德国耐驰结合传感器、材料科学和AI 云计算，为聚合物、聚合物基复合材料领域加工提供独特的解决方案。本文重点介绍如何 将NETZSCH - sensXPERT 方案应用于空客公司的实际工艺流程。 许多行业面临类似问题： 汽车业和航空业可能使用不同的制造过程，但是它们在生产中 面临相同的问题：缩短生产节拍、提高成品率、动态控制每一个产品等等 。热固性塑 料和热固性复合材料越来越广泛地应用于生产高机械强度的高性能部件。针 对不同应用场景需要量身定制不同的树脂及配方材料 ，而材料的 多样性 给实际生产带来了许多挑战。 多年来，耐驰与客户一起观察和分析了行业痛点，目的是帮助企业发挥复材的全部潜力。复合材料部件生产工艺中，最缺乏的是所谓"数据透明性"。 也就是说，在部件固化的关键过程中，无法获得该个体的实时固化过程数据。 没有实时固化数据支撑，工艺优化、产品改进、效率提升……都无法真 正实现。 显然，为了获得材料的最优固化过程、改善生产过程，材料实时固化历程的数据是关键。 介电树脂固化监测仪DEA 德国耐驰仪器公司被空客公司选中为研发项目提供智能传感器解决方案： 著名的飞机制造商空客公司选择德国耐驰仪器公司提供的智能传感 ...

近期，科技圈再度传出重磅消息，字节跳动痛失一位重量级人物。 据可靠消息，字节跳动的豆包大模型视觉基础研究团队领军人物冯佳时，已悄然离职。这一变动引发了业界的广泛关注，毕竟冯佳时在人工智能领域拥有卓 越的学术成就和丰富的实践经验。 02. 顶尖导师团队 和认真做事的人一起挑战世界级难题 词佳时 字节跳动豆包大模型视觉基础研究团 队负责人 专注于计算机视觉、机器学习领域的相 关研究及其在多媒体中的应用 早在今年六月，有关冯佳时将离职的消息便不胫而走，但当时字节跳动迅速辟谣，称其为不实传闻。然而，事实似乎并非如此，冯佳时的离职已成定局。 冯佳时的离职无疑给字节跳动带来了一定的冲击。作为豆包大模型视觉基础研究团队的负责人，他不仅拥有深厚的学术背景，还曾在新加坡国立大学担任助 理教授，师从AI领域的顶尖学者颜水成。他的加入，曾被视为字节跳动在AI领域的一大突破。 冯佳时的学术成就斐然，他在深度学习、物体识别、生成模型以及机器学习理论等方面发表了400多篇论文，论文在谷歌学术的引用量已超过6.9万次。他还 曾获得多项国际大奖，包括ACM MM 2012最佳技术演示奖、TASK-CVICCV 2015最佳论文奖等。他的离去 ...

机器之心报道 机器之心编辑部 每个领域的发展，都离不开几本奠定基础的经典书籍，人工智能亦是如此。 此前，李航老师的《统计学习方法》《统计学习方法（第 2 版）》可以说是机器学习宝典，很多学生、老师都将此书奉为必读书籍。 然而，随着 AI 技术的快速发展，特别是深度学习的飞跃式进展，一本仅覆盖传统机器学习的教材，已无法全面反映当前机器学习技术的全貌。 因此，李航老师在前两版的基础上，又推出了《机器学习方法》，新增深度学习内容。 而近期，AI 圈对于强化学习的关注也在迅速升温。从大模型与智能体的融合尝试，到强化学习在游戏、机器人控制、决策优化中的广泛应用，这一方向再次成为 焦点。然而，此前许多教材对此涉及较少，甚至完全缺席，导致很多人无法系统学习。 现在这个问题也解决了。 李航老师全新上线新书《机器学习方法（第 2 版）》 ，将强化学习独立成篇，系统介绍了强化学习的基本框架与代表算法，包括马尔可 夫决策过程、多臂老虎机问题、深度 Q 网络等。 全书共分为 4 篇（ 或 4 册） ，对应 监督学习、无监督学习、深度学习和强化学习 4 个主要分支。 至此，《机器学习方法（第 2 版）》构建起了一个覆盖监督学习、无监督 ...

I S090062 元多合产品 - 款以量化策略驱动,全球配置的智慧型 ETF投顾服务产品! 在当今复杂多变的市场环境中,普通投资者面临着前 所未有的挑战：个股数量持续扩容，选择越来越难? 如何在全球资产配置中把握机会? 如何在市场波动中 保持理性? 如何解决只赚指数不赚钱的投资困境? ETF就是一个绝佳的多元工具箱,据统计,自8月以来 截止8月13日收盘,全市场5424只个股,其中上涨占 比为83%;1661只ETF/LOF上涨占比接近95%。再 继续分析近6月、近1年、近2年、近3年上涨家数占 比,ETF上涨占比均显著高于A股。 | | 8 月以来 | 近6月 | 近１年 | 近２年 | 近3年 | | --- | --- | --- | --- | --- | --- | | 个股 | 83% | 77% | 93% | 65% | 59% | | FTF 和I OF | 010/ | 030 | 06% | 810/ | 74% | 基于此,本期我们专访了申万宏源"智选多资产 ETF"主创何嘉文老师,作为拥有26年投资经验、最 高管理规模超120亿元的资深投资经理,何老师将分 享他如何通过量化模型和系 ...

编者按：近日，浙江日报、温州日报、乐清融媒体记者相继走进天正智能工厂，专题报道天正智造及数智变革。本期"媒体看天正"栏目，聚焦智能工厂 的"数字医生"，为企业"触网登云"保驾护航。以下为报道摘要： 融媒体报道截图 当前，工业互联网发展呈现出高度融合、智能化和生态化的特征，并被广泛应用于制造业、能源、交通、医疗等多个领域，不仅助力企业实现数字化转型， 也催生出了与之密切相关的新职业——工业互联网运维师，他们就像智能工厂的"数字医生"，细心地守护着工业互联网系统的高效安全运行。 在浙江天正电气股份有限公司的智能断路器未来工厂，数字孪生平台上可以清晰地看到各个智能化车间的生产情况和相关数据，工业互联网运维师侯特特正 在根据生产线上反馈的数据进行记录和分析。 与普通互联网公司的运维师不同，工业互联网运维师对个人能力的要求更综合。他们不仅需要精通传统互联网知识与技能，还需掌握大数据分析、人工智能 和机器学习等前沿技术，其核心在于搭建和维护平台，无缝连接物理设备与信息系统，并运用云计算、边缘计算确保实时数据处理的高效可靠。 传统产业数字化转型需求旺盛，当前，像侯特特这样的工业互联网运维师，天正乐清总部信息部的员工就有近3 ...

麻省理工学院研究团队结合化学信息学工具与全新有机溶解度数据库 BigSolDB，在 FASTPROP 与 CHEMPROP 模型架构的基础上进行了改进，使模型能 够同时输入溶质分子、溶剂分子及温度参数，直接对 logS 进行回归训练。在严格的溶质外推场景下，相较 Vermeire 等人的 SOTA 模型，优化后模型的 RMSE 降低了 2–3 倍；同时，架构相对简洁，推理速度提升最高达 50 倍。 在化学与材料科学领域，有机固体在不同溶剂中的溶解度是一项核心分子性质，其影响贯穿科研与产业全链条。对于合成工艺而言，精准掌握溶解度不仅 有助于筛选最优溶剂、优化反应条件，还能显著提升产物产率与纯度，降低生产成本；在环境科学中，它是解析全氟及多氟烷基物质（PFAS）等污染物 在土壤与水体中迁移归趋的关键参数，为污染防控与治理提供科学依据；而在结晶、膜分离等工艺中，溶解度更是决定相行为与分离效率的核心变量。 然而，传统实验测定方法存在诸多局限：不仅耗时耗材，还容易受到有机固体晶型与杂质等因素干扰，导致数据准确性不足。据研究，水溶解度 logS 的 跨实验室标准差常达 0.5–0.7 log 单位，极端情况下测定结果差异 ...

物联网、人工智能、机器学习和大数据分析等前沿科技不断演进，持续拓宽智能家居设备的应用边界与 交互深度，为智能家居行业构筑了坚实的技术底座，有望催生更多具有高附加值的创新产品和服务，满 足消费者日益多样化、个性化的需求。 需求层面 对外中美关税战缓和，有望利好中国家电企业出海;对内随着居民生活水平提升与科技普及，叠加老龄 化加速带来的居家养老需求激增，有望推动智能家居行业持续升级迭代。 国元证券发布研报称，近期召开的全国消费品以旧换新工作推进电视电话会强调，要落实好促消费增量 政策，加快培育消费市场新增长点。贴息政策与消费品以旧换新政策形成组合拳，叠加前沿科技进步和 居民现实需求，智能家居产业链上中下游有望受益。 国元证券主要观点如下： 政策层面 2025年初，国家发展改革委、财政部发布《关于2025年加力扩围实施大规模设备更新和消费品以旧换新 政策的通知》，将家电补贴品类从8类扩至12类，并从设备更新、消费品以旧换新及回收循环利用等方 面共发力，刺激家电、家居等领域消费。 技术层面 综上，智能家居产业链上中下游有望受益，维持"推荐"评级。 风险提示：技术迭代风险、政策变动风险、市场需求不及预期风险。 ...

内容概况：随着企业数字化转型的加速，RPA作为一种高效、准确的自动化解决方案，正被越来越多地 应用于重复性高、规则明确的业务流程中，有效提高了生产效率并降低了运营成本。2024年，中国机器 人流程自动化（RPA）行业市场规模约为67.9亿元，同比增长35.80%。RPA技术在中国的应用领域广 泛，涵盖了金融、制造业、医疗保健、零售与电商、政务与公共部门等多个行业。在金融行业，RPA被 广泛应用于财务报表生成、贷款审批、反洗钱监控等场景，显著提高了工作效率和准确性。在制造业， RPA用于采购订单处理、质量检测报告生成、供应商对账等，帮助企业实现自动化生产和供应链管理。 此外，RPA在医疗保健领域的应用也在快速增长，如患者预约安排、治疗周期监控等。同时，RPA技术 正与人工智能（AI）、机器学习、自然语言处理（NLP）等技术深度融合，实现更高级别的认知智能和 更复杂的业务流程优化。例如，实在智能等厂商将OCR、NLP与机器学习融入RPA，实现了非结构化数 据处理能力的突破。此外，RPA产品的云化趋势也日益明显，以满足企业对灵活性、可扩展性和成本效 益的需求。 相关上市企业：远光软件（002063）、东软集团（60 ...

Group 1: RISC-V Developments - Condor Computing, a subsidiary of Andes Technology, focuses on high-performance RISC-V core development with its first design, Cuzco, completed by a small team of 50 engineers [4][6]. - Cuzco aims to provide the highest performance within a similar power range compared to other RISC-V vendors, indicating a competitive landscape that may lead to a consolidation of players in the future [6][9]. - The Cuzco design features a wide front end, a deep 256-entry reorder buffer, and an 8-way execution pipeline, emphasizing optimization rather than reinventing existing technologies [9][11]. Group 2: Cuzco CPU Core Features - Cuzco is a complete IP design that includes not only the CPU core but also cache and coherence management functions, highlighting its comprehensive architecture [11]. - Key features of Cuzco include support for various precision floating-point operations, new bit manipulation instructions, cryptographic functions, and vector instructions, all crucial for high-performance computing [12][14]. - The innovative time-based microarchitecture of Cuzco aims to improve out-of-order execution efficiency while reducing power consumption by utilizing hardware compilation for instruction scheduling [16][19]. Group 3: Performance Metrics - Cuzco's architecture is designed to outperform Andes AX65 cores, achieving nearly double the performance in SPECint2006 benchmarks, showcasing its competitive edge [30][31]. - The design supports up to 8 CPU cores with private L2 and shared L3 caches, connected via a wide CHI bus, enhancing its scalability and performance [33]. Group 4: IBM Power11 Architecture - IBM introduced its Power11 architecture, building on the success of Power10, with a focus on system integration rather than just CPU sales [93][97]. - Power11 features enhancements in memory architecture, supporting up to 32 DDR5 memory ports with speeds up to 38.4 Gbps, aiming for high bandwidth and capacity [117][118]. - The architecture emphasizes fewer, larger cores and integrates AI capabilities directly into the processor, reflecting industry trends towards AI integration [102][114]. Group 5: Intel Clearwater Forest - Intel announced its next-generation 288-core processor, Clearwater Forest, utilizing the 18A process and 3D packaging technology, marking a significant advancement over the previous Sierra Forest generation [124][125]. - Clearwater Forest focuses on energy efficiency and multi-threaded workloads, leveraging smaller, efficient cores instead of traditional large cores [126][130]. - The architecture includes improvements in decoding width, out-of-order execution, and memory bandwidth, with claims of a 17% increase in IPC compared to Sierra [134][142]. Group 6: AMD RDNA 4 Architecture - AMD showcased its RDNA 4 architecture, emphasizing significant updates for graphics and machine learning workloads, with a focus on ray tracing and AI hardware [186][192]. - The architecture features improvements in shader engines, memory bandwidth, and media engines, enhancing performance for real-time workloads [203][205]. - RDNA 4 aims to optimize performance for next-generation gaming, integrating advanced features for ray tracing and AI/ML capabilities [242]. Group 7: NVIDIA Blackwell Architecture - NVIDIA's Blackwell architecture focuses on enhancing machine learning performance and efficiency, with a strong emphasis on FP4 ML computing [244][249]. - The architecture supports advanced features for neural rendering and dynamic scheduling, improving performance across various workloads [253][275]. - Blackwell introduces GDDR7 memory support, significantly increasing overall memory bandwidth and optimizing power consumption for mixed workloads [266][279].

研究生开学，很多同学都很迷茫。最近有个研一的新生找柱哥诉苦： 末9硕双非本。导师实验室传统上是做规控 的，这几年还在做基于机器学习的工业流程上的控制，除此之外小方向还有机器人的控制，多车辆车队控制。导 师现在让我们选择一个自己的发展方向，想咨询一下您觉得三年以后哪个方向能吃香一点。然后我们组规控可能 做的好一点，因为做了很多年了，但是看网上说规控不少失业的，岗位也越来越饱和...最近才看到我们自动驾驶 之心的技术社区，里面也有很多方向，想听听柱哥的建议... 这位同学刚入学就有了紧迫感，是好事。但也不用太担心，都说互联网下半场，现在也还朝气蓬勃，技术的发展 总是曲折的，所以自动驾驶行业能做的还有很多。你实验室有机器人、规控和车辆的底子，无论是具身智能还是 自动驾驶你都有的选。先从基础开始学起，大概半年的时间，在这期间也follow下星球内我们日常分享的技术前 沿，之后再去聚焦一些技术壁垒更高的方向，像VLA或者端到端后面转大模型或者具身也更容易。尽快把自己 的技术栈扩展和打牢才是重中之重。 如果你没有较强独立学习和搜索问题的能力，可以来我们的自驾社区，也 是目前国内最大最全的自驾学习平台【自动驾驶之心】知识星 ...