人工智能相關文章 九科信息AI Agent平臺重構智能產品生態 九科信息bit-Agent則是企業級智能決策引擎。作為全鏈路AI智能體,它集成自然語言處理與強化學習技術,能理解業務邏輯,自主完成從數據感知到策略生成的閉環操作。 發表于：6/20/2025 AI GPU功耗將達15000瓦 英偉達正式進軍核電站 6月20日消息，我們經常調侃NVIDIA的旗艦顯卡是“戰術核彈”，沒想到老黃真的進軍核能領域了！ NVIDIA旗下風投部門NVenture與比爾蓋茨、現代汽車集團共同參與了對泰拉能源(TerraPower)的6.5億美元融資。 發表于：6/20/2025 SK海力士已向英偉達小批量供應HBM4 6月19日消息，據韓國媒體dealsite.co.kr報道稱，隨著人工智能（AI）芯片大廠英偉達（NVIDIA）準備向客戶提供其下一代 AI 加速器“Rubin”的樣品，SK海力士也在加快了HBM4 的量產進度。目前，SK海力士已經開始向英偉達小批量供應了HBM4，并已經安裝在了 Rubin 樣品中。美光也緊隨其后，向英偉達提供了12層堆疊的HBM4 樣品。行業觀察人士表示，SK 海力士將占據英偉達初始采購量的很大一部分。 發表于：6/20/2025 樂聚聯合中國移動和華為發布業界首款5G-A具身智能機器人 6 月 19 日消息，本周上海世界移動通信大會（MWC 上海 2025）期間，樂聚聯合中國移動、華為發布業界首款 5G-A 具身智能機器人，攻克了高并發場景下的多機協同、實時決策等技術難題。 發表于：6/20/2025 零次方機器人發布國內首個全模態具身數據全鏈路解決方案 6 月 19 日消息，據安徽日報報道，位于安徽合肥的零次方機器人有限公司今日宣布，該企業在智能核心技術領域取得重大突破，發布國內首個、業內領先的“全模態”具身數據全鏈路解決方案。“它如同人形機器人的‘訓練寶典’，可系統解決當前制約具身智能模型訓練與落地的核心痛點，讓人形機器人訓練與場景落地更快速、更便捷。” 發表于：6/20/2025 智能背景下的雷達通信電子對抗一體化技術 在人工智能技術興起的大背景下，針對雷達通信電子對抗一體化技術進行了分析研究，梳理了一體化技術概念，討論了一體化技術在此背景下的實現意義，總結分析了國內外一體化系統發展狀況，重點圍繞一體化波束、一體化信號設計兩方面闡述了主要技術研究現狀，對一體化技術的實現要點進行了歸納討論，探討了從認知到智能化的技術發展趨勢，并簡單列舉了無人駕駛場景下一體化技術的影響，指出一體化智能系統實現的可能方式，最后展望了一體化技術實現前景。 發表于：6/19/2025 NVIDIA最新中國特供RTX 5090 DD曝光 6月18日消息，根據最新爆料，NVIDIA計劃推出一款專為中國市場設計的RTX 5090 DD顯卡。 這款顯卡是在已經降規的RTX 5090 D基礎上進一步降低規格的產品，其主要目的是為了規避美國政府的芯片出口限制。 發表于：6/19/2025 蘋果擬用生成式AI加速定制芯片設計流程 6 月 19 日消息，據路透社今日報道，蘋果硬件技術主管 Johny Srouji 上月在一次非公開場合透露，公司正考慮利用生成式 AI 技術，加速其定制芯片的設計流程。 發表于：6/19/2025 英特爾挖角蘋果谷歌悍組建AI芯片夢之隊 英特爾挖角蘋果谷歌悍組建AI芯片夢之隊 發表于：6/19/2025 比亞迪與字節跳動合作用AI聯合攻堅動力電池關鍵技術 6月19日消息，“小迪快報”發文稱，比亞迪鋰電池將與字節跳動Seed及火山引擎深化合作，共建“AI+高通量聯合實驗室”。 雙方通過共享算法、算力及實驗數據，聯合攻克動力電池快充、壽命和安全等關鍵技術問題，推動AI for Science研究在鋰電池領域落地。 其中，字節跳動Seed團隊將持續投入模型算法研究，依托火山引擎云基礎設施優化模型能力。 而比亞迪鋰電池則提供高通量實驗平臺，保障大規模、系統性且高一致性的實驗數據，為模型優化提供高質量數據支持。 此外，雙方將構建融合海量實驗與計算數據的電池綜合性能AI模型，多維度縮短電池迭代周期，加速新材料和新配方的發現。 發表于：6/19/2025 50萬一臺的人形機器人進廠 搬運效率連工人一半都不到 半年前，機器人還是車企提升估值的特效藥。當時，如果一家車企宣布要做機器人，資本市場給它的估值就會翻一倍，汽車的零部件供應商同理。 在特斯拉發布機器人視頻后，十多家車企都蹭上機器人概念。小鵬、小米、廣汽已經推出了機器人產品；理想表達了進場的意圖、蔚來處在調研階段；賽力斯、長安、比亞迪等已經設立團隊并開啟招聘，賽力斯在重慶和上海機器人團隊已有近 200人；上汽、北汽、奔馳則是重在投資參與。 車企做機器人，最簡單的理由就是特斯拉已經做了，而且給行業提供了足夠多的理由—— 發表于：6/19/2025 面向多源異構數據的知識圖譜可視化融合方法 為解決數據冗余沖突與關聯缺失問題，研究面向多源異構數據的知識圖譜可視化融合方法，提升數據融合的可靠性。利用網絡本體語言為多源異構數據建立對應的領域本體庫與全局本體庫，使得知識實體抽取和知識融合在同一框架下進行；通過長短期記憶網絡-條件隨機場模型，在本體庫約束下，從多源異構數據中抽取符合領域定義的知識實體；利用基于層次過濾思想的知識融合模型，可視化融合抽取的知識實體，解決多源異構數據中冗余信息和不一致性問題，形成準確、完整、可靠的多源異構數據可視化融合知識圖譜，有助于發現潛在的數據關聯，補全數據關聯缺失。實驗結果表明：隨著數據缺失比例的提升，尺度系數與屬性覆蓋度均開始下降，最低尺度系數與屬性覆蓋度是0.86與0.87，均顯著高于對應的閾值；所提方法在處理四個數據源時，視覺清晰度達93%~97%，信息融合度達92%~96%，均優于對比方法。說明該方法可有效抽取多源異構數據知識實體，建立知識圖譜，實現多源異構數據可視化融合；在不同數據缺失比例下，該方法多源異構數據可視化融合的尺度系數與屬性覆蓋度均較大，即數據可視化融合效果較優；同時有效提升了數據可視化效果和信息整合程度。 發表于：6/18/2025 復雜景觀圖像的語義多狀態圖像風格遷移 復雜景觀圖像包含具有不同特征的各種對象，傳統的風格遷移方法無法在同一圖像中對不同對象進行局部風格遷移。CycleGAN可以通過偽監督策略在沒有配對樣本的情況下實現風格遷移。但是CycleGAN無法實現對復雜風景圖像中不同類別對象的風格遷移；同時CycleGAN在復雜場景中的泛化能力不足且復雜度高。因此，提出了一種基于語義類別的復雜風景多狀態圖像生成方法，即語義類別風格遷移（Semantic Category Style Transfer，SCST），能夠有效地結合局部特征實現復雜風景的圖像生成。同時提出了上下文感知的風格遷移模型GCycleGAN。實驗結果表明本文提出的GCycleGAN的性能優于CycleGAN、DualGAN和Munit等基于深度學習的圖像生成模型。 發表于：6/18/2025 基于特征選擇和優化CNN-BiLSTM-Attention對SF6斷路器漏氣故障診斷 SF6（六氟化硫）斷路器是保障電網穩定運行的重要設備，但其在長期使用中容易發生漏氣問題，既影響設備性能，又威脅電網的安全性。為精準診斷SF6斷路器的漏氣故障，提出了一種基于Gini指數特征選擇和貝葉斯優化（Bayesian Optimization， BO）的CNN-BiLSTM-Attention組合模型。首先，針對影響SF6斷路器漏氣的內外部因素，進行特征映射與重要性分析，并采用KMeans-SMOTE技術解決數據分布不均的問題。其次，利用基于Gini指數的方法篩選關鍵特征，并通過貝葉斯優化精調CNN-BiLSTM-Attention模型的超參數以提升分類性能。實驗結果表明，設備缺陷、運行年限、運維水平、天氣和溫度是導致漏氣的主要因素。與其他模型相比，所提方法在漏氣故障的0/1分類任務中展現出更高的分類精度和魯棒性。研究不僅驗證了方法的有效性，還揭示了引發SF6斷路器漏氣的關鍵因素，為設備巡檢和運維管理提供了科學支持，進一步提升了電網運行的安全性與可靠性。 發表于：6/18/2025 如何安全可靠地獲取高質量數據訓練大模型 如何安全可靠地獲取高質量數據訓練大模型？北電數智給出更優解 發表于：6/18/2025 ?…891011121314151617…?
