搜索引擎 + AI 驱动的行业新闻
【覆盖行业】
信保 ｜出口 ｜金融
制造 ｜农业 ｜建筑 ｜地产
零售 ｜物流 ｜数智
【访问入口】
hangyexinwen.com
【新闻分享】
点击发布时间即可分享
【联系我们】
xinbaoren.com
（微信内打开提交表单）
【覆盖行业】
信保 ｜出口 ｜金融
制造 ｜农业 ｜建筑 ｜地产
零售 ｜物流 ｜数智
【访问入口】
hangyexinwen.com
【新闻分享】
点击发布时间即可分享
【联系我们】
xinbaoren.com
（微信内打开提交表单）
📰 河北发布35个“人工智能+”典型案例
河北省政府网发布《河北省“人工智能+”典型案例（2025年）名单》，列出35个典型案例，显示人工智能正与智能制造、医药健康、社会治理、农业、商贸物流等领域深度融合，应用场景持续拓展。典型案例涵盖设备预测性维护、MES升级和能耗分析、公安智能体研发、文档向量化与知识库管理等创新方向；其中，设备AI预测性维护使设备综合效率提升约15%，能耗下降约8%；张警官人工智能体实现本地化模型部署与39项核心工具研制，日均使用量逾6000次，支撑1.6万余起案件处置；动力煤行业大模型则基于百度千帆，构建知识库并完成多轮训练，提升行业分析能力。省发改委表示将通过征集遴选，挖掘高技术含量、示范性强的应用案例，推动可复制、可推广的做法，并加大对优秀项目的支持，形成以行业应用促产业发展的良性循环。当前河北正在推进“人工智能+”行动计划，已备案13款大模型，覆盖钢铁、化工等26个领域，正在推进15个行业的创新场景应用，力争打造具有区域特色的人工智能原生应用生态，促进与京津冀重点产业的融合发展。
🏷️ #人工智能 #智能制造 #大模型 #行业应用 #河北
🔗 原文链接
📰 河北发布35个“人工智能+”典型案例
河北省政府网发布《河北省“人工智能+”典型案例（2025年）名单》，列出35个典型案例，显示人工智能正与智能制造、医药健康、社会治理、农业、商贸物流等领域深度融合，应用场景持续拓展。典型案例涵盖设备预测性维护、MES升级和能耗分析、公安智能体研发、文档向量化与知识库管理等创新方向；其中，设备AI预测性维护使设备综合效率提升约15%，能耗下降约8%；张警官人工智能体实现本地化模型部署与39项核心工具研制，日均使用量逾6000次，支撑1.6万余起案件处置；动力煤行业大模型则基于百度千帆，构建知识库并完成多轮训练，提升行业分析能力。省发改委表示将通过征集遴选，挖掘高技术含量、示范性强的应用案例，推动可复制、可推广的做法，并加大对优秀项目的支持，形成以行业应用促产业发展的良性循环。当前河北正在推进“人工智能+”行动计划，已备案13款大模型，覆盖钢铁、化工等26个领域，正在推进15个行业的创新场景应用，力争打造具有区域特色的人工智能原生应用生态，促进与京津冀重点产业的融合发展。
🏷️ #人工智能 #智能制造 #大模型 #行业应用 #河北
🔗 原文链接
📰 从Demo到现场，看研华iFactory.AI Agent如何让制造业数智升级
在智能制造加速推进的今天，越来越多制造企业开始尝试引入AI，但现实往往令人沮丧：大模型虽聪明，却看不懂产线数据；通用AI助手虽好用，却不能碰企业的核心文档和系统——安全隐患，落地困难，ROI不明确，成了横亘在企业面前的三座大山。研华推出的 iFactory.AI Agent 工业智能体平台，正是为解决这些问题而生。它不是炫技的概念产品，而是一套经过多个行业验证、开箱即用、可快速部署的工业AI解决方案。更重要的是，它把“AI能力”交到一线工程师和业务人员手中——无需算法背景和IT技能，也能构建专属智能体。
制造业老板们为何纷纷试水AI Agent？选择布局AI Agent不是为了炫技，而是为了解决问题。在工业现场，知识、数据与响应像三条被撕裂的传送带：操作手册、工艺卡片、异常处理经验散落于档案柜、硬盘和师傅的脑海，人员一流动，经验便随人归零；OT 的电流、温度、振动与 ERP、MES 的订单、物料、质检各说各话，TB 级数据堆成沉默的矿渣，让品质波动、设备停机、交付延期成为周期性“魔咒”；异常灯亮起，仍靠两条腿巡检、一张表复盘，从报警到根因动辄数小时，报废与客户投诉已排好队。这些问题不是单点麻烦，而是缠成了“死结”：数据不通导致生产排期慢半拍，订单波动又逼得工人频繁手动调流程；新人接不上老师傅的经验，最后要么产能卡壳，要么次品率往上飙。某热力公司老板赵总早在去年就开始留意市面上的AI智能体。他坦言，制造业的行业痛点用老方法很难解决。工业智能体的出现，为这些问题的解决提供了新思路、新方法。自从导入了工业智能体，企业仿佛被打通了任督二脉，行业难题迎刃而解，新的红利开始显现。制造业老板们陆续布局企业级 AI Agent，这不是 “赶时髦”—— 而是因为AI Agent可以打破这一恶性循环。通过"感知-决策-执行-学习"的闭环能力， AI Agent将离散的数据、僵化的流程、被动的响应、隐性的知识转化为实时、智能、主动、可传承的数字生产力。
二、制造企业为什么选择了研华iFactory.AI Agent ？“我们试过公有云AI助手，但不敢把设备参数和客户物料信息传出去；也评估过自建大模型，可团队配置根本支撑不了。研华iFactory.AI Agent平台打动我们的，不是技术多炫，而是以下三点：第一，本地部署，数据不出厂，安全合规有保障；第二，预构建智能体+场景模板，开箱就能用，不用从零造轮子；第三，也是最关键的——研华提供丰富工具链，零代码拖拽配置，这让我们IT和产线工程师自己就能开发智能体，接数据、设动作，20分钟就能上线一个‘数字员工’。现在，它已经成了我们解决设备异常、品质分析、知识查询的日常工具。”某电子制造企业数字化部门负责人吴经理分享了他们选择研华iFactory.AI Agent工业智能体平台的真实原因。作为制造业经营者，衡量数字系统好不好的标准有两条：一，可以快速导入，用起来像吃饭一样简单，简洁清晰的UI功能，友好易用，功能逻辑符合厂内流程；第二，色香味俱全，能提供一站式闭环解决方案。对谈多家客户后得知，他们之所以选择研华iFactory.AI Agent工业智能体平台，正是因为它同时满足了这两条要求，而且既有自动化基础也无需“伤筋动骨”。研华行业售前经理黄家强谈到，客户最看重的是系统能够精准满足企业需求，而不是一堆新概念和花架子。制造业需要的是“懂工艺、能学习”的工具——研华iFactory.AI Agent工业智能体平台不单能吃透MES/SCADA等系统里的设备数据与生产数据，还能从每次操作里“攒经验”，新故障来了自动修正知识；更不用愁数据不通，它能把非结构化的文档数据跟生产数据与业务系统数据全连起来，连复杂任务（比如设备异常→查记录→推方案→生成报告）都能跨系统自动跑完，关键是数据全在厂里处理，合规又可控。市面上AI工具不少，但多数是“通用大脑”，缺乏“工业四肢”。研华iFactory.AI Agent平台的核心优势在于：专为工厂打造，工业级服务，安全可控。提供本地私有化部署，确保数据零外泄，AI推理、向量检索及知识存储均在内部GPU服务器完成。支持本地化大模型或公网模型按需选择。方案整合OT、IT及知识文档三大数据源：接入实时设备数据，高效对接业务系统，精准解析非结构化文档并构建向量库，形成统一知识底座。MCP工具赋予AI执行能力，可自动创建工单、推送告警、生成报告及调整工艺参数，实现“想”与“做”的闭环。兼顾安全性与灵活性，助力企业高效决策与智能化升级。
三、新药治旧痛：iFactory.AI Agent如何解决实际问题？AI的价值不在于技术多先进，而在于能否真正解决工厂里的“老毛病”。研华iFactory.AI Agent平台不做概念演示，而是聚焦制造企业最头疼的典型场景，用可落地的智能体，把沉睡的数据和散落的知识变成生产力。某PCB企业IT部门主管李工分享了他们通过研华iFactory.AI Agent工业智能体平台开发“产线小智”的经历。过去半年，他们被两个问题反复“折磨”：一是产线频繁因设备异常停机，维修团队总说“等老师傅回来才能修”；二是品质部门每天手动整理AOI不良数据，写报告动辗两三个小时。他试过引入通用AI工具，但要么连不上内部MES，要么把客户物料编号发到公网上——根本不敢用。直到公司部署了研华iFactory.AI Agent平台，诸多难题迎刃而解。第一步：不写代码，也能搭智能体 平台部署后，李工登录管理后台，发现不需要写代码调模型、配GPU。他直接在“模型管理”菜单里把模型配置好，智能体创建页面点“添加”，起名叫“产线小智”。再写上描述：“用于设备异常诊断与品质问题快速响应”。接着，他从平台已集成的私有大模型列表中选了一个擅长工业推理的版本，并在提示词框里写下角色定义：“你是一名资深设备与制程工程师，请根据用户提供的设备编号或不良现象，结合实时数据和历史知识，给出可能原因与处理建议。”他还加了两个输入变量：{设备编号} 和 {异常现象}，方便后续动态调用。第二步：接数据、配工具，让AI能“看”会“做” 李工知道，光靠聊天没用，AI必须能访问真实数据并触发动作。他通过研华IoT Edge设备联网与边缘计算服务接入了车间200+台PLC的振动、电流、温度等数据；通过研华DataInsight数据集成与分析服务对接了MES中的工单状态、AOI检测结果、物料批次；用研华KBInsight智能知识管理服务扫描上传了500多份PDF版设备手册、维修记录和8D报告。然后，他在MCP服务器添加了三个工具：知识检索用来自动查找相关维修案例；工单创建方便调用内部EAM系统接口；企业微信通知可以把告警推送给责任人。所有配置都在图形界面完成，全程没写一行代码。第三步：调试、发布 李工在调试窗口模拟提问：“设备CNC-07突然停机，报警代码E102”。AI立刻返回：“该代码通常为主轴过载，近3次类似故障均因冷却液泵堵塞。建议检查泵滤网，并查看当前主轴负载曲线。”同时，日志显示调用工具的情况。他很满意，点击“发布”，生成了一个Web链接。随后，他把这段代码嵌入到车间班组的钉钉群机器人里——现在，任何人@“产线小智”提问，都能获得专业级响应。第四步：越用越聪明 上线两周后，李工发现有些重复问题（如“如何复位贴片机”）AI回答不够标准。他打开“标注回复”功能，直接编辑理想答案，并设置匹配阈值。下次再有人问类似问题，系统跳过模型生成，直接返回标准操作步骤——既快又准。如今，“产线小智”每天可以处理60+次咨询，设备平均修复时间缩短40%，品质日报自动生成，李工终于不用半夜被电话叫醒。这个案例没有夸张的“颠覆式创新”，只有一个普通IT工程师，用一套安全、易用、可扩展的平台，把AI真正变成了产线上的生产力工具。而这，正是研华iFactory.AI Agent平台设计的初心：让AI落地工厂，不是靠奇迹，而是靠每一个可复制、可操作、可见效的“小智”。 AI的价值，不在于参数多大，而在于是否能真正解决问题。 研华iFactory.AI Agent工业智能体平台，不做虚的，只做工厂用得上、管得住、见效快的AI。它让知识不再沉睡，让数据开口说话，让一线员工拥有“超级助手”。无论是开箱即用的预构建智能体，还是灵活DIY的低代码开发，都指向同一个目标：让AI真正扎根工厂，创造可衡量的业务价值。 如果你也在寻找一个安全、易用、能落地的工业AI解决方案，不妨试试这个“本地版ChatGPT+数字员工”的组合——它可能正是你工厂智能化转型的关键一步。 扫码下载资料~
🏷️ #工业AI #本地部署 #低代码 #数据安全 #智能制造
🔗 原文链接
📰 从Demo到现场，看研华iFactory.AI Agent如何让制造业数智升级
在智能制造加速推进的今天，越来越多制造企业开始尝试引入AI，但现实往往令人沮丧：大模型虽聪明，却看不懂产线数据；通用AI助手虽好用，却不能碰企业的核心文档和系统——安全隐患，落地困难，ROI不明确，成了横亘在企业面前的三座大山。研华推出的 iFactory.AI Agent 工业智能体平台，正是为解决这些问题而生。它不是炫技的概念产品，而是一套经过多个行业验证、开箱即用、可快速部署的工业AI解决方案。更重要的是，它把“AI能力”交到一线工程师和业务人员手中——无需算法背景和IT技能，也能构建专属智能体。
制造业老板们为何纷纷试水AI Agent？选择布局AI Agent不是为了炫技，而是为了解决问题。在工业现场，知识、数据与响应像三条被撕裂的传送带：操作手册、工艺卡片、异常处理经验散落于档案柜、硬盘和师傅的脑海，人员一流动，经验便随人归零；OT 的电流、温度、振动与 ERP、MES 的订单、物料、质检各说各话，TB 级数据堆成沉默的矿渣，让品质波动、设备停机、交付延期成为周期性“魔咒”；异常灯亮起，仍靠两条腿巡检、一张表复盘，从报警到根因动辄数小时，报废与客户投诉已排好队。这些问题不是单点麻烦，而是缠成了“死结”：数据不通导致生产排期慢半拍，订单波动又逼得工人频繁手动调流程；新人接不上老师傅的经验，最后要么产能卡壳，要么次品率往上飙。某热力公司老板赵总早在去年就开始留意市面上的AI智能体。他坦言，制造业的行业痛点用老方法很难解决。工业智能体的出现，为这些问题的解决提供了新思路、新方法。自从导入了工业智能体，企业仿佛被打通了任督二脉，行业难题迎刃而解，新的红利开始显现。制造业老板们陆续布局企业级 AI Agent，这不是 “赶时髦”—— 而是因为AI Agent可以打破这一恶性循环。通过"感知-决策-执行-学习"的闭环能力， AI Agent将离散的数据、僵化的流程、被动的响应、隐性的知识转化为实时、智能、主动、可传承的数字生产力。
二、制造企业为什么选择了研华iFactory.AI Agent ？“我们试过公有云AI助手，但不敢把设备参数和客户物料信息传出去；也评估过自建大模型，可团队配置根本支撑不了。研华iFactory.AI Agent平台打动我们的，不是技术多炫，而是以下三点：第一，本地部署，数据不出厂，安全合规有保障；第二，预构建智能体+场景模板，开箱就能用，不用从零造轮子；第三，也是最关键的——研华提供丰富工具链，零代码拖拽配置，这让我们IT和产线工程师自己就能开发智能体，接数据、设动作，20分钟就能上线一个‘数字员工’。现在，它已经成了我们解决设备异常、品质分析、知识查询的日常工具。”某电子制造企业数字化部门负责人吴经理分享了他们选择研华iFactory.AI Agent工业智能体平台的真实原因。作为制造业经营者，衡量数字系统好不好的标准有两条：一，可以快速导入，用起来像吃饭一样简单，简洁清晰的UI功能，友好易用，功能逻辑符合厂内流程；第二，色香味俱全，能提供一站式闭环解决方案。对谈多家客户后得知，他们之所以选择研华iFactory.AI Agent工业智能体平台，正是因为它同时满足了这两条要求，而且既有自动化基础也无需“伤筋动骨”。研华行业售前经理黄家强谈到，客户最看重的是系统能够精准满足企业需求，而不是一堆新概念和花架子。制造业需要的是“懂工艺、能学习”的工具——研华iFactory.AI Agent工业智能体平台不单能吃透MES/SCADA等系统里的设备数据与生产数据，还能从每次操作里“攒经验”，新故障来了自动修正知识；更不用愁数据不通，它能把非结构化的文档数据跟生产数据与业务系统数据全连起来，连复杂任务（比如设备异常→查记录→推方案→生成报告）都能跨系统自动跑完，关键是数据全在厂里处理，合规又可控。市面上AI工具不少，但多数是“通用大脑”，缺乏“工业四肢”。研华iFactory.AI Agent平台的核心优势在于：专为工厂打造，工业级服务，安全可控。提供本地私有化部署，确保数据零外泄，AI推理、向量检索及知识存储均在内部GPU服务器完成。支持本地化大模型或公网模型按需选择。方案整合OT、IT及知识文档三大数据源：接入实时设备数据，高效对接业务系统，精准解析非结构化文档并构建向量库，形成统一知识底座。MCP工具赋予AI执行能力，可自动创建工单、推送告警、生成报告及调整工艺参数，实现“想”与“做”的闭环。兼顾安全性与灵活性，助力企业高效决策与智能化升级。
三、新药治旧痛：iFactory.AI Agent如何解决实际问题？AI的价值不在于技术多先进，而在于能否真正解决工厂里的“老毛病”。研华iFactory.AI Agent平台不做概念演示，而是聚焦制造企业最头疼的典型场景，用可落地的智能体，把沉睡的数据和散落的知识变成生产力。某PCB企业IT部门主管李工分享了他们通过研华iFactory.AI Agent工业智能体平台开发“产线小智”的经历。过去半年，他们被两个问题反复“折磨”：一是产线频繁因设备异常停机，维修团队总说“等老师傅回来才能修”；二是品质部门每天手动整理AOI不良数据，写报告动辗两三个小时。他试过引入通用AI工具，但要么连不上内部MES，要么把客户物料编号发到公网上——根本不敢用。直到公司部署了研华iFactory.AI Agent平台，诸多难题迎刃而解。第一步：不写代码，也能搭智能体 平台部署后，李工登录管理后台，发现不需要写代码调模型、配GPU。他直接在“模型管理”菜单里把模型配置好，智能体创建页面点“添加”，起名叫“产线小智”。再写上描述：“用于设备异常诊断与品质问题快速响应”。接着，他从平台已集成的私有大模型列表中选了一个擅长工业推理的版本，并在提示词框里写下角色定义：“你是一名资深设备与制程工程师，请根据用户提供的设备编号或不良现象，结合实时数据和历史知识，给出可能原因与处理建议。”他还加了两个输入变量：{设备编号} 和 {异常现象}，方便后续动态调用。第二步：接数据、配工具，让AI能“看”会“做” 李工知道，光靠聊天没用，AI必须能访问真实数据并触发动作。他通过研华IoT Edge设备联网与边缘计算服务接入了车间200+台PLC的振动、电流、温度等数据；通过研华DataInsight数据集成与分析服务对接了MES中的工单状态、AOI检测结果、物料批次；用研华KBInsight智能知识管理服务扫描上传了500多份PDF版设备手册、维修记录和8D报告。然后，他在MCP服务器添加了三个工具：知识检索用来自动查找相关维修案例；工单创建方便调用内部EAM系统接口；企业微信通知可以把告警推送给责任人。所有配置都在图形界面完成，全程没写一行代码。第三步：调试、发布 李工在调试窗口模拟提问：“设备CNC-07突然停机，报警代码E102”。AI立刻返回：“该代码通常为主轴过载，近3次类似故障均因冷却液泵堵塞。建议检查泵滤网，并查看当前主轴负载曲线。”同时，日志显示调用工具的情况。他很满意，点击“发布”，生成了一个Web链接。随后，他把这段代码嵌入到车间班组的钉钉群机器人里——现在，任何人@“产线小智”提问，都能获得专业级响应。第四步：越用越聪明 上线两周后，李工发现有些重复问题（如“如何复位贴片机”）AI回答不够标准。他打开“标注回复”功能，直接编辑理想答案，并设置匹配阈值。下次再有人问类似问题，系统跳过模型生成，直接返回标准操作步骤——既快又准。如今，“产线小智”每天可以处理60+次咨询，设备平均修复时间缩短40%，品质日报自动生成，李工终于不用半夜被电话叫醒。这个案例没有夸张的“颠覆式创新”，只有一个普通IT工程师，用一套安全、易用、可扩展的平台，把AI真正变成了产线上的生产力工具。而这，正是研华iFactory.AI Agent平台设计的初心：让AI落地工厂，不是靠奇迹，而是靠每一个可复制、可操作、可见效的“小智”。 AI的价值，不在于参数多大，而在于是否能真正解决问题。 研华iFactory.AI Agent工业智能体平台，不做虚的，只做工厂用得上、管得住、见效快的AI。它让知识不再沉睡，让数据开口说话，让一线员工拥有“超级助手”。无论是开箱即用的预构建智能体，还是灵活DIY的低代码开发，都指向同一个目标：让AI真正扎根工厂，创造可衡量的业务价值。 如果你也在寻找一个安全、易用、能落地的工业AI解决方案，不妨试试这个“本地版ChatGPT+数字员工”的组合——它可能正是你工厂智能化转型的关键一步。 扫码下载资料~
🏷️ #工业AI #本地部署 #低代码 #数据安全 #智能制造
🔗 原文链接
📰 用人工智能激活制造业企业“数字大脑”_行业资讯_数字中国建设峰会
数字技术与实体经济深度融合是制造业高质量发展的必由之路。通过AI打破传统路径依赖，推动软件服务从单纯工具支撑向深度智能驱动转型，让数据真正“活”起来。数据是资产，若脱离业务逻辑将难以创造价值，AI赋予系统理解能力后，能读懂工艺文档、维修日志等非结构化信息，使隐性经验转化为可执行的指引。
AI驱动让管理从事后“救火”转为事前干预，通过对历史数据与实时状态的综合分析，结合市场舆情与一线反馈，进行趋势预测与风险预警。无论库存智能调控还是生产排程动态优化，AI的应用都能使运营效率实现质变。软件服务商需从卖功能转向交付结果，建立透明的业务流程、可控的生产环节与可测的经营目标，将技术红利转化为企业管理与发展红利。
🏷️ #数字化转型 #人工智能赋能 #智能制造 #数据驱动
🔗 原文链接
📰 用人工智能激活制造业企业“数字大脑”_行业资讯_数字中国建设峰会
数字技术与实体经济深度融合是制造业高质量发展的必由之路。通过AI打破传统路径依赖，推动软件服务从单纯工具支撑向深度智能驱动转型，让数据真正“活”起来。数据是资产，若脱离业务逻辑将难以创造价值，AI赋予系统理解能力后，能读懂工艺文档、维修日志等非结构化信息，使隐性经验转化为可执行的指引。
AI驱动让管理从事后“救火”转为事前干预，通过对历史数据与实时状态的综合分析，结合市场舆情与一线反馈，进行趋势预测与风险预警。无论库存智能调控还是生产排程动态优化，AI的应用都能使运营效率实现质变。软件服务商需从卖功能转向交付结果，建立透明的业务流程、可控的生产环节与可测的经营目标，将技术红利转化为企业管理与发展红利。
🏷️ #数字化转型 #人工智能赋能 #智能制造 #数据驱动
🔗 原文链接
📰 江苏出台机器人减速器行业智改数转网联实施指南_中共江苏省委新闻网
《江苏省制造业智改数转网联机器人减速器行业实施指南》正式出台，旨在推动江苏省机器人减速器行业的数字化转型。指南重点关注研发设计、生产制造、经营管理及供应链管理等关键环节，提供了智改数转网联的实施建议，强调构建智能设备与网络连接的数字化基础，提高数据采集、集成和应用能力。
减速器是机器人重要的核心部件，占机器人成本的30%到40%，其数字化改造将直接影响整个行业的竞争力。指南通过鼓励智能优化，运用大数据与人工智能技术，力求在研发设计、计划排产、加工装配、检验检测等环节实现提升。同时，设定了到2026年的具体目标，以推进行业内的智能化、现代化进程。
该指南不仅希望到2026年建立诊断档案数据库，新增智改数转网联标杆企业，还计划培育智能工厂和优质服务商，推动行业整体转型升级。通过这些措施，江苏省机器人减速器行业将向更高的自动化与智能化水平迈进，提升企业的市场竞争力。
🏷️ #机器人 #减速器 #数字化 #智能化 #产业升级
🔗 原文链接
📰 江苏出台机器人减速器行业智改数转网联实施指南_中共江苏省委新闻网
《江苏省制造业智改数转网联机器人减速器行业实施指南》正式出台，旨在推动江苏省机器人减速器行业的数字化转型。指南重点关注研发设计、生产制造、经营管理及供应链管理等关键环节，提供了智改数转网联的实施建议，强调构建智能设备与网络连接的数字化基础，提高数据采集、集成和应用能力。
减速器是机器人重要的核心部件，占机器人成本的30%到40%，其数字化改造将直接影响整个行业的竞争力。指南通过鼓励智能优化，运用大数据与人工智能技术，力求在研发设计、计划排产、加工装配、检验检测等环节实现提升。同时，设定了到2026年的具体目标，以推进行业内的智能化、现代化进程。
该指南不仅希望到2026年建立诊断档案数据库，新增智改数转网联标杆企业，还计划培育智能工厂和优质服务商，推动行业整体转型升级。通过这些措施，江苏省机器人减速器行业将向更高的自动化与智能化水平迈进，提升企业的市场竞争力。
🏷️ #机器人 #减速器 #数字化 #智能化 #产业升级
🔗 原文链接
📰 Meta如何给RAG做Context Engineering，让模型上下文增加16倍 - 53AI-AI知识库|大模型知识库|大模型训练|智能体开发
上下文工程近年来备受关注，Meta超级智能实验室发布的论文集中探讨了模型上下文智能压缩的核心问题。长上下文不仅导致内存成本增加，还使得模型生成时间显著延长。为了解决这些问题，Meta团队提出了REFRAG框架，通过智能压缩来保留核心内容，显著提高处理效率，在保持性能的同时实现了30.85倍的加速和16倍的上下文处理扩展。
REFRAG的核心流程包括上下文分块与压缩、选择性扩展与自回归保留，以及高效推理与上下文扩展。通过将长文档切分为固定大小的块，使用轻量级编码器进行嵌入，再通过RL策略动态决定哪些块需要保留原始token，实现了信息完整性与处理效率的平衡。该方法在多轮对话和Web级检索等场景中表现尤为出色。
该方案在多个主流数据集上进行了验证，证明了其在效率提升、上下文扩展和场景适配等方面的显著优势。应用场景包括增强版RAG、多轮对话和长文档摘要，特别在知识密集型任务中，REFRAG的表现优于传统模型，能够更好地处理复杂的信息检索和对话场景。未来，围绕上下文管理的研究将继续深入，期待更多创新成果。
🏷️ #上下文工程 #智能压缩 #REFRAG #多轮对话 #高效检索
🔗 原文链接
📰 Meta如何给RAG做Context Engineering，让模型上下文增加16倍 - 53AI-AI知识库|大模型知识库|大模型训练|智能体开发
上下文工程近年来备受关注，Meta超级智能实验室发布的论文集中探讨了模型上下文智能压缩的核心问题。长上下文不仅导致内存成本增加，还使得模型生成时间显著延长。为了解决这些问题，Meta团队提出了REFRAG框架，通过智能压缩来保留核心内容，显著提高处理效率，在保持性能的同时实现了30.85倍的加速和16倍的上下文处理扩展。
REFRAG的核心流程包括上下文分块与压缩、选择性扩展与自回归保留，以及高效推理与上下文扩展。通过将长文档切分为固定大小的块，使用轻量级编码器进行嵌入，再通过RL策略动态决定哪些块需要保留原始token，实现了信息完整性与处理效率的平衡。该方法在多轮对话和Web级检索等场景中表现尤为出色。
该方案在多个主流数据集上进行了验证，证明了其在效率提升、上下文扩展和场景适配等方面的显著优势。应用场景包括增强版RAG、多轮对话和长文档摘要，特别在知识密集型任务中，REFRAG的表现优于传统模型，能够更好地处理复杂的信息检索和对话场景。未来，围绕上下文管理的研究将继续深入，期待更多创新成果。
🏷️ #上下文工程 #智能压缩 #REFRAG #多轮对话 #高效检索
🔗 原文链接
