粤出"飞龙",打造新制造广东样本

简介:

今天

飞龙工业互联网平台在广东正式发布啦

不仅能够辐射粤港澳大湾区

还将帮助广东打造新能源、电气装备等

八大工业互联网产业集群

b12bcb2cd8e7832ab428b4ab8300fb54f1c521c7

作为中国的制造大省之一

广东的产业规模位列全球第五

而近10年

转型升级已然成为了广东制造业发展的关键词

云计算、大数据、人工智能

则成为当地制造发展新引擎

飞龙平台将基于

领先的云计算、IoT、人工智能等技术

打通制造型企业的信息化系统

利用工业IoT梳理制造企业的供研产销全链路数据

在云端构建工业大数据平台

并通过ET工业大脑对数据进行加工分析

优化制造流程,带来商业价值

作为一个综合性的工业互联网平台

海油发展、京信通信、瀚蓝环境、迪森热能等

广东制造企业已经采用飞龙平台

此外

ET工业大脑还在平台上

与合作伙伴、开发者共同赋能

让中小企业也能受惠于人工智能技术

4c7f43441b09191b5dded45597ec5492b86628e0

黑格科技是一家已经用上飞龙平台的创业公司

这家由7位90后常春藤大学毕业生创办的

聚焦3D打印应用和数字化智能制造技术

如牙齿打印这个领域

以往只能通过经验

来控制3D打印固化物与树脂槽底的逐层分离

是个难点

飞龙平台上的ET工业大脑

对剥离过程中的

层面积、层曝光时间、材料耗损等

多达15个维度的关键因素分析

智能推荐合适的剥离力参数

使黑格科技的整体打印时间缩短40%

这也是3D打印行业史上第一次

基于人工智能技术实现打印效率的提高

26c7eecb1dd9c141633361cade5c20df2858a139

阿里云总裁胡晓明表示,

十年前阿里巴巴帮助广货北上,十年后,阿里巴巴帮助广东打造新制造样本。

在把互联网技术带到制造业上

阿里云并不是新手。

在2015年,胡晓明就曾在博鳌亚洲论坛提出,

阿里巴巴很早就判断产业互联网是未来的发展趋势,云计算等新技术会给各个产业带来巨大的提升机会,并将成为经济转型的重要爆发点,已为之进行了六年的技术部署。

a8552e965facc71d383e0339e34b23bde24913e4

此后

阿里云工程师很快进入工厂车间

2016年

即与协鑫光伏合作

并一起提升了1个点的良品率

为这家企业创造了上亿元的收益

2017年3月

ET工业大脑正式推出

2018年

物联网、云计算、人工智能

成为阿里云三驾马车

飞龙工业互联网平台就构筑于三者之上

相关文章
|
7月前
|
大数据 区块链
数据人的“西湖论剑”来了!第一届“数据同学会”在杭成功召开
数据人的“西湖论剑”来了!第一届“数据同学会”在杭成功召开
126 1
|
机器学习/深度学习 自然语言处理 算法
每日学术速递3.9
最近的视觉语言模型显示出令人印象深刻的多模态生成能力。但是,通常它们需要在海量数据集上训练大型模型。作为更具可扩展性的替代方案,我们引入了 Prismer,这是一种数据和参数高效的视觉语言模型,它利用了领域专家的集合。
150 0
每日学术速递3.9
|
机器学习/深度学习 数据采集 人工智能
WAIC 2022 | 联通(上海)产业互联网有限公司胡超:从监督学习走向自我学习
WAIC 2022 | 联通(上海)产业互联网有限公司胡超:从监督学习走向自我学习
|
机器学习/深度学习 自然语言处理 计算机视觉
每日学术速递3.21
随着神经辐射场 (NeRFs) 的引入,新颖的视图合成最近取得了巨大飞跃。NeRF 的核心是提出每个 3D 点都可以发出辐射,从而允许使用可区分的体积渲染进行视图合成。虽然神经辐射场可以准确地表示用于计算图像渲染的 3D 场景,但 3D 网格仍然是大多数计算机图形和模拟管道支持的主要场景表示,支持实时渲染和基于物理的模拟等任务。
128 0
|
机器学习/深度学习 人工智能 自然语言处理
每日学术速递5.4
尽管越来越多地采用混合现实和交互式 AI 代理,但这些系统在看不见的环境中生成高质量的 2D/3D 场景仍然具有挑战性。通常的做法需要部署一个 AI 代理来收集大量数据,以便为每个新任务进行模型训练。对于许多领域来说,这个过程是昂贵的,甚至是不可能的。
134 0
|
机器学习/深度学习 人工智能 自然语言处理
每日学术速递4.15
大规模视觉语言模型(例如 CLIP)学习强大的图像文本表示,这些表示已找到许多应用程序,从零镜头分类到文本到图像生成。尽管如此,它们通过提示解决新的判别任务的能力仍落后于大型语言模型,例如 GPT-3。在这里,我们探索视觉提示工程的想法,通过在图像空间而不是文本中进行编辑来解决分类以外的计算机视觉任务。
119 0
|
机器学习/深度学习 人工智能 自然语言处理
每日学术速递5.8
最近的 AI 助理代理,例如 ChatGPT,主要依靠带有人工注释的监督微调 (SFT) 和来自人类反馈的强化学习 (RLHF) 来使大型语言模型 (LLM) 的输出与人类意图保持一致,确保它们是乐于助人、合乎道德且可靠。然而,由于获得人工监督的高成本以及质量、可靠性、多样性、自我一致性和不良偏见等相关问题
174 0
|
机器学习/深度学习 存储 自然语言处理
每日学术速递4.9
错误信息已成为一个紧迫的问题。网络上广泛存在视觉和文本形式的虚假媒体。虽然已经提出了各种 deepfake 检测和文本假新闻检测方法,但它们仅设计用于基于二进制分类的单模态伪造,更不用说分析和推理跨不同模态的细微伪造痕迹。
125 0
|
机器学习/深度学习 自然语言处理 自动驾驶
每日学术速递5.9
目标跟踪的大多数先前进展是在具有良好照明的白天场景中实现的。迄今为止,最先进的技术很难在夜间发挥其优势,从而大大阻碍了与视觉跟踪相关的无人机 (UAV) 应用的扩展
161 0
|
机器学习/深度学习 人工智能 自然语言处理
每日学术速递4.4
我们对 Embodied AI 的预训练视觉表示 (PVR) 或视觉“基础模型”进行了最大、最全面的实证研究。首先,我们策划了 CortexBench,它由 17 项不同的任务组成,涵盖运动、导航、灵巧和移动操作。接下来,我们系统地评估现有的 PVR,发现没有一个具有普遍优势。为了研究预训练数据规模和多样性的影响
114 0