云天励飞战略投资神州云海,布局机器人市场

日前,AI上市企业云天励飞(688343.SH)完成了对深圳市神州云海智能科技有限公司(以下简称“神州云海”)的B轮战略投资。

公开资料显示,自2015年于深圳创立以来,神州云海始终聚焦人工智能与服务机器人广阔的应用市场,依托自主的核心算法能力,深耕机器人硬件本体研发,整合上下游产业链,制造不同类型的服务机器人本体,配合AI云脑与客户需求深度融合,打造行业解决方案为行业赋能。

成立9年来,神州云海已在清洁、彩票、医疗、工程安全等多个领域形成相应的“AI+机器人”解决方案,并积攒下丰厚的场景认知和行业经验,市场占有率领先。

这正好与云天励飞扎实的AI底层技术能力形成了优势互补。作为一家具有自主可控核心技术的人工智能企业,云天励飞拥有自研算法和芯片两大核心技术平台,其最新发布的14nm Chiplet大模型推理芯片和X5000推理卡已适配SAM CV大模型、Llama2等百亿级大模型运算。

2023年,云天励飞还发布了自研的千亿级大模型云天天书大模型,目前已完成2次版本更新,在通用问答、语言理解、数学推理、文本生成、角色扮演等方面均达到行业先进水平。时代财经获悉,下一版云天天书大模型将对标GPT 4.0,进一步提升多模态能力。

但强大的底层技术实力,必须深入场景才能带来价值。而在一众AI应用场景之中,机器人毫无疑问是最重要的方向之一。市场普遍认为,大模型+具身智能是实现商业化必备的“两条腿 ”,软硬一体才能实现 AI 的稳步向前。

兼具自研芯片及算法能力的云天励飞和专注于“AI云脑+机器人平台+行业解决方案”的神州云海相互赋能,据介绍,下一步双方将围绕算力、算法开展更深度的合作,在助力国产AI芯片在服务机器人领域应用的同时,发挥业务协同的聚合效应,推动人工智能技术在服务机器人领域的不断渗透和创新。

一、赋能神州云海能力升级

基于这次的战略合作,神州云海不仅能够得到一笔财务上的投资,也可以获得更稳固、高效的底层技术支撑,打造出更具市场竞争力的“AI+机器人”行业解决方案。

从最初应用于万科的巡检机器人到在联合国气候大会面世的客服机器人,再到与科大讯飞合作研发的医疗机器人,成立9年以来,神州云海始终聚焦在人工智能与商用服务机器人领域,不断在清洁、医疗、彩票、工程安全等多个场景取得持续突破。

以智慧清洁为例。2016年,神州云海自主研发出全球首款产品级全自主清洁机器人,并不断创新升级,完成从颠覆式创新到产品化的过程。

据神州云海总裁沈剑波介绍,公司最新一代清洁机器人产品在精准、敏捷、稳定等特性上,已达到全球领先。不仅能够一次性完成超8万平方米场地的测绘,以最快每米1.5秒的速度进行建图,还可以连续工作8000多个小时,并适应约75%的现场动态变化。

强劲的性能表现,让神州云海的清洁机器人能够适配商场、医院、写字楼、工厂、仓库等30多个特殊应用场景,并得到30多个国家和地区、50多家客户的深度认可。

此外,2022年神州云海还开拓了智慧空间业务,通过综合运用物联网、云计算、建筑信息模型、大数据等技术手段,建立统一的规范标准体系,对工地现场人员、工程进度、工程安全、工程质量等要素在施工过程中产生的数据进行实时采集和分析,实现各类数据的标准化、规范化调度管理,自动分析建模,智能决策、科学评价,在工程管理、安全预警等领域快速取得突破。

短短1年时间内,神州云海智慧空间相关产品已经迅速落地100多家工地项目,促进建筑施工企业质量安全管理标准化、信息化、智能化。

然而在这些“AI+机器人”解决方案强大的性能实力背后,少不了算法、芯片等核心底层技术的支持。如智慧清洁机器人在行进过程之中的路障识别、实时建图,又比如智慧工地机器人在监管过程中需要处理的庞大数据并发量,都需要底层算法、芯片在视觉识别、采集运算、并发处理上拥有强大实力。

同时拥有算法和芯片两大核心技术平台,并掌握着高效、低成本承载大模型的人工智能芯片的云天励飞,或是神州云海最好的合作对象。

自成立之初,云天励飞便秉持“算法芯片化”的技术路线,目前已经成为业内少数能够基于对人工智能算法技术特点的深度分解,及对行业场景计算需求的深刻理解,通过自定义指令集、处理器架构及工具链的协同设计,自主研发芯片并已实现流片、量产及市场化销售的公司之一。

经神州云海方面对接测试,云天励飞核心智能硬件边缘网关相比同行产品拥有较多优势和差异服务。一方面,云天边缘网关单台设备最多可支持近12路1080p视频流接入和解析输出,相关产品抓拍采集能力经测试验证较同行高15%以上,视觉识别比对的精准度高出同行5%以上。

同时,云天励飞自研芯片及算法拥有稳定的采集运算能力,较同行产品高出10%以上。算力资源配置灵活科学,可按照实际场景和使用频率进行资源分配;并支持对接二次开发应用,并可支持数据自动提取、自动分类,轨迹测绘、趋势预测等,结合神州云海神经网络人工智能大模型体系,未来会落地更多智慧空间行业场景深度应用服务于终端客户。

二、推动自研算法、芯片落地机器人领域

而对于云天励飞来说,借由投资神州云海并达成深度合作,云天励飞得以深入更多业务场景,深化公司在相关领域的探索,推动人工智能技术在服务机器人领域的不断渗透和创新。

过去一年,以GPT为代表的生成式人工智能技术取得极大突破,大模型以其强大的通识和逻辑能力震惊世界。随着这一先进人工智能技术逐步在服务机器人领域落地,市场普遍认为,机器人行业有望在接下来未来数年时间内迎来爆发式增长。

国际知名咨询机构弗若斯特沙利文发布数据显示,2028年全球和中国智能服务机器人及其解决方案市场规模预计将达到4515亿元和1832亿元,2022年这一数字分别是1690亿元和516亿元,2022年至2028年复合年均增长率分别高达17.8%和23.5%。

1月19日,上交所举办的第三期科创板新质生产力行业沙龙上,云天励飞董事长兼CEO陈宁同样指出,到2030年,通用人工智能算法和芯片驱动的各类机器人和数字人将成为人类的常态助手。

因此,对云天励飞而言,除了做好多模态大模型通用产品和服务、提升面向行业的运营能力之外。它还必须加速推广国产工艺大模型边缘推理DeepEdge10系列芯片和产品,让芯片更懂细分应用场景上的需求,帮助其在行业中高效运行。

目前,云天励飞已经在智慧清洁、智慧空间等应用场景上与神州云海展开合作,助力神州云海构建起一套效率更高的精准服务云平台解决方案。

下一步,神州云海仍在不断强化自身能力,做大市场。据沈剑波透露,下一步,公司将在智慧清洁、智慧空间两个主要场景发力,前者不断迭代产品向海外市场寻求增量,后者持续修炼打造标准化产品挖掘存量市场,以实现跨越式增长。

“2023年神州云海实现营收1.5亿元。2024年开始,公司将向3亿元大关冲刺,形成较大飞跃。”沈剑波表示。

在这个过程中,云天励飞也能够积累大量行业经验、客户和认知,拓展下游AI应用场景。据透露,未来云天励飞将与神州云海强强联合,共同向地产开发、施工承包、物业运营、地方城资城投城建单位提供空间科技解决方案落地和实施服务,助力客户数字化转型和建设降本运营提效。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/267172.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Linux系统——LAMP架构

目录 一、LAMP架构组成 1.LAMP定义 2.各组件的主要作用 3.CGI和FastCGI 3.1CGI 3.3CGI和FastCGI比较 4.PHP 4.1PHP简介 4.2PHP的Opcode语言 4.3PHP设置 二、LAMP架构实现 1.编译安装Apache httpd服务 2.编译安装Mysql 3.编译安装PHP 4.安装论坛 5.搭建博客 W…

C++基于多设计模式下的同步异步日志系统day2

📟作者主页:慢热的陕西人 🌴专栏链接:C基于多设计模式下的同步&异步日志系统 📣欢迎各位大佬👍点赞🔥关注🚓收藏,🍉留言 主要内容实现了日志代码设计的实…

前端学习第三天-css基础

1. CSS简介 从HTML被发明开始,样式就以各种形式存在。不同的浏览器结合它们各自的样式语言为用户提供页面效果的控制。最初的HTML只包含很少的显示属性。 随着HTML的成长,为了满足页面设计者的要求,HTML添加了很多显示功能。但是随着这些功能…

nginx出现 “414 request-uri too large”

nginx出现 “414 request-uri too large” 1.修改传参方式 POST 2.字段能变成后端获取就自己获取,不用前端传 3.修改nginx配置,添加client_header_buffer_size 512k;large_client_header_buffers 4 512k;配置

机器学习 -- 梯度下降算法加深

梯度下降算法 在机器学习中,梯度下降算法常用于最小化代价函数(或损失函数),以此来优化模型的参数。代价函数衡量的是模型预测值与实际值之间的差异。通过最小化这个函数,我们可以找到模型预测最准确的参数。 代价函…

qt 基于百度API的人脸识别

百度云官网:点击跳转 一、创建应用 跳转进去,可以看到以下界面: 点击红色圈内的“去创建”,创建自己的项目。可以看到以下界面: 输入“应用名称”,并勾选“人脸对比”,还要到页面的最后输入“应…

WPF 滑动条样式

效果图&#xff1a; 浅色&#xff1a; 深色&#xff1a; 滑动条部分代码&#xff1a; <Style x:Key"RepeatButtonTransparent" TargetType"{x:Type RepeatButton}"><Setter Property"OverridesDefaultStyle" Value"true"/&g…

MariaDB MaxScale实现mysql8读写分离

目录 1.MaxScale 是干什么的&#xff1f; 2.MaxScale 实验环境 3.实现数据库主从复制 4.创建用户 1) 创建监控用户 2) 创建路由用户 5.docker 安装MaxScale 6.配置maxscale 使用 maxctrl list servers 命令查看运行状态 查看注册服务 使用 maxctrl list listeners Read-…

k8s单机部署zookeeper

&#xff08;作者&#xff1a;陈玓玏&#xff09; 拉取镜像&#xff1a;docker pull zookeeper&#xff1b;编辑yaml&#xff1a; apiVersion: v1 kind: Service metadata:name: zookeeperlabels:app: zookeeper spec:ports:- name: clientport: 2181protocol: TCPtargetP…

H.266参考软件VTM各版本的性能差异

VTM&#xff08;VVC Test Model&#xff09;&#xff0c;是H.266视频编码标准的参考软件&#xff0c;即是VVC spec.的一种参考实现&#xff0c;代码里包括了H.266的软件编码器和软件解码器实现&#xff0c;代码地址如下&#xff1a; https://vcgit.hhi.fraunhofer.de/jvet/VVCS…

S1---FPGA硬件板级原理图实战导学

视频链接 FPGA板级实战导学01_哔哩哔哩_bilibili FPGA硬件板级原理图实战导学 【硬件电路设计的方法和技巧-哔哩哔哩】硬件电路设计的方法和技巧01_哔哩哔哩_bilibili&#xff08;40min&#xff09; 【高速板级硬件电路设计-哔哩哔哩】 高速板级硬件电路设计1_哔哩哔哩_bil…

外包干了3个月,技术倒退明显...

先说情况&#xff0c;大专毕业&#xff0c;18年通过校招进入湖南某软件公司&#xff0c;干了接近6年的功能测试&#xff0c;今年年初&#xff0c;感觉自己不能够在这样下去了&#xff0c;长时间呆在一个舒适的环境会让一个人堕落!而我已经在一个企业干了四年的功能测试&#xf…

【软考】UML中的图之通信图

目录 1. 说明2. 图示3. 特性4. 例题4.1 例题1 1. 说明 1.通信图强调收发消息的对象的结构组织2.早期版本叫做协作图3.通信图强调参加交互的对象和组织4.首先将参加交互的对象作为图的顶点&#xff0c;然后把连接这些对象的链表示为图的弧&#xff0c;最后用对象发送和接收的消…

【C++ map和set】

文章目录 map和set序列式容器和关联式容器键值对setset的主要操作 mapmap主要操作 multiset和multimap map和set 序列式容器和关联式容器 之前我们接触的vector,list,deque等&#xff0c;这些容器统称为序列式容器&#xff0c;其底层为线性序列的的数据结构&#xff0c;里面存…

ChatGPT学习第四周

&#x1f4d6; 学习目标 ChatGPT实践操作 通过实际操作和练习&#xff0c;加深对ChatGPT功能的理解。 项目&#xff1a;创建一个ChatGPT应用案例 设计一个基于ChatGPT的小项目&#xff0c;将理论应用于实践。 ✍️ 学习活动 学习资料 《万字干货&#xff01;ChatGPT 从零完…

鸿蒙Harmony应用开发—ArkTS声明式开发(通用属性:位置设置)

设置组件的对齐方式、布局方向和显示位置。 说明&#xff1a; 从API Version 7开始支持。后续版本如有新增内容&#xff0c;则采用上角标单独标记该内容的起始版本。 align align(value: Alignment) 设置容器元素绘制区域内的子元素的对齐方式。 卡片能力&#xff1a; 从API…

nvm安装及使用

后面补充安装&#xff0c;因为我自己几年前就装好了。。。 看是否正确安装nvm 查看是否在nvm正确安装多个node版本 切换版本 管理员权限运行cmd 指定安装版本 npm i node-sass^4.14.1查看npm数据源 npm config get registry鸿蒙的华为源。。。 https://repo.huaweiclo…

报错问题解决django.db.utils.OperationalError: (1049, “Unknown database ‘ mxshop‘“)

开发环境&#xff1a;ubuntu22.04 pycharm 功能&#xff1a;django连接使用mysql数据库&#xff0c;各项配置看似正常 报错&#xff1a; django.db.utils.OperationalError: (1049, "Unknown database mxshop") 分析检查原因&#xff1a; Setting的配置文件内&…

oracle11安装及使用

安装oracle11 官网下载地址 Oracle Database 11g Release 2 for Microsoft Windows (x64) 官网下载慢可访问我的资源 也可以网盘获取 链接&#xff1a;https://pan.baidu.com/s/1RDrGkqDA7tfKRnpJXUBMDw 提取码&#xff1a;z3na 上传安装包到服务器 在指定目录下创建文件…

机器学习笔记 YOLOv9模型相关论文简读

一、YOLOv9简述 自 2015 年 Yolov1 推出以来,已经出现了多个版本。 基于Darknet的YOLOv2、YOLOv3和YOLOv4 YOLOv5 YOLOv8 基于 Ultralytics。 SCALED-YOLOv4 使用 Pytorch 而不是 Darknet。 YOLOR是YOLOv4的改进。 YOLOX是YOLOv3的改进。 YOLOv6专注于工业应用。 YOLOv7 来自 …