2024 | No.11 | No.10 | No.9 | No.8 | No.7 | No.6 |
---|---|---|---|---|---|---|
No.5 | No.4 | No.3 | No.2 | No.1 | ||
2023 | No.12 | No.11 | No.10 | No.9 | No.8 | No.7 |
No.6 | No.5 | No.4 | No.3 | No.2 | No.1 | |
2022 | No.12 | No.11 | No.10 | No.9 | No.8 | No.7 |
No.6 | No.5 | No.4 | No.3 | No.2 | No.1 | |
2021 | No.12 | No.11 | No.10 | No.9 | No.8 | No.7 |
No.6 | No.5 | No.4 | No.3 | No.2 | No.1 | |
2020 | No.12 | No.11 | No.10 | No.9 | No.8 | No.7 |
No.6 | No.5 | No.4 | No.3 | No.2 | No.1 | |
2019 | No.12 | No.11 | No.10 | No.9 | No.8 | No.7 |
No.6 | No.5 | No.4 | No.3 | No.2 | No.1 | |
2018 | No.12 | No.11 | No.10 | No.9 | No.8 | No.7 |
No.6 |
大模型时代,智算基础设施是模型原始创新与应用赋能的底层驱动,是人工智能赋能新型工业化的基础底座。分析阐述了智算基础设施的发展趋势与挑战,从软硬件协同、算力能效、网络架构和运维保障等方面,总结归纳出评价大模型智算基础设施能力的四大重点,并提出了发展我国大模型智算基础设施生态的策略建议。
我国新型工业化已步入新的历史阶段,正通往人工智能发挥引擎作用的高质量发展轨道。数据作为驱动人工智能发展的关键要素之一,已快速融入生产、分配、流通、消费和社会服务管理等环节,成为实现智能化、自动化和优化工业流程的基石。从系统化的研究视角,分析了当前工业领域人工智能数据“不够用”“不敢用”“不好用”“不想用”的传统与新兴风险叠加困局,指明了治理因应的基本逻辑是兼顾发展与治理,揭示了从法治之“道”与自律之“术”两方面推进的治理因应策略。
体系化梳理分析了基于Transformer架构的重要创新方向,从Transformer自身架构创新、与其他架构融合创新以及非Transformer算法创新3个维度分析了大语言模型算法演进态势,就未来大模型发展方向进行展望。
人工智能正成为推动新型工业化的核心动力,引领社会进入智能经济时代。大模型技术通过预训练和微调在多任务中展现强大能力,然而其应用面临算力、数据、算法以及安全等方面的挑战。大模型应用服务平台(MaaS平台)通过标准化服务,提高企业利用大模型技术的灵活性和效率。提供了星辰MaaS平台构建的关键技术路径,为企业智能化发展提供参考。
随着人工智能(Artificial Intelligence,AI)技术的快速发展和广泛应用,企业正积极引入AI技术以实现业务的智能化升级和转型,从而提升竞争力。提出了一种基于解耦、收敛、互联三原则的运营商AI+MaaS IT支撑新模式,并阐述了该模式在平台架构、模型编排、业务互联、算力统一运营以及精准意图识别等方面的探索和实践,解决传统IT架构在灵活性、兼容性和可扩展性方面面临的挑战,推动AI+业务的规模化价值运营。
首先,重点阐述了神经辐射场(Neural Radiance Field,NeRF)技术在通信行业的应用进展;其次,介绍了NeRF的基本原理和通信数字孪生构建方法;最后,介绍了NeRF在通信设施三维建模、网络规划等方面的应用,旨在为通信行业的研究人员提供有价值的参考,并激发未来研究方向。
在建设现代化、推进新型工业化的关键时期,人工智能(Artificial Intelligence,AI)技术的兴起为制造业转型升级提供了强大的动力,AI技术在制造业全流程的落地已成为推动制造业领域产业升级的重要引擎。首先,分析AI技术赋能制造业的意义,从研发设计、生产制造、运营管理和产品服务等制造业核心环节入手,深入阐述AI技术在全流程中融合应用的关键技术点;其次,介绍了制造业AI的技术应用情况,并深入分析了AI赋能制造业全流程过程中的挑战;最后,展望了制造业AI的技术发展趋势。
人工智能作为新质生产力和数字经济的要素,其与工业的结合是推动新型工业化的关键。研究探讨了人工智能在工业领域的应用现状,分析了全球主要经济体在此领域的政策导向,并提出人工智能在提升产业科技创新能力、推进产业结构优化升级、增强产业链供应链韧性和推动工业绿色发展等方面的作用。通过大小模型融合、边缘智能及认知制造等路径,揭示了人工智能在推动工业向更高层次智能化转型中的关键作用。研究表明,人工智能不仅提升了工业效率,还促进了产业结构的优化升级,为推动实现深度赋能新型工业化提供强有力的支撑。
随着科技的进步与技术的革新,汽车正在从传统的移动代步工具向智能移动空间乃至智能生命体演变。智能座舱是人机交互的主要入口,在集成了功能性与娱乐性的基础上,人工智能的发展,特别是通用人工智能的发展,也为座舱提出了自主性、适应性、个性化等诸多要求。为满足这些需求,设计了一个基于大语言模型与智能体的智能座舱系统,并以一个云端实现架构勾画了该系统的技术实施路径,以座舱内的应用情景为出发点,构造了一个具备自主性、适应性、个性化特征的智能座舱系统。
随着航天技术的不断发展,航天控制软件面临着日益复杂的业务形态和持续变更的业务需求,软件呈现出功能日趋复杂、规模越来越大、研制周期缩短等趋势,软件系统变得日趋庞大和难以驾驭。工程师面对新的软件需求时,往往会寻找历史型号任务中最相近的功能点进行软件代码继承,从而减少开发成本,提升开发效率。面对海量庞大的代码库,代码检索方法难以高效、准确地获取与意图相关的需求和代码,从而影响软件开发效率和质量,制约软件高效可靠交付。为解决上述问题,提出了一种基于人工智能(Artificial Intelligence,AI)的航天控制软件代码检索方法,该方法基于语义向量模型,通过对项目控制软件历史资产中的文档和代码进行提取和处理,构建函数代码和需求之间的映射关系,并构造了检索库为代码提供支撑。聚焦AI赋能工业软件设计的落地应用,以优化软件开发流程、提升开发效率与质量、增强智能化能力。为解决工业行业众多研发场景中已有资产的高效利用难题提供有效方案,为推动我国智能制造高质量发展提供有力支撑。
基于用户实体行为分析数据安全审计管理系统,为应对企业内外部数据安全威胁提供了新的解决方案。通过对用户、设备和应用的行为进行持续监控,建立动态基线,并实时分析异常行为,有效识别潜在威胁。提出了包含实体、行为、基线和算法为核心4要素,以及数据采集、行为分析和处置响应为3步骤的框架系统,展示了如何将人工智能增强的用户实体行为分析构建智能化的数据安全审计体系,以增强数据保护能力和合规性。
参考卫星地景数据以及北京市政公开的城市规划数据,并用大模型技术对该数据进行样本扩充,然后对这些样本数据进行多模型联合学习训练。通过模型训练对北京市区的高清卫星底图以及多光谱数据进行高精度的测量还原(包括城市建筑物底座、植被和道路),并运用大语言模型技术进行程序化三维建模,最后在虚幻引擎中自动生成。该流程对北京中心1 000 km2范围内进行了地景资产的复刻重现。本方法不仅提高了城市建模的效率和准确性,而且为城市规划、历史保护等领域提供了新的研究工具和视角。
在全球资源约束问题加剧,我国着力打造循环经济发展模式的背景下,基于循环经济发展的基本模式,探讨了人工智能应用于循环经济建设的主要技术手段,搭建了人工智能赋能循环经济建设的应用模式框架。同时,分析了现阶段人工智能赋能循环经济建设的主要挑战,并提出了发展建议,助力人工智能高效赋能循环经济建设。