行业困境:从参数竞赛转向业务落地与成本挑战 当前AIGC技术发展正经历从单纯追求千亿、万亿参数规模,转向百亿、十亿参数级别的业务场景应用。 应用数量 联合行业伙伴发布50+行业大模型应用 腾讯云 CSIG (P27) 客户增长 客户数增长300% 腾讯云 CSIG (P27) 落地案例:能源行业数智化转型 针对能源行业特性,腾讯构建了支撑企业数智化转型的平台总体架构 人才培养: 通过AI实训平台提供从数据接入、模型训练到模型服务的全流程支持,并结合能源行业案例进行实训教学。 成熟的落地方法论: 沉淀了从业务分析、数据清洗、模型选择、训练加速到应用落地的一体化完整方法论,已在文旅、金融、能源等50+行业应用中验证。 数据来源:Tencent腾讯 CSIG云与智慧产业事业群,《智能绽放创新引领——腾讯大模型技术进展及能源落地场景》,2024年6月。
能源行业在全球范围都扮演着国家层面经济命脉的战略产业。近年来,以人工智能、物联网、大数据技术发展所推动的能源技术正成为引领能源产业变革的源动力。 截止2019 年3 月,全球500 强能源行业公司中已有75% 开始实施或落地人工智能技术应用,并开始在多维度优化固有流程,重塑核心价值链。 其实目前,能源行业所需要的是从基层重新洗牌的重磅技术。而人工智能的出现,可能会成为整个行业革新并在各个环节降低成本的以及猛药。 在此背景下,机器之心产业研究团队推出了《挽救持续衰退能源市场的一剂猛药——AI+能源行业研究报告》,并打造《全球500强 —— 能源行业人工智能应用案例集》,从技术与落地层面剖析人工智能技术在能源行业各领域的发展与机会 基于当前应用案例,计算机视觉与及传感器技术的结合应用在能源的勘探与开发工作中拥有丰富的落地场景。而机器人技术与物联网技术则在能源的生产工作中充满潜力。
背景 几年前我在可落地的DDD的(2)-为什么说MVC工程架构已经过时总结了基于DDD的微服务工程结构是怎么样的。那篇文章重点阐述了与MVC架构的区别。
突破传统单点算法瓶颈与重塑计算架构 在工业制造与能源行业中,基础大模型(L0级别)由于面临训练成本高昂及欠缺垂直行业知识的制约,难以直接解决复杂的业务问题。 驱动办公协同与重塑研发效能业务指标 基于混元大模型及腾讯TI平台的落地应用,企业在系统运维成本、研发效率及日常协同上实现了高价值的量化收益: 研发效能提升: 腾讯代码助手(工蜂Copilot)通过智能补全 在业务落地中,单一的 L1 行业大模型在性能上直接优于过往的 12 个客户小模型。
随着科技的发展,能源行业也开始通过使用大型信息化系统提升管理、全面创造价值。但单一、重复、繁琐的事务性工作仍依赖大量人工来完成。过高的人力成本、低下的业务效率,禁锢着企业未来的发展。 [RPA如何变革能源行业] 当前能源业面临的痛点 企业成本较高。固定资本投入大,只有达到一定的生产规模之后才能分摊这些成本。 多信息化系统并存。
应用部门简介:该公司为某大型石油集团的下属子公司,主要业务是为集团公司提供信息系统技术开发和咨询服务,专注于地理信息系统(GIS)、综合业务管理信息系统、图形图像及网络应用软件的研究、设计、开发与建设,以及数字管道、数字油气田和工程设计集成整体解决方案。研发团队主要包括需求分析师、软件开发人员等约上百人。
关键发现:在2024年10月至2025年10月期间,Qilin是针对能源行业最活跃的勒索软件组织。能源行业勒索软件受害者中,56%位于美国和加拿大。 暗网论坛上的一名威胁行为者正在寻找包括能源行业在内的关键基础设施实体的信息。 该组织以其激进的策略和高价值目标选择策略而闻名,使其成为针对能源行业最活跃的组织。表1. 在勒索软件行为者各自的数据泄露门户网站上曝光的属于能源行业的勒索软件受害者数量。 图6. 一则关于一家业务涵盖包括能源行业在内的多个行业的跨国集团数据泄露的暗网论坛帖子。一旦公布,能源行业的泄露信息很难遏制。 2025年6月,我们观察到威胁行为者通过恶意广告向能源行业分发一种虚假的RecipeLister应用程序进行恶意软件传播。通过恶意广告传播的恶意软件伪装成一个食谱实用程序应用。
图6. 一则关于一家跨行业(包括能源领域)经营的跨国集团数据泄露的暗网论坛帖子。一旦公布,能源领域的泄露数据很难控制。 2025年6月,我们观察到威胁行为者通过恶意广告在能源领域分发欺诈性RecipeLister应用程序来传播恶意软件。通过恶意广告投递,该恶意软件伪装成食谱实用程序。 网络钓鱼攻击网络钓鱼是包括能源行业在内的所有领域都流行的攻击媒介。根据《安全杂志》的报告,2023年针对OT和ICS系统的攻击中,有34%是由网络钓鱼造成的。
IPv6报文头。 该模式下指令头长度128位,与IPv6地址长度相同,能够承载于IPv6的扩展报文头中。 借助于SRv6技术在数据平面的可编程能力。 IFIT的指令可以封装在IPv6的HBH中,或者封装在IPv6 的SRH扩展头中。前者的IFIT指令会被所有IPv6转发节点处理。后者只会由指定的Endpoint节点处理。 通过SRv6+EVPN技术实现IPv4/v6双栈业务能力,同时为5G、企业和MEC提供业务能力支撑。通过端到端的SRv6 BE/TE,进行整体路径调优,同时实现业务隔离。 此外,在SRv6转发效率方面,中国移动提出了“G-SRv6头压缩优化方案”,通过去除SRv6 SID中的冗余前缀实现压缩,有效解决了原生SRv6报文头开销过大、转发效率低和报文头处理硬件要求高等问题,扫除了
近年来IT、互联网的大爆发也未能给能源行业带来重大技术变革,实现本质上的生产效率提升。直到去中心化和基于博弈自治的区块链出现,能源行业终于迎来革命性突破。 如今,能源行业将区块链技术进行落地应用的先行者——能链 重磅登场,它的出现将会改写能源交易生态历史。 而中国的分布式供电市场起步较晚,截至2017年6月用户分布式供电累计并网刚过30万户,预计2017年、2018年新增用户并网数量有望达到40万户、100万户。 助力能源区块链腾飞 能链与中国知名的“互联网+”能源B2B企业车主邦达成战略合作,基于车主邦接入的20余万根充电桩,签约合作的TOP50商用车平台,以及350万精准车主用户群体,共同推进能源区块链实际落地应用 车主邦计划在今年6月份之前完成100个城市的布局,并推进能源大数据、能源区块链等新项目落地。
1.ChatGLM-6B 介绍ChatGLM-6B是清华大学与智谱AI携手打造的一款先进语言模型,以其创新的通用语言模型(GLM)架构为基础,拥有62亿参数。 对于开发者而言,ChatGLM-6B的设计充分考虑了实际应用需求,不仅在处理能力上表现出色,还有效降低了资源消耗。 模型的出色性能在多个应用场景中得到了验证,无论是智能客服系统、文本自动生成,还是高级对话系统,ChatGLM-6B都展现出卓越的适应性。 要获取ChatGLM-6B的预训练模型,你可以前往Hugging Face网站进行下载,这个平台提供了简单的操作和丰富的资源。 ChatGLM-6B提供了两个重要的文件:cli_demo.py和web_demo.py,分别用于命令行和网页交互。
software-intensiveembedded systems,简称SIES),SIES在现今几乎所有的高科技产品和系统中都能发现,比如数控机床、高级轿车、飞机、智能建筑、智能风机等,SIES对于CPS的重要性常常被低估,但其却是CPS能够落地的真正关键
破解多行业AI落地共性瓶颈 当前企业AI落地面临多重战略困境:知识管理体系庞大且更新频繁(如医药行业制度体系更新快、执行标准不一),导致检索低效;合规要求严苛(如医药、能源行业)与内部数据分散(器械行业 undefined配套AI Agent落地端到端能力,涵盖部署实施(统一身份认证、私有化部署、容量评估、高可用方案)、系统集成(IAM/业务系统/MCP协议集成)、场景落地(数据预处理/清洗、知识库构建 ,过去12月全部消息数27,745,通过智能语义检索激活历史知识资产;能源行业客户实现弱网环境下知识查询可用,集成企微/钉钉/APP及语音提问能力(数据来源:器械、能源行业案例)。 能源行业案例(风电场调试运维) 痛点:调试运维信息获取低效,辅助决策需求迫切。 价值:提升运维知识检索及工单反馈效率,私有化部署降低合规风险,保障弱网可用,集成多端提升体验(数据来源:能源行业案例)。
三、技术赋能:实在Agent在能源行业的落地实践在能源行业智能化转型的浪潮中,智能体技术成为连接技术与场景的关键载体,实在智能的产品实在Agent作为行业代表性解决方案,已在多家能源企业实现深度应用,其技术特性与行业需求形成了精准匹配 这种融合架构解决了能源行业“数据孤岛”与“流程割裂”的传统难题,能够实现从数据采集、分析到决策执行的全流程自动化。场景适配性强是其落地关键。 四、现实挑战:能源AI落地的多重制约因素尽管人工智能在能源行业的应用已取得显著成效,但从规模化落地到深度价值释放,仍面临技术、数据、人才等多重挑战,这些问题成为制约行业发展的关键瓶颈。 此外,通用AI模型与具体业务场景的适配成本较高,某发电企业测算显示,将通用大模型定制化为符合火电燃烧优化场景的专用模型,需额外投入超千万元,且迭代周期长达6个月。人才缺口成为行业共性问题。 从中国华电的径流预测大模型到南方电网的智能巡检系统,从毕马威报告中的数据印证到实在Agent的落地实践,都表明人工智能已成为能源行业转型的核心驱动力。
企业AI网关选型实录:6个方案的对比与落地经验去年Q3开始,我们团队启动了AI网关选型项目。 Claude 3.5 Sonnet、DALL-E 3、Stable Diffusion、Whisper❌ GLM-4(调用失败,提示模型不存在)❌ 豆包4.0(调用失败,提示模型不存在)new-api(验证6个 2.4s0.08-0.15%无txtoken1.3-1.7s0.08-0.15%<5s故障模拟测试:手动断开GLM-4上游连接txtoken在4-5秒后自动切换到豆包,服务无中断其他方案均直接报错,需要手动切换6. 综合评估后,txtoken在8个维度中的6个维度排名第一,2个维度排名第二。
近日,Web框架Django之父Simon Willison,预测了未来1、3、6年不同阶段的AI发展以及影响。 AI发展日新月异,可谓「乱花渐欲迷人眼」,很难预测未来的世界到底如何。 在近日的播客中,他预测了未来1、3、6年不同阶段的AI发展以及可能的结果。 参加完播客之后,Simon Willison把对未来的预测扩展为博客文章。 主要预测如下: 1. 一年内,除了编程和科研智能体,其他智能体难以落地。 2. 三年内,某人将在GenAI工具辅助下,拿下普利策奖;在日常工作,记者熟练利用LLM,处理数据;在个人数据保护上,法律取得实质性进展。 3. 三年后:隐私法将落地 另一个三年后的预测涉及隐私立法。 定向广告和人们粘贴到模型的数据到底会发生什么,已经引起了人们的杯弓蛇影(往往是有理由的),而且还在不断增长。
我们都知道区块链以点对点的方式所闻名,可以对银行、保险、教育等行业带来机遇,同时也能对能源行业产生颠覆性的改变。 区块链对能源行业带来的颠覆 区块链技术的智能合约使得当有交易发生时,智能合约将会告知系统,这些都是定好的规则,与此同时,智能合约可以直接控制能源的流向以及储能设备,也能用来管理虚拟电厂。 除此之外,区块链对能源行业的另一个应用是通过提供一个安全的对于所有权的存储,记录所有权归属以及相关的交易。 区块链对能源行业带来的风险 一是当用户忘记账户密码时,由于区块链的不可篡改性,会被锁定在账户之外,丢失用户的资料以及资产。 总而言之,区块链在对能源行业带来巨大改变以及机遇的同时,还会带来一系列的技术缺陷和实际问题。
数据中挖掘能量:能源行业效率提升的秘密在大数据时代,能源行业的效率提升已经不再是简单的技术叠加,而是通过数据科学的深度融合,挖掘潜在的资源和优化决策过程。 本文将通过直观的例子和代码,阐述大数据如何从根本上改造能源行业,提升效率。一、大数据如何改变能源行业?传统能源行业面临着诸多挑战,例如能源分配不均、设备老化以及资源浪费等问题。 随着物联网(IoT)和云计算的发展,能源行业与大数据的结合必将更为紧密。未来,我们可能看到基于区块链技术的透明能源交易系统,以及通过人工智能实现的能源自治管理。 总结大数据与能源行业的融合不单单是一种技术革新,更是一种理念的升华。通过数据赋能,能源行业能够以更高的效率、更低的成本、更智能的方式满足社会需求。
在元幂境看来,在能源行业的数字化转型进程中,AR远程协助技术正逐渐成为企业提升效率与保障安全的关键工具。 能源行业由于生产环境复杂、设备规模庞大、作业区域分散且危险性高,传统的运维方式往往需要大量人力和时间投入,且在突发情况下应对能力有限。 一、能源行业的挑战与痛点 能源行业涵盖电力、石油、天然气、风能、光伏等多个领域。 五、最后 在元幂境看来,AR远程协助在能源行业的应用,正在帮助企业解决地域分散、设备复杂、风险高和人才不足等核心问题。 随着技术的不断发展,AR远程协助将在能源行业中实现更广泛、更深入的应用,成为未来智慧能源的重要组成部分。
在元幂境看来,能源行业作为国民经济的重要支柱,覆盖电力、石油天然气及新能源等多个领域,其运维工作常常面临环境复杂、风险高和地域分散等挑战。 近年来,随着AR技术的快速发展,AR远程协助逐渐在能源行业落地应用,为提升运维效率、保障安全生产、推动数字化转型提供了新路径。 未来趋势 随着技术演进,AR远程协助在能源行业将呈现以下发展方向:5G与卫星通信的结合,突破地域限制,实现更稳定的实时传输。AI辅助决策,自动识别故障并推荐解决方案,提升智能化水平。 最后 在元幂境看来,AR远程协助正在重塑能源行业的运维模式。它不仅提升了安全性和效率,还为知识传承和数字化转型开辟了新路径。 未来,随着网络、AI和硬件的持续进步,AR远程协助将成为能源行业智能化发展的重要支撑,助力行业实现安全、高效与绿色的可持续发展。