2年3项诺奖,Alphabet长期科研蓄力,AI+量子计算引领的科技实力与野心

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情

2025 年 10 月,诺贝尔物理学奖的揭晓为全球科技界投下重磅消息 —— 瑞典皇家科学院将这一荣誉授予 John Clarke、Michel Devoret 与 John Martinis 三位物理学家,以表彰他们在量子力学领域的开创性贡献,其发现的电路中宏观量子隧穿与能级量子化现象,为现代量子计算技术筑牢了理论根基。

当外界将目光聚焦于获奖者时,不难发现其中两位获奖者都与谷歌有着密切关联——Michel Devoret 时任谷歌量子 AI 实验室硬件首席科学家,长期主导实验室核心硬件研发;John Martinis 则执掌该实验室硬件团队多年,是推动谷歌量子计算技术突破的关键人物。

这一关联迅速引发行业震动,谷歌 CEO Sundar Pichai 第一时间在 X 平台发声,言语中难掩自豪「能在一家两年内诞生三项诺奖、五位得主的公司工作,我倍感幸运」。 简短一句话,不仅是对获奖者的致敬,更让其母公司 Alphabet 再次走进大众视野的核心。

在这里插入图片描述

在此之前,2024 年 Alphabet 已凭借 AI 领域的突破性成果斩获两项诺奖,如今量子领域再添殊荣。「两年三奖五得主」 的里程碑,绝非偶然的荣誉叠加,而是这家科技巨头数十年科研体系建设、长期蓄力后的集中爆发。每一项诺奖成果,都是 Alphabet 科研实力的具象化注脚。从蛰伏数年的科研探索野心,到诺奖认证的科研实力,再到科研战略架构,也让外界对其背后的科研布局充满好奇。

科研野心:AI 与量子的双线豪赌

Alphabet 的科研野心早在 2010 年就初露锋芒。被称作「梦工厂」的 Google X 自 2010 年创立便汇集了众多博学多才的工程师和科学家,并给予他们自主决策和大量的资金支持。在这里,科学家们可以进行所有大胆尝试、打破常规,即使只有百万分之一的概率成功,也能够获得公司慷慨的财力、物力支持。前 Google X 的总监阿斯特罗·泰勒(Astro Teller)在 2013 年 4 月的《彭博商业周刊》中说到:「大胆去干、没有限制」的理念已经变成了 Google X 的口号。

2011 年正值计算机飞速发展的黄金时代,Google Brain 开始了计算机与 AI 领域的前沿探索, 构建了 DistBelief 作为基于深度学习神经网络的专有机器学习系统,并将开放式机器学习研究与信息系统和大规模计算资源相结合,TensorFlow 等一系列工具使神经网络可供公众使用。其研发的 Transformer 架构,让深度学习从学术概念变为全球热点,成为如今大语言模型的技术基石。

2014 年 1 月,谷歌以约 5 亿美元收购伦敦一家名不见经传的 AI 实验室 DeepMind,这笔交易在当时引发质疑 —— 这家公司成立仅 3 年,既无成熟产品也无明确盈利模式。前谷歌 CEO Larry Page 正是前瞻性看中了其创始人 Demis Hassabis 的科研能力——早在当时,这位曾获国际象棋大师称号的科学家就坚信 「AI 将解决人类最棘手的问题」。

此后,该实验室与 Google Brain 形成「双引擎」研发格局。

2017 年该实验室迎来关键性突破,DeepMind 负责开发人工智能围棋软件的 AlphaGo 团队突破性地研发出一款没有用到人类数据的 AlphaGo Zero 版本,却比以往任何击败人类的版本都要强大。通过跟自己对战,AlphaGo Zero 经过 3 天的学习,以 100:0 的成绩超越了AlphaGo Lee 的实力,仅用 21 天便达到了 AlphaGo Master 的水平,并在 40 天内超过了所有之前的版本。

此后数年间,DeepMind 将科研版图一再拓展,持续深耕多领域前沿研究,核心方向聚焦于通用人工智能(AGI)探索、强化学习技术突破、生命科学与基础科学 AI 赋能三大板块,不断推动技术边界与应用落地,取得一系列里程碑式成果:

在通用智能与游戏 AI 领域, 2018 年发表的 AlphaZero 实现了跨棋类的突破;2020 年底推出的 MuZero 进一步拓展能力边界,不仅在传统棋类中保持优势,更在 57 种不同的 Atari 游戏中展现出超人类表现。

在这里插入图片描述

游戏类产品功能图,图源:Google DeepMind

生命科学领域是 DeepMind 技术落地的标杆阵地。 2020 年,AlphaFold2 在第 14 届国际蛋白质结构预测竞赛(CASP)中夺魁,破解了困扰生物学界半个世纪的蛋白质折叠难题。2021 年,团队发布 AlphaFold 结构数据库,公开了包含 2 亿种蛋白质的预测结构,免费向全球科研界开放。

在基础科学方面, DeepMind 持续探索 AI 的跨界价值。2022 年 2 月,团队发布两款重磅成果:一是基于 Transformer 架构的 AlphaCode,其编写的计算机程序质量可与人类开发者媲美,在编程竞赛中达到中上水平;二是DeepMind 将 AI 成功用于可控核聚变,将等离子体形状的模拟精度提高 65%,成功实现对托卡马克内部核聚变等离子体的控制。

在这里插入图片描述

谷歌及其子公司 DeepMind 的所在地,图源:wiki

2023 年,Google 为应对 OpenAI 的 ChatGPT 进而持续加速人工智能工作,宣布将 DeepMind 与 Google AI 的 Google Brain 部门合并, 成立了 Google DeepMind,集中资源打造大模型与 GPT-4 竞争。

在这里插入图片描述

Google DeepMind 官网部分产品

「整合分散的 AI 研究资源,加快大模型开发速度,避免内部竞争导致资源浪费」, 在这样的核心成长逻辑下,团队整合了 Brain 的大规模计算平台、TPU 训练基础设施以及自然语言建模经验,与 DeepMind 的强化学习和多模态智能体系形成互补。

在 Demis Hassabis 的领导下,新团队迅速集中资源研发 Gemini 系列模型。Gemini 1 在语言、图像、代码等多模态任务中表现突出,随后的 Gemini 1.5 Pro 和 Gemini 2.5 Ultra 则在长上下文理解、多模态推理与工具调用上取得了突破,支持超过 1000 万 token 的上下文长度,超越了业界同类模型性能。

与此同时,DeepMind 并未放慢科学探索的脚步。2024 年发布的 AlphaFold 3 将预测范围从蛋白质拓展到 RNA、DNA、配体和化合物相互作用,使 AI 在药物研发、分子模拟中扮演越来越重要的角色。2024 年,DeepMind 团队成员因在「蛋白质结构预测」和「AI 推动基础科学」领域的卓越贡献,荣获当年诺贝尔化学奖。

与此同时,Alphabet 在量子计算领域的布局更具远见。

2014 年,谷歌挖来加州大学圣巴巴拉分校物理学教授 John Martinis,这位伯克利博士的导师正是 2025 年诺奖共同得主 John Clarke。Martinis 团队在 2019 年用 53 量子比特的 Sycamore 处理器完成经典超级计算机需 1 万年的计算任务,首次实现 「量子霸权」。尽管当时质疑声四起,但 Alphabet 仍持续加码,**仅 2024 年就为量子 AI 实验室投入 12 亿美元研发资金。 **

在这里插入图片描述

如今执掌该实验室硬件研发的 Michel Devoret,正是这场持久战的关键人物。这位法国科学家在上世纪 80 年代与 Martinis 合作发现的宏观量子隧穿现象,为超导量子比特奠定理论基础。他主导研发的 Transmon 超导比特架构,如今已成为全球量子计算企业的标配。

科研实力:诺奖「两年三奖五得主」

诚然,Alphabet 的野心并非不切实际,而是与其科研实力「并驾齐驱」。Alphabet 的科研水平首先体现在对前沿科学难题的攻坚能力上,并且在短短两年内就横跨 AI 与量子计算两大领域的突破,诺奖的认可更是进一步印证了其研究深度与科研能力。

2024 年诺贝尔化学奖的突破堪称 AI 赋能科学的典范。其获奖者 DeepMind CEO Demis Hassabis 与核心研究员 John Jumper 主导研发的 AlphaFold2,彻底解决了困扰生物学界半个世纪的蛋白质结构预测难题。传统方法解析单个蛋白质结构需耗时一年以上、耗费数十万美元,而 AlphaFold2 仅凭氨基酸序列即可在分钟级完成精准预测,其核心突破在于找到了数据、算力与算法的最佳平衡点——仅用 128 个 TPU V3 核心训练两周,就实现了远超传统技术的精度。

在这里插入图片描述

根据 AlphaFold 数据库显示,截至 2025 年,AlphaFold 已预测超 2 亿种蛋白质结构, 被 190 余个国家,超 300 万人员使用,仅学术引用就达 36,000次,直接将整个结构生物学领域的发展速度提升了 5%-10%。

在这里插入图片描述

前 Google Brain 核心成员 Geoffrey Hinton 也在同年摘得物理学奖。 有着「深度学习之父」之称的 Hinton 提出的玻尔兹曼机与反向传播算法,玻尔兹曼机可以用于图像分类或生成与训练数据类似的新样本,并学习识别特定类型数据中的特征元素,一举成为现代 AI 的底层框架。此外,Hinton 利用统计物理学工具,训练机器识别在运行时最可能出现的模式。

2025 年量子领域的诺奖则彰显了 Alphabet 在基础物理研究上的深厚积淀。

现任谷歌量子 AI 实验室硬件首席科学家 Michel Devoret 与前硬件团队负责人 John Martinis 的研究,在宏观超导电路中验证了量子隧穿效应与能量量子化现象,证明量子特性可在肉眼可见的系统中稳定存在。这一发现并非实验室里的理论奇观,而是超导量子计算的技术基石——二人设计的约瑟夫森结「三明治」结构,如今被超导路线中广泛采用。

2024 年推出的 AlphaQubit 系统,更是将 AI 与量子技术深度融合。 在谷歌 Sycamore 量子处理器上的测试表明,与张量网络方法相比,AlphaQubit 将误差降低了 6%,与广泛使用的相关匹配解码器相比,误差降低了 30%,为容错量子计算机的研发扫清了关键障碍。

除了诺奖认可的领域外,Alphabet 在众多领域都在持续钻研,其科研布局覆盖人工智能、量子计算、生物医药、机器人、环境可持续与精准医疗等前沿领域。其旗下 Google DeepMind 专注通用 AI 与基础算法,Verily 聚焦健康数据与医疗科技,Isomorphic Labs 以 AI 加速药物研发,X 实验室则探索农业、能源、气候以及「登月项目」。这些跨学科、多层级的研究体系,使 Alphabet 成为全球科技创新生态中最具系统性与长期视野的科研力量之一。

在这里插入图片描述

Alphabet 研究项目示例,图源:x.company

科研支撑:三位一体的底层架构

诺奖成果的密集涌现,源于 Alphabet 构建的「资金-人才-转化」三位一体科研体系,这一体系既保障了基础研究的自由生长,又实现了技术突破的高效落地。

在资金投入上,Alphabet 展现了对基础研究的长期主义坚守。

根据 Alphabet 第二季度财报显示,2025 年其资本支出已从最初预测的 750 亿美元上调至 850 亿美元,其中超过 30 亿美元流向 AI 基础设施研究, 预计 2026 年这一数字将进一步增加。这种巨额投入并非短期跟风,而是精准匹配科研周期的战略布局——量子 AI 实验室自 2016 年成立以来连续八年未产生直接营收,但年均获得超 10 亿美元资金支持,生命科学部门 Verily 即使每年继续产生数十亿美元的运营亏损依旧持续投资,这种对科研的大力支持是构成其强大科研实力的底层基础。

在这里插入图片描述

谷歌 2023-2025 年资本支出,图源:Reuters

此外,人才战略是 Alphabet 保障科研体系的核心引擎。为保障科研人才的「源头入库」,Alphabet 也在教育与人才培养层面大手笔布局。

2025 年,谷歌承诺将在未来三年内投入 10 亿美元,用于支持美国各地的 AI 教育和培训, 现已吸引 100 多所高校参与合作,并为成员提供免费 AI 课程、职业培训等。这样一来,Alphabet 不仅在全球 AI 科研生态中锁定顶尖人才,也通过教育赋能为未来科研储备「弹药」。

产学研融合的闭环能力,则让 Alphabet 的科研实力真正转化为竞争力。借鉴 Bell Labs 的成功经验,其建立了「科学发现—技术发明—产品创新」的完整链条:AlphaFold2 从基础算法突破到开源数据库发布,仅用两年就成为全球生命科学研究的标配工具,衍生出「蛋白质提示工程」等意外创新应用;量子领域的基础研究则直接转化为 Sycamore 处理器的专利布局与谷歌云的量子算力服务,形成「学术突破—专利保护—商业落地」的良性循环。这种转化并非简单的技术变现,而是通过开放策略放大科研价值:AlphaFold2 开源代码并发布 2 亿个蛋白质结构数据库,看似放弃了短期收益,却赢得了全球科研界的信任,最终推动其在药物研发等领域产生实际价值,反哺公司医疗 AI 业务的发展。
*** Bell Labs:诺基亚贝尔实验室,诺基亚拥有的美国工业研发公司,曾荣获 11 项诺贝尔奖和 5 项图灵奖**

科研战略:技术+模式重塑工业科研范式

「两年三奖五得主」的里程碑,不仅是过往成就的总结,更预示着 Alphabet 科研实力的未来势能,其在技术布局与科研范式上的探索,正在重塑新一代工业科研的运作标准。

在技术赛道上,Alphabet 已构建起「AI+量子+生命科学」的三维科研矩阵。

AI 领域,除 AlphaFold 系列外,Google DeepMind 在强化学习、多模态模型等方向持续突破,其研发的基础模型正从专用向通用演进;量子计算领域,Quantum AI 团队正建造有着 100 万个量子比特的计算机,计划在 2029 年前建造数十亿美元的量子计算机并将其正式商用;生命科学领域,Verily 的智能隐形眼镜进入临床试验,可实时监测血糖水平,形成与 AlphaFold2 互补的应用生态。

这种多赛道布局形成了技术协同效应:AI 技术提升量子误差检测的效率,量子计算未来可加速 AI 模型的训练,而生命科学的应用场景则为前两者提供了落地验证的土壤。

在这里插入图片描述

谷歌量子路线图,图源:Quantum AI

更具深远意义的是,Alphabet 正重塑工业科研的范式。与依赖单一企业供血的 Bell Labs 不同,它已构建起广告、云计算、硬件三大现金流支柱,2025 年资本支出中 40% 来自非广告业务,这种多元化供血模式让基础研究更具韧性。在科研文化上,它打破了「学术与商业对立」的传统认知:既允许科学家自由发表论文、参与学术交流,又通过专利布局与技术转化保障商业回报,AlphaFold2 的开源与谷歌云算力的商业销售形成了完美平衡。这种范式创新吸引了全球科研资源的聚集,使其逐渐成为堪比 Bell Labs 的「诺奖摇篮」,而 AI 与量子计算的深度融合,更可能催生超越晶体管、激光的颠覆性技术。

不可否认的是,Alphabet 的科研之路也正在面临挑战:850 亿美元的巨额投入已引发部分投资者对短期回报的担忧,2025 年 2 月增资计划公布后股价曾单日下跌 7%;此外,Meta、亚马逊等对手的 AI 投资加码,也让人才竞争日趋激烈。但正如 Demis Hassabis 所言:「科学突破从来不是线性的,而是在持续投入后突然爆发」。

从 2015 年的组织重组到 2025 年的诺奖三连,Alphabet 用十年时间证明,基础科研不再只是学术机构的专利。当 Michel Devoret 的团队调试着最新的超导芯片,当 DeepMind 的科学家训练着下一代通用 AI,这家科技巨头的科研故事,或许才刚刚开启最精彩的篇章。

参考文章:
1.https://wallstreetcn.com/articles/3751755?
2.https://www.bloomberg.com/news/articles/2013-05-22/inside-googles-secret-lab
3.https://www.ebi.ac.uk/about/news/technology-and-innovation/google-deepmind-partnership-renewal/
4.https://thequantuminsider.com/2024/11/20/ai-power-for-quantum-errors-google-develops-alphaqubit-to-identify-correct-quantum-errors/
5.https://www.mittrchina.com/news/detail/12241

船载 OpenHarmony AIS 航海工作台:告警与防碰撞预警系统 船载OpenHarmony AIS航海工作台的告警与防碰撞系统,集成十余类告警(超速、偏航、会遇、SOS等),通过网格空间索引实现高效邻近判定,保障实时性。告警管理器统一调度规则、去重、通知与日志,支持悬浮球、语音、跑马灯、弹窗多渠道触达,确保航行安全。SOS紧急通道独立运行,避免干扰。系统设计强调性能优化与多场景适配,为航海安全提供核心支撑。 阅读详情

相关推荐

AI 应用开发:四维架构落地实战——以 HR Agent 为例拆解感知·推理·记忆·执行【意图路由、规划编排、长期记忆、工具执行、面试题】

本文基于四维架构(感知·推理·记忆·执行),以HR Agent为例,系统拆解大模型应用从“聊天”到“生产可用”的落地路径。通过Spring AI实现意图路由、规划编排、RAG检索与工具调用,结合真实踩坑复盘,揭示架构化设计对安全、成本与可维护性的关键价值,为AI Agent工程化提供可复用的实战框架。

王大师企业官方博客 1299

AI 问数真的能替代 BI 报表吗?

AI问数赋能自然语言查询,提升临时分析效率,但无法替代传统报表。报表适用于稳定输出与持续监控,AI则擅长探索性提问。企业用好AI问数,关键在于夯实数据模型、统一指标口径、健全权限体系与结果校验机制。合理组合报表、仪表板与AI,才能实现高效、准确的业务洞察。

葡萄城技术团队博客 327

Linux 隐藏进程

这种方式属于DKoM(Direct Kernel Object Manipulation)攻击方式了,即直接内核对象操作技术。关于第一种hook方式可以参考上一篇文章。最后推荐一个rootkit工具。

chi's blog 2051

ChatGPT、Perplexity、Gemini 与 AI Overviews 引用对比:谁的引用更可信

AI 引擎的引用机制差异很大:ChatGPT 以行内引用加 Sources 列表呈现来源,Perplexity 几乎逐句可溯源,Gemini 在回答中内嵌相关来源链接,AI Overviews 则把多源聚合答案与来源列表一起放在搜索结果顶部。本文从引用透明度、来源偏好、可干预性 3 个维度对比这 4 个引擎,并给出 GEO 的 3 点启示,帮企业在多引擎环境下提升被引用的概率。

淡然一笑 的专栏 260

AD9371 官方例程构建及单音信号收发

项目构建基本流程和AD9361差不多,由于官方使用的ZCU102,记录下移植遇到的一些问题最终接收到正确的正弦波Errors: 0Errors: 0Errors: 0Errors: 0AD9361。

weixin_44630490的博客 2973

数学建模国赛B题保姆级攻略:从选题到代码实现的完整流程(2024最新版)

本文提供2024年数学建模国赛B题的保姆级实战攻略,涵盖从赛题解构、模型构建到算法实现与论文撰写的完整流程。文章详细解析了如何快速抓住问题核心、建立数学模型、进行算法求解与结果可视化,并分享了高效团队协作与专业论文写作的关键技巧,助力参赛者系统性地完成从选题到代码实现的全过程。

weixin_29089057的博客 145

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 609

5步VS传统WinForm!AntdUI让界面设计从“土味”到“超模”只需30秒?

摘要:墨瑾轩编程教程《AntdUI的5大魔法步骤》详解如何将传统WinForm升级为现代化UI。教程通过5个核心步骤:安装AntdUI库、控件替换、主题定制、复杂布局构建及实战案例演示,对比传统开发与AntdUI在美观度(动态阴影/动画)、开发效率(拖拽组件VS手工绘制)和主题定制(一键换肤VS重写控件)的显著差异。使用C#代码示例展示按钮动画、3D翻转、聊天界面等特效实现,帮助开发者快速掌握这一基于Ant Design风格的WinForm增强框架。(150字)

java专栏 1129

抽象主义人工智能和生命体AI的内在联系

彭军辉提出“抽象主义人工智能”作为第四大AI范式,批判符号主义、连接主义、行为主义剥离生命本体的误区,确立“智能是现象,生命是本体”的核心公理。主张原生智能必须依附具备存续诉求的生命本体,提出“生命体AI理论”,构建七层演化阶梯与自闭环工程框架,强调智能不可跳过底层存续机制直接模拟语言。该体系为生成式AI提供科学边界,推动从“仿真表象”向“原生智能”的范式跃迁,开辟硅基人工生命新赛道。

抽象主义人工智能和生命体AI 198

芒果YOLO11改进172:ARConv自适应旋转卷积,全网首发 | 即插即用:以增强其表征能力,从而准确检测方向物体,ICCV顶会论文idea

ARConv自适应旋转卷积,全网首发 | 即插即用:以增强其表征能力,从而准确检测方向物体,ICCV顶会论文idea

包括YOLOv5、YOLOv7、YOLOv8等模型改进 1520

利用大模型和聚类算法找出 Excel 文件中重复或相似度高的数据,并使用 FastAPI 进行封装的详细方案

tokenizer将输入的文本列表texts转换为 PyTorch 张量,同时进行填充和截断操作,以确保所有输入具有相同的长度。对输入进行推理,得到模型的输出。对模型的最后一层隐藏状态求平均,得到每个文本的向量表示。.numpy()将 PyTorch 张量转换为 NumPy 数组。使用DBSCAN算法对文本向量进行聚类。eps是邻域半径,是形成核心点所需的最小样本数。fit方法对输入的向量进行聚类,并返回每个样本所属的簇标签。try:定义了一个 POST 请求的 API 路由,路径为。

AI的内部世界的博客 1069

OpenAI Control Room 架构拆解:给企业 AI Agent 加一套可审计的急停系统

OpenAI 公开了用于追踪和停止研究模型工作负载的 Control Room。本文拆解 job_id、推理前鉴权、35 秒撤销窗口与 Fail Closed 设计,并给出企业 AI Agent 急停控制面的数据模型、FastAPI 参考实现、缓存撤销策略和故障演练清单。

jerry764的博客 333

遗传算法(GA)全面解析:从生物基础到工程实践

本文全面解析了遗传算法(GA),从其生物基础到工程实践应用。遗传算法模拟自然进化过程,通过选择、交叉和变异等操作在解空间中高效搜索最优解。文章详细介绍了算法的生物学基础(达尔文进化论、孟德尔遗传定律)、基本概念(种群、个体、基因等)和核心思想。重点阐述了遗传算法的数学模型,包括编码机制、适应度函数设计、遗传算子(选择、交叉、变异)以及关键控制参数。最后提供了一个完整的Python实现示例,展示了遗传算法求解函数最大值问题的具体应用。该算法具有群体搜索、概率导向、无需梯度等特点,适用于各类复杂优化问题。

qq_42212808的博客 1179

OpenClaw 深度调查:把 AI 助手做成你自己的控制平面

对 openclaw/openclaw 的完整技术尽调:Gateway 架构、Agent 运行时、工具与沙箱、30 个消息通道、181 个插件、安全信任边界、工程代价与采用建议。17 章 / 10 张图,全部数字标注口径,数据截至 2026-10-31。

厚积薄发 336

从扩散到流匹配:具身智能中的生成模型原理与实现细节(具身智能/VLA/机器人面试常考)

本文探讨了生成模型在具身智能中的应用,重点对比了扩散模型和流匹配(Flow Matching)两种方法。扩散模型通过逐步加噪和去噪过程学习数据分布,建模能力强但采样速度慢;而Flow Matching直接学习连续向量场,更适合实时轨迹规划等需要快速连续生成的任务。文章还分析了自注意力机制的优势、ROS1/ROS2通信架构差异,并提供了Flow Matching的PyTorch实现代码。这些生成模型使机器人系统能够处理不确定性、多模态信息和连续控制问题,从传统的确定解转向更灵活的分布建模范式。

m0_51738372的博客 236

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

AI赋能智慧港口建设|造形家快速生成港口全要素三维场景

随着智慧港口、港口数字孪生项目的持续推进,港口三维场景的需求日益旺盛。传统港口三维建模,往往需要航拍倾斜摄影采集数据,再人工搭建吊机、岸桥、船舶、集装箱等大量工业设施模型,项目周期长、人力成本高,修改迭代繁琐,制约港口可视化项目落地效率。国产AI三维建模工具,依托卫星影像 AI 识别能力,无需航拍作业,一键快速搭建港口完整三维场景,为港口数字孪生、方案汇报、投标演示提供高效的场景解决方案。

m0_69539167的博客 80

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

从设备增点到治理闭环:老旧小区物业数智化落地实践

系统连接合同审批、银行流水、收费记录与项目台账,执行到期提醒、收入核验、异常标色和月度对账,让每一笔资金来源明确、去向可查。针对设施老旧、诉求响应慢、公共收益不透明等问题,津南以6类小区为试点场景,统一建设物业数字化底座,关联楼栋、单元、房屋、业主、空间、设施设备、工单、公共收益等核心数据。系统采用统一编码管理,将摄像头、路灯、井盖、道路、绿化等设施纳入资产台账,解决纸质记录更新滞后、故障责任难追溯的问题。基于历史工单建立分类模型和知识库,辅助识别照明、给排水、电梯、环境秩序、秩序维护等问题;

wuyeshuzhihua的博客 154

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

企业微信iPad协议详解:接口接入、实时消息同步与语音转码实践

深入解析企业微信iPad协议的技术架构与开发思路,涵盖API接口接入、长连接通信、实时消息同步、Silk语音转码、异常重连及高并发优化,帮助开发者了解企业微信自动化系统的设计与实现。

欢迎来到祖安! 503

Product Hunt 热榜 2026-11-13:Plurai Simulation、YouArt Desktop App、Omnigraph

2026-11-13 Product Hunt 新产品精选:Plurai Simulation、YouArt Desktop App、Omnigraph。汇总 15 款产品的中文介绍、功能关键词和产品链接。

LaughingZhu的博客 605

【AI Agent面试系列】AI Agent可观测、评测、安全相关的知识点

之前的文章介绍了和,本文主要介绍AI Agent的测评、可观测等知识。

386

Docling 原理解读:是什么、为什么、怎么样

从论文视角拆解 Docling 的整体架构、DoclingDocument 数据模型、PDF 预处理、版面分析、OCR、TableFormer 双解码器、阅读顺序与装配流程,并解释版面框与 OCR 框的区别。

PLANTTHESON的博客 398

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程,跟着博主一起来还原整个过程。

夜郎King的博客 5122

从认识人工智能到理解机器学习:我的 AI 入门第一课

正式开始学习人工智能之前,我对 AI 的认识其实比较模糊:知道 ChatGPT、知道大模型,也知道现在很多岗位都在谈 AI,但如果有人问我“人工智能到底是什么”“机器是怎么学会识别一只猫的”,我未必能从头到尾讲清楚。上午的课程更偏向行业全景:人工智能的发展、研究方向、NLP、岗位分工、学习路线和 AI Coding 工具。下午的课程更偏向技术基础:机器学习的原理、有监督学习、深度学习、模型训练和评估方法。

chh563的博客 550

企业宣传片发前如何批量排查并遮挡视频里的敏感信息

做企业视频的人都会碰到一个具体问题:实拍画面里混进了不该出现的信息。办公室背景里有贴着客户信息的白板,采访对象的授权书边缘露出一串身份证号码,街采素材里路人面孔和车牌号直接入镜。人眼在时间线上扫视,会漏掉快速闪过的帧、画面边缘的小字、以及暗光区域里的证件号码。用抹影AI完成车牌、人脸和证件区域批量检测后,又手动补充了两个时间段的屏幕遮罩,最终导出时画面已无合规隐患。重点关注快速运动、遮挡、低光照条件下的目标,这些是漏检的高发区域。导入视频后选择要检测的目标类型(人脸、车牌、证件号、二维码等)。

Mysssone的博客 179

面向工业对讲的双通道声学 DSP 模组 A-59(NR2050-A)方案解析与工程落地案例

A-59模组以NR2050-A DSP为核心,37.5×16mm邮票孔封装,支持-40℃~85℃工业温域,兼容A-06/A-09/A-29系列,可低成本替换存量设备。通过固件切换实现三种模式:模式一(低改版成本,适配矿井、电梯);模式二(最优AEC,用于医院呼叫);模式三(双波束独立输出,支持双人会议语音分离)。集成AEC、ENC、BF与AGC算法,有效抑制回声、噪声与串扰,解决对讲系统核心声学难题。选型需注意参考信号路径、麦间距与温度匹配,建议先做声学测试再量产。

R190_6589的博客 365

SAP商业AI正式通过网信备案:企业落地AI五问

中数通“CDC商业AI”通过广东网信部门备案,标志着SAP商业AI在华本地化迈出关键一步。然而,合规仅是起点,企业真正需关注的是:AI能否融入核心流程、数据治理是否健全、责任归属是否清晰、价值衡量机制是否建立。从“可用”到“用好”,关键在于工作流重构、跨团队协同与业务结果导向的评估体系。国产模型成本优势与本地部署能力为ERP深度集成提供可能,但真正的竞争力仍在于对数据、流程与业务上下文的理解力。

Acloudear的博客 210
上一篇: 内含教程|MIT等推出BindCraft,直接调用AF2,实现蛋白质结合体的智能化设计
下一篇: MIT基于物理先验构建生成式AI模型,仅需单一光谱模态输入,达到实验相关性高达99%的跨模态光谱生成
HyperAI超神经
博客等级 码龄7年 8873粉丝 1753原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值