，一派是特斯拉推崇的纯视觉，另一派则是华为坚持的多传感器融合及激光雷达路线。 余承东曾在发布会上表示，特斯拉走纯视觉是为了逼近人眼的安全水平，而华为的思路截然不同，目标是构建远超人类视觉极限的安全冗余体系。 余承东早前也直言，单靠摄像头不用激光雷达的纯视觉存在先天缺陷，若摄像头因特殊环境失明，系统即刻瘫痪，极端场景下摄像头无法应对，且物理上存在感知上限。 此外，车企还应将毫米波雷达作为标配，在暴雨、大雾等恶
物理AI风口已至，奥比中光作为A股3D视觉龙头强势崛起
物理AI引领机器从“语言理解”迈向“视觉感知”，3D视觉成为核心刚需；A股唯一的全栈自研领军者，深度融入英伟达生态，业绩拐点已然显现若说生成式AI赋予了机器“说话”的能力，那么物理AI则赋予了机器“看世界”并“行动”的能力。前者处理文字、图像等虚拟信息，后者则面对长度、距离、速度、重力等真实物理参数。而让机器“看见”物理世界的核心能力，正是3D视觉感知。在这个千亿级赛道中，奥比中光（688322）成为A股中稀缺性极高的标的——作为全球少数掌握全技术路线3D视觉核心技术的企业，深度绑定英伟达物理AI生态，覆
华为坚持激光雷达战略的背后逻辑
【TechWeb】智能驾驶领域，纯视觉与激光雷达的路线之争从未休战。如今，行业已形成泾渭分明的两大阵营：一边是以特斯拉为首的“纯视觉派”，另一边则是以华为为代表、坚持多传感器融合并死守激光雷达的“实用派”。 余承东的底气：不求接近人眼，但求超越人眼 为何华为无视行业纯视觉风潮，坚守激光雷达？余承东给出了明确答案：技术思路的根本差异。 他表示，特斯拉等厂商选择纯视觉，初衷是做出接近人眼感知的安全能力；但华为的目标完全不同——要做的是实现远超普通人眼视觉上限的安全冗余。 余承东曾多次直言，纯视觉方案天生存在短
机器之眼——视觉智能算法解析
直播带货实时美颜、平台智能过滤不良信息、虚拟偶像模仿真人的神态动作——这些应用背后，都依赖计算机视觉算法的支撑。如果说计算机视觉赋予机器"观察世界"的本领，那么目标检测就是这项能力的核心"感知核心"——不仅要"看到"，还要"读懂"画面中的对象及其位置。目标检测同时承担两项职责：识别（这是什么）和标记（在哪里，用矩形框标注）。挑战在于——目标尺寸、外观、角度各异，且常被遮蔽或处于杂乱环境中。两阶段（精度优先）： R-CNN → Fast R-CNN →Faster R-CNN（区域提议网络）——先筛选可疑区
英伟达All in物理AI新赛道!10家核心标的深度解析
当前市场上的通用AI大模型普遍存在同质化竞争激烈的问题，单纯依靠内卷难以实现突破性增长。真正能够驱动行业下一轮发展的，是深度融合实体产业的物理AI，这也成为AI领域实现差异化竞争的关键路径。英伟达近年来在人形机器人和物理AI赛道上持续加大投入，技术与资源倾斜力度空前。在GTC大会上，英伟达发布了全新的Cosmos3全模态物理AI模型，有效破解了行业应用落地的核心瓶颈。过去物理AI的研发周期通常需要数月时间，如今已缩短至仅需数天，技术壁垒被彻底瓦解，物理AI正式从实验室走向商业化应用阶段。综合各企业的核心技
才艺进阶：AI 赋能艺术创作的实战指南
人工智能与艺术领域的深度结合实战演练中的创作力飞跃授课导师：薛小博课程概览章节导读授课导师：薛小博简介：2008 年自东华大学视觉传达系毕业。执教期间致力于探索契合艺术生的教学模式，紧扣该群体视觉敏感、形象思维活跃的特质，动态优化教学内容、节奏及方法，以显著增强教学成效。秉持“因材施教”理念，在实际教学中充分尊重并包容学生的个性差异，确保公平公正地对待每一位学员。完成登录后点击底部【免费报名学习】按钮内容来源：国家公共文化云
人工智能微视频创作浪潮来袭
眼下人工智能微视频蔚然成风，表现形式与内容题材十分丰富，人工智能形象亦显得容颜俏丽，能够塑造出现实中难以拍摄的神话、科幻、怪物等奇幻场景，视觉震撼力显著。短视频平台对海量素材需求迫切，人工智能恰好迎合了“精炼、迅捷、新奇”的特性，贴合受众排斥冗长叙事的偏好，不过画面质感往往流露出明显的“廉价感”或浮华网红风格，剧本模式化严重大多仰仗固定框架，人工智能产出的台词频繁出现逻辑漏洞，倡导创作者聚焦垂直细分领域，借助人工智能搞定基础框架与渲染环节，人类聚焦于深层次的精细打磨。，用AI完成初稿和渲染，人类专注深度修