中间合金-线材自动切杆连续性自动化改造
公司希望借助工业互联网领域，利用互联网、物联网、云计算、大数据及人工智能等先进技术，为工业企业数字化转型升级、智能化、自动化改造等提供项目咨询、规划设计、定制化开发等服务。
公司希望借助工业互联网领域，利用互联网、物联网、云计算、大数据及人工智能等先进技术，为工业企业数字化转型升级、智能化、自动化改造等提供项目咨询、规划设计、定制化开发等服务。
我方为新材料、新能源等硬科技成果转化服务行业，先对AI领域发展趋势有了解的需求，希望对AI领域+智能制造领域及其硬件等发展情况进行调研分析，以备后期业务拓展及发展
研究数字色卡及纺织品数字色彩管理系统的关键技术，研究色彩采集工具，通过AI智能匹配系统建立色彩和图案数据库，突破并解决传统纺织品色卡的成本高、时效低、难以标准化等缺点，适应当前信息时代数字化需求。
开发一个能够支持其人工智能项目、满足特定业务需求、提供高质量技术支持和知识产权保护的人工智能训练系统
研发跨异构硬件的编译能力，支持深度学习、科学计算等并行计算场景；兼容包括DCU\MLU\GPU\NPU等5种异构异构硬件，跨异构硬件的性能优化以及统一的中间表示层；支持CUDA、HIP向国产化的平滑迁移；支持跨异构节点的联合数据/模型/pipeline并行，实现一次开发跨架构部署能力；跨架构编译运行后的性能损耗<5%。
寻找视频质量增强算法、视频实时超分算法。
结合大模型技术和决策支持理论，开发一套智能决策支持系统，帮助企业在复杂的生产环境中做出科学合理的决策。 1、依托大模型在工业上应用，处理和分析大规模工业数据，集成数据分析、预测模型和优化算法，能够根据实时数据和历史信息，为生产计划、资源配置、质量控制等方面提供决策建议。 2、依托大模型检索增强技术和细粒度的文档分片策略，研发高效率的知识库问答系统。
研发基于视觉分析的货物种类、数量识别技术。针对冷库出入库及盘点业务，通过模型判断货物是出库还是入库，同时识别托盘上的货物种类、数量，进行出入库货物数量统计及识别过程留存，实现AI控货的目标。
1.对标业界主流GPU直接通信架构NVIDIA GPUDirect RDMA，实现跨品牌的自主GPU之间实现同等通信效果，与未使用此技术前能力对比通信效果提升30%。 2.单品牌多机多卡GPU点对点直接通信，与未使用此技术前能力对比通信效果提升20%；单机多卡GPU点对点直接通信，与未使用此技术前能力对比通信效果提升10%。 3.支持华为等至少3种不同厂商的国产xPU芯片，集群规模支持256张国产xPU卡以上，在2TB数据集，13B参数大模型训练场景下，国产xPU资源利用率不低于60%。 4.支持跨品牌GPU断点续训，以2TB数据集，13B参数大模型训练场景为基准，支持训练过程中的故障监测并在30分钟内恢复训练任务。
1、研发一种基于视频识别技术的日常情绪监护的方法、装置、设备和介质； 2、设计一种云计算防碰撞保护装置。
研发面向大模型训练场景的网络基础架构，包括网络拓扑结构、通信IO聚合、通信和计算协同编排技术；通过网络技术研发，挑战GPU训练效率MFU>60%。
研发面向科学计算、智能计算和云计算的超算系统的智能虚拟化技术，以及与算网编排调度对接能力，超算虚拟化技术开销小于0.1%。
本项目主要研究开发以下7个方面技术内容: 1、中控智能控制终端技术 2、高防行车记录仪技术 3、TBOX (远程服务终端)技术 4、TPMS (胎压检测)系统技术 5、360°全景泊车系统技术 6、流媒体后视镜技术 7、HUD智能控制技术
通过信息整合，让所连接设备在同一云平台系统运作
性能指标: 1、可实现多目标、遮挡、各种姿态的情况 2、有粗略和精细选项在性能和精度之间进行修改 3、具有0-100(或者0-1)的分数评价 4、使用C/C++编写，并使用一些加速处理(可能需要IPP，MIPP,指令集优化，汇编、GPU等)技术 5、300万点云，搜索时间小于1秒(I7-7700KCPU) 该需求属于传统点云处理，需要计算机/传统图像处理领域的老师，非人工智能(AI)领域。
1、测量范围：6cm×4cm×2cm；2、坐标校准精度：0.1mm，轨迹校准精度：0.5
我们致力于智能装备和视觉检测技术的底层研发及产业化，技术核心团队有人工智能视觉算法、上位机软件、V-Slam导航物流机器人、工业结构设计、电控系统等，自研视觉算法平台于2022年12季度完成了传统视觉框架V2.5发布和算子由C#向C/C++移植，下一阶段计划对算子效率优化并引入深度学习。随着企业规模扩大以及研发工作的持续开展，需要投入较多的资金用于研发投入、人员工资、营销费用等各项支出。
AI技术的应用可以大大提高短视频创作的效率和质量，而GPT技术则可以为短视频创作者提供快速产出高质量内容的解决方案。