AI 智控煤矿岗位：根除睡岗空岗，筑牢安全防线
煤矿绝大多数安全事故的导火索，并非设备故障，而是人员管理失控、岗位职责缺失。煤矿井下及地面关键岗位，构成了安全生产的最后一道屏障。皮带巡检、泵房值守、变电所监控、井口安检、机房操作等重点区域，必须确保 24 小时有人值守、实时监控设备运行、即时处置突发隐患。然而在实际矿山生产管理中，夜班值守、单人岗位及偏远岗位长期存在睡岗、脱岗、空岗及在岗不作为等违规情况。一旦岗位无人看管，设备异常、巷道隐患、突发险情便无法在第一时间被发现和处理，小隐患极易演变为停产事故或安全险情，这是煤矿安全管控中难以根治且反复出现的
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&
驱动智能制造升级：AI视觉质检系统架构与质量闭环详解
在制造业加速迈向智能化与数字化的当下，产品质量管控已成为企业立足市场的生命线。传统依赖人工目视抽检或全检的做法，正面临严峻考验：人力疲劳带来的漏检、标准不一造成的误判，以及高产能节奏下难以实现的即时监控。随着深度学习和计算机视觉技术的进步，AI视觉质检系统的研发，已成为提升良品率、降低成本与提高效率的核心技术途径。AI质检系统的关键优势在于其对缺陷特征的捕获与辨识能力。开发此类系统并非简单的图像处理，而需构建一套复杂的深度学习算法体系。首先，卷积神经网络（CNN）作为视觉识别的基础，能通过多层次特征提取，
AI算力爆发：10家业绩预增龙头解析
学习投资 | 观察人性 | 讲述故事——财富、心理与叙事的三角解构风险提示：以下内容仅为公开公告信息整理，不构成任何投资建议 1. 行云科技｜算力租赁（增幅榜首） 预增区间：净利润同比 432.77% ~ 699.15% 核心逻辑：锁定65亿元五年算力长单，自建万卡智算集群，海外托管收入集中释放，算力业务实现扭亏跃升 2. 雅创电子｜存储分销/算力半导体配套 预增区间：净利润同比 439% ~ 561% 核心逻辑：AI算力驱动存储芯片需求激增，深度绑定上游原厂，下游云厂商与服务器订单持续放量 3. 盛视科
Belden发布ProLinx ELX3网关，强化边缘计算能力
全球连接方案提供商Belden Inc．正式发布了ProSoft Technology的ELX3 ProLinx Edge网关，将Docker边缘应用托管与OT协议转换功能集成在坚固的硬件平台上。 该网关支持在设备端直接部署数据采集、连接及边缘分析，以辅助本地决策。核心功能涵盖EtherNet/IP与Modbus TCP/IP互通，支持自定义容器运行机器学习等应用，且架构具备扩展性。 ProSoft Technology的项目总监Erik Syme指出，ELX3有助于企业整合IIoT与传统OT设备数据，打
AI Agent 赋能运维：电厂硬件如何实现数据全自动采集
源自深圳市瑞德智慧电力创新研究院传统电厂数据采集依赖大量人工：需定期导出监测报表、手动录入巡检记录、在多平台间人工汇总数据，既耗时又易产生人为差错。基于瑞德智慧电力创新研究院自主研发的 AI Agent 智能代理算法，瑞德森推出了全自动数据采集成套硬件方案，全面覆盖水电、储能及风电领域。该整套系统包含三层硬件架构：1. 前端感知层：部署全系列智能传感器，7×24 小时不间断采集工况原始数据；2. 边缘控制层：智能现地单元集成本地 AI Agent，自动执行数据清洗、分类及本地存储；3. 云端传输层：兼容
AI驱动传感革新：水电工况高精度采集方案
来自深圳市瑞德森工业自动化设备有限公司AI驱动传感革新：水电工况高精度采集方案在新型电力系统构建与存量水电智能化改造的浪潮中，传统普通传感器仅能输出原始数值，极易受电站潮湿、强电磁及高低温环境干扰，导致数据漂移和误报频发，难以支撑AI故障预测模型的训练需求。依托瑞德智慧电力创新研究院近30年的水电AI算法积累，瑞德森完成了全系列水电工况传感器的迭代升级，打造出一套“硬件+边缘AI预处理”一体化的高精度采集方案。一、底层AI技术优化，从源头消除数据噪声研究院自研的边缘滤波算法已内置于传感器终端，可实时过滤水
AI ISP：极客摄像头的真正拐点，专为开发者而生
如果你热衷于折腾硬件，或许心里早已对各类"AI开发板"有了价格锚点。树莓派4B四百出头，摄像头和NPU另算——AI推理纯靠CPU硬扛，人脸检测帧率仅个位数。Jetson Nano性能尚可，但门槛千元，功耗7-15W，移动电源基本没戏。ESP32-CAM十几块就能拿下，可它是MCU架构，跑不了Linux，更无NPU可言，所谓智能只能把图像甩给云端处理。对于想深挖AI视觉的玩家而言，理想中的平台大概是这样：售价几百、自带NPU、可接Sensor、弱光成像可用、SDK开箱即用。这一价位长期无人填补MT。ShiM
人工智能硬件全链路深度拆解
人工智能硬件全链路深度拆解 这轮AI硬件军备竞赛，究竟哪些玩家在低调掘金？ 耗费整日将AI硬件产业链逐层梳理，涵盖九大层级、逾四十个细分方向、三百余家标杆企业，最终汇成一幅全景图。深入研读后愈发确信：众人目光皆聚焦于英伟达，而真正的价值洼地实则隐匿于冰山之下。 先抛核心结论——整条链路自上而下的架构为： L1算力运营（云厂商/数据中心）→ L2算力基础设施（液冷/供电/光模块）→ L3核心芯片（GPU/HBM/先进封装）→ L4网络互联（交换机/DPU/光纤）→ L5存储（SSD/DRAM/CXL）→ L
雪亮工程AI智能升级高阶配置方案详解
在传统雪亮工程“全域覆盖、全网共享、全时可用、全程可控”的基石上，利用AI重塑感知、认知与决策三层核心能力，重点攻克农村及城乡结合部面临的算力边缘化、带宽低成本化、算法场景碎片化及运维无人化四大难题。关键突破包括：云边端三级AI协同、模型动态加载、雷视融合、算力共享GPU池化以及零信任安全架构。一、总体架构核心要素：雷视融合一体机（实现全天候无死角监控）边缘AI推理盒（支持算法模型动态加载）特征向量结合语义搜索（实现以图搜图及以文搜图）GPU算力资源池（实现多节点协同推理）星链与4G双链路灾备（确保极端断
M150UB边缘智能网关：社交控物，AI直连工业现场
EDGE COMPUTING GATEWAYM150UB边缘计算智能网关社交即控制•技能自生长•随处可部署一台专为恶劣现场设计的边缘计算智能网关。内置 AI Agent 智能体引擎，搭载 1TOPS NPU 与四核处理器，整机仅 4W 功耗。让复杂的人工智能摆脱屏幕，与实体工业现场深度融合。2.0GHz处理器主频1TOPSAI 算力 (INT8)4W整机超低功耗350g整机净重-20~60℃工业宽温运行概 · OVERVIEW电脑擅长办公，却无法走进车间、站在基站旁、或嵌入配电柜中。M150UB 正是为此
Digi扩展ConnectCore 95系列，推出全球可用的SMARC标准模块
物联网方案提供商Digi International日前发布，其ConnectCore 95产品线增添了一款遵循开放式标准的SMARC规格系统模块，该模块依托恩智浦i.MX 95芯片构建，现面向国际客户启动供应。 这款ConnectCore 95 SMARC模块运用可拆卸的SMARC 2.2尺寸（82 x 50mm），有别于先前发布的SMTplus贴装形式。它将计算能力、联网功能、安全防护及生命周期管理融合为完整服务包，而非单纯硬件。具体配置上，模块搭载最高六核Arm Cortex-A55核心，集成NXP
AI重塑超声：青年创业者蒋逸韬的智慧医疗突围
写在采访之前:在粤港澳大湾区蓬勃发展的浪潮中，创新创业既是驱动区域经济升级的核心引擎，更是引领青年实现价值、回应社会需求的重要路径。香港中文大学（深圳）创新创业处承载着链接全球资源、推进双创教育、赋能师生创见落地的核心职能，从国际资源对接至大湾区实践赋能，始终致力于为每一份青创梦想搭建成长舞台。为回溯十载青创历程、定格奋斗瞬间，我们特别策划「十年青创纪」系列访谈：聚焦那些从香港中文大学（深圳）校园起步，或在大湾区沃土中成长的创业者个体与团队，通过他们的亲身讲述，解锁创业路上的初心与坚守、挑战与突破，展现从
英伟达Jetson首次登陆月球轨道
6月30日传来喜讯，航天界迎来重大突破。萤火虫航天成功在月球轨道部署并启用了英伟达Jetson AI计算平台，标志着商业级AI硬件首次在月球轨道环境中稳定运行。该平台原用于自动驾驶及工业机器人等地面边缘计算，凭借其GPU加速性能与紧凑体积，完美契合了太空任务对高算力与低功耗的双重要求。萤火虫航天团队对系统实施了辐射防护及热控强化措施，有力证实了商用AI硬件能够经受住深空极端环境的考验。该系统归属于Ocula月球成像服务，预计将在2026年底搭乘蓝色幽灵2号任务升空。探测器入轨后，Elytra飞行器将工作约
AI 原生落地终端，设备如何自主决策？
当人工智能从云端下沉至终端，智能正从集中式运算转向数据生成与决策发生的现场。AI 原生计算、智能感知与无线连接的深度耦合，正构成边缘设备实现实时感知、自主判断及高效运行的关键基石。近期，国际楼宇自动化专业媒体 AutomatedBuildings 刊发文章，以楼宇自控为切入点，探讨 AI 原生设备如何在边缘侧借助本地 AI 达成实时推理与自主决策，并推动传统控制器向自主智能体演进。该文深入剖析了工业 Linux 系统、NPU 及 LiteRT 等软硬件技术如何赋能设备级 AI 部署，并以 Google I