OpenAI 发布 GPT - 5.6,智谱股价“过山车”,对标 Anthropic 前景几何?

【能源系统优化】基于NSGA-II的储能容量配置模型:多目标优化与全寿命周期成本分析 项目介绍 MATLAB 储能容量配多大?NSGA-II优化与寿命成本情景分析 内容概要:本文介绍了一个基于MATLAB的储能容量配置优化项目,通过NSGA-II多目标优化算法,综合考虑储能系统的全寿命周期成本、供电可靠性与新能源消纳能力,构建了包含数据生成、储能运行仿真、寿命衰减建模、多目标优化与决策分析的一体化模型框架。项目生成50000条多维随机数据,涵盖负荷、新能源出力、电价、温度与电池运行压力,并建立储能能量容量、功率与备用SOC的协同配置模型。通过时序仿真计算充放电行为、等效循环次数与容量衰减,结合初始投资、运行收益、更换成本与惩罚项,构建全生命周期经济评价体系。NSGA-II算法用于求解成本、供电可靠性与碳排放之间的Pareto最优前沿,支持多情景对比分析,如电价波动、负荷增长与寿命衰减加剧等,最终输出推荐配置与可视化结果,为储能工程选型提供量化依据。; 适合人群:具备一定MATLAB编程基础,从事电力系统规划、储能系统设计、新能源集成或优化算法研究的科研人员与工程技术人员,尤其适用于研究生、能源领域研发工程师及项目规划人员。; 使用场景及目标:①解决“储能容量配多大”这一实际工程问题,优化容量与功率的协同配置;②评估不同电价、负荷、气候与政策情景下储能方案的经济性与鲁棒性;③分析寿命衰减对长期成本的影响,避免“低投入高维护”的不合理配置;④为新能源电站、微电网、工业园区等场景的储能规划提供Pareto最优解集与决策支持。; 阅读建议:此资源侧重于模型构建与算法实现,建议读者结合提供的代码示例深入理解NSGA-II在储能优化中的应用,重点关注目标函数设计、寿命成本建模与多情景分析逻辑。建议运行数据生成与优化代码,调试并可视化结果,以掌握从数据到决策的完整流程。 立即下载

OpenAI 发布 GPT - 5.6,智谱股价“过山车”,对标 Anthropic 前景几何?

AI 浪潮下,2026 年 7 月 10 日,OpenAI 发布了 GPT - 5.6,再度引发热议。此时,赛道内的头部公司已无不站在聚光灯下,国内头部 AI 公司智谱同样颇受关注。

智谱已历经高光之下的股价“过山车”。2026 年 1 月 8 日,其在港交所挂牌上市,发行价每股 116.2 港元(约合人民币 100 元),此后股价一路飙升,在 6 月 22 日达到了盘中最高价 2980 港元(约合人民币 2585 元)。7 月 7 日晨间,因有媒体报道智谱已撤回建议首次公开发行 A 股的辅导备案,其股价应声下跌;同日午间,智谱在港交所发布澄清公告,表示建议 A 股发行相关辅导工作已经完成,之后股价又快速拉升,当日收盘价每股 1610 港元(约合人民币 1396 元)。7 月 9 日,智谱股价继续上探,收盘价来到每股 2032 港元(约合人民币 1762 元)。

按照截至目前股价最高点即每股 2980 港元计算,智谱彼时对应市值已达 1.27 万亿港元(约合人民币 1.1 万亿元),超越了小米、美团、京东、比亚迪等同在港交所上市的国内一众知名科技公司,仅次于腾讯与阿里。

智谱从清华大学计算机系知识工程实验室产业化起步,2019 年创立公司,2021 年发布国内首个专有预训练大模型框架 GLM,同年训练完成百亿参数模型 GLM - 10B,并推出 MaaS(模型即服务)的产品开发与商业化平台。此后 GLM 持续迭代,2024 年 1 月发布 GLM - 4,2026 年 2 月发布 GLM - 5,同年 6 月又发布了 GLM - 5.2。

业界近来频频将智谱与美国 AI 头部公司 Anthropic 并提。Anthropic 由前 OpenAI 核心成员达里奥·阿莫迪(Dario Amodei)与丹妮拉·阿莫迪(Daniela Amodei)于 2021 年主导创立,旗下 Claude 系列大模型凭借强大的逻辑推理和代码生成能力,目前已是全球大量企业部署 AI 及工程师编写代码的首选。官方数据显示,2026 年 5 月,Anthropic 年化收入已超 470 亿美元(约合人民币 3196 亿元)。2026 年 5 月 28 日,Anthropic 宣布完成 H 轮融资,融资规模 650 亿美元,投后估值已达 9650 亿美元(约合人民币 6.5 万亿元),Anthropic 由此超越友商 OpenAI,登顶全球 AI 初创公司估值榜首。

与 Anthropic 相似的是,智谱亦以代码能力见长,也走 B 端路线。早期智谱曾把自己定位为中国版 OpenAI,如今公开表述则换成了中国版 Anthropic。在 2026 年 3 月 31 日智谱 2025 年全年财报电话会议上,智谱 CEO 张鹏提到,以智能上限为壁垒,以 API 为主要产品形态,这是 Anthropic 和智谱正在践行的商业路径。

据调研机构 IDC 数据,全球企业的 AI 支出 2026 年将达 9400 亿美元(约人民币合 6.3 万亿元),预计 2029 年将增长至 2.1 万亿美元(约合人民币 14.2 万亿元),其中中国是全球 AI 市场增长最快的地区之一;单论 MaaS 市场,中国 2026 年 Token 调用量将达 40000 万亿次,收入将达 186 亿元,2024 - 2030 年 CAGR(复合年均增长率)为 1154.9%。

无论是 API,还是 MaaS,都是智谱布局已久的商业化路径,它们的发展前景也是市场看好智谱的背景。但对标体量已然庞大的 Anthropic,智谱不可避免地在技术、营收与未来发展空间等方向上被逐一审视。目前看,二者距离还很遥远。

开源与 B 端并重

智谱从一开始就将主战场锁定在了 B 端市场。其产品以大模型为基础,为 B 端及 G 端客户提供本地化部署服务,为 B 端及 C 端用户提供云端部署服务。招股书显示,2022 年、2023 年、2024 年,智谱营收分别为 5740 万元、1.24 亿元、3.12 亿元;其中本地化部署业务收入分别为 5481 万元、1.12 亿元、2.63 亿元,营收占比分别为 95.5%、90.4%、84.5%。

尽管招股书与财报中并未提及 G 端用户的具体数据,但张鹏曾公开表示,G 端客户占比不足 20%,智谱以 B 端市场为主。

在智谱上市后发布的首份财报即 2026 年 3 月 31 日发布的财报中,智谱的产品线更显细分,包括开放平台及 API、企业级智能体、企业级通用大模型、技术服务及其他。财报显示,2025 年,智谱营收 7.24 亿元,其中开放平台及 API 面向开发者和中小企业提供标准化的云端在线服务,收入 1.90 亿元,占总营收的 26.3%;企业级智能体面向企业构建自主智能系统,让智能体自主理解指令、拆解任务并调用外部工具完成业务闭环,收入 1.65 亿元,占比 22.9%;企业级通用大模型主要采用私有化本地部署模式交付,收入 3.65 亿元,占比 50.4%;技术服务及其他面向 AI 领域开发者及企业客户提供专项技术服务,收入 254 万元,占比 0.4%。

同据该财报,对应部署方式,开放平台及 API,即云端部署,占比 26.3%;企业级智能体、企业级通用大模型、技术服务及其他,即本地化部署,占比 73.7%。

营收连续 4 年翻倍增长说明了 B 端用户的认可。招股书显示,截至 2025 年 9 月 30 日,智谱包含 B 端与 G 端在内的机构客户数量已超 1.2 万。智谱 2025 年全年财报未给出更新的机构客户数据,只是提到,GLM - 5 发布 24 小时内即获得字节、阿里、腾讯等头部大厂官方接入,中国前 10 大互联网公司中已有 9 家深度集成 GLM。

押注开源生态是智谱高速发展的另一关键因素。与闭源的 Anthropic 不同,智谱很早就选择了开源之路。2022 年 8 月,引发全球 AI 浪潮的 ChatGPT 还未上线,智谱就开源了 GLM - 130B,这是全球首个开源的中英双语千亿级模型。之后,智谱将 2025 年定为开源年,全面开源了 GLM - 4.5、GLM - 4.5V 等一系列旗舰模型。

智谱采用的是 MIT(麻省理工学院)开源协议,授权极为宽松,允许用户不受限制地使用、复制、修改模型,甚至可以用于商业化和私有化部署。这种开放姿态迅速聚拢了全球开发者。财报显示,2025 年,智谱产品已覆盖全球 218 个国家和地区,与超过 400 万中小企业及开发者共建生态。

当开发者习惯了 GLM 的高性能与易用性,并将其深度集成至工作流后,便自然会在生产环境中通过智谱 MaaS 平台以 API 调用形式为智能需求付费,这也是智谱云端部署业务从 2022 年占比 4.5%上升到 2025 年的 26.3%的原因。据财报,在 2025 年推出 AI 编程专用付费订阅服务 GLM Coding Plan 后,智谱付费开发者已超过 24.2 万。

张鹏在财报电话会议上提到,2026 年第一季度,智谱 API 调用定价较 2025 年底提升了 83%,但市场需求依然旺盛,呈现供不应求态势,调用量同比增长 400%。

招商证券 2026 年 6 月 15 日发布的一份研报提到,智谱基础大模型能力持续提升,且在基础大模型及代码、智能体等相关领域,产品均有较强竞争优势,预测智谱 2026 年营收将达 35.4 亿元,同比增长 389%;2027 年营收将达 81.1 亿元,同比增长 129%;2028 年营收将达 150.2 亿元,同比增长 85%。

性价比颇得青睐

智谱的估值逻辑与商业模式直接相关。在 C 端用户相对有付费意识的海外,Anthropic 的估值已经超过以 To C 业务为主的 OpenAI,后者 2026 年 3 月 31 日宣布完成最新一轮总额 1220 亿美元融资,投后估值 8520 亿美元。

国内 C 端用户则至今未养成付费订阅 AI 产品的习惯,DeepSeek、豆包、千问等头部模型的普通版本均以免费模式运营。即便是头部模型,也需计算 ROI(投入产出比)。据晚点等媒体报道,截至 2026 年上半年,DAU(日活跃用户数)已超 2 亿的豆包,日收入实际不足百万元,且主要来自电商佣金,但截至 2026 年 5 月,豆包每天消耗的算力成本达数千万元。

目前豆包已于 2026 年 6 月 24 日上线付费订阅服务,标准版定价每月 68 元,加强版每月 200 元,高级版每月 500 元。而用户付费相关数据仍有待进一步披露。

面向 B 端,意味着离营收更近,AI 能更为直接地转化为生产力,特别是代码这种生产力工具。代码分析平台 Sonar 2026 年 1 月发布的全球开发者调研报告显示,2025 年,在体验过 AI 编程工具的开发者中,72%的开发者每日使用 AI 编写代码,其中 42%每日使用多次;而开发者提交的代码有 42%由 AI 生成或 AI 辅助完成,这个数字在 2023 年仅为 6%,2024 年升至 19%,预计 2027 年将达 65%。

智谱营收增速的核心驱动力正是 GLM 的代码能力。自 2024 年 1 月推出 GLM - 4 以来,GLM 模型代码生成能力大幅跃升。2026 年 6 月 17 日,在大模型评测平台 Arena 的编程评估系统 Code Arena 上,新发布的 GLM - 5.2 位列全球第二,仅次于 Anthropic 2026 年 6 月发布的 Claude Fable 5,其后是 Claude Opus 4.8、Claude Opus 4.7 及阿里 Qwen - 3.7 Max、月之暗面 Kimi - K2.6、MiniMax - M3 等模型。

性价比是智谱占据用户心智的重要因素。据调研机构 Artificial Analysis 数据,2026 年 7 月 9 日,以缓存、输入、输出为 7:2:1 的混合计价方式计算每百万 Token 的综合成本,GLM - 5.2(max)为 0.9 美元(约合人民币 6.6 元),远低于 Claude Fable 5(with fallback)的 7.7 美元(约合人民币 56.6 元)、GPT - 5.5(xhigh)的 3.85 美元(约合人民币 28.3 元)、Gemini 3.1 Pro Preview 的 1.74 美元(约合人民币 12.8 元),高于 Kimi K2.6 的 0.7 美元(约合人民币 5.1 元)、MiniMax - M3 的 0.22 美元(约合人民币 1.6 元)、DeepSeek V4 Pro(max)的 0.18 美元(约合人民币 1.3 元)。开源证券 2026 年 5 月 29 日发布的一份研报亦提及,在 SWE - bench Verified、HLE、BrowseComp 等关键测试中,GLM - 5 推理与代码能力已接近 Claude、GPT - 5 等国际顶尖模型,每百万 Token 成本仅 3 美元,性价比优势显著。

据海克财经了解,不少开发者对智谱的评价是,GLM 在代码生成和长文本处理上接近 Claude 水平,价格却只需要 Claude 的几分之一。

而受地缘政治因素影响,智谱作为 Anthropic 平替的价值日趋凸显。2026 年以来,Claude 对中国用户已实施多轮封号,这迫使更多原本习惯使用 Claude 的用户转向 GLM。

Anthropic 对中国用户向来不够友好。2024 年 5 月,Claude 相关模型停止对中国大陆地区提供服务。2025 年 9 月,Anthropic 宣布,停止向多数股权由中国资本持有的集团或其子公司提供 Claude 服务。

更引热议的是,此前有技术人员在美国社交媒体 Reddit 上爆料,指出 Anthropic 在 2026 年 4 月推出的 Claude Code 新版本客户端中,暗藏了针对中国用户的检测代码,该代码在用户开启代理时会自动检测设备系统时区是否属于中国区域,以及代理 URL 是否属于中国域名范畴,帮助平台精准识别、封禁中国用户。Anthropic 工程师随后回应称,这项检测机制仅是实验,用以防止未经授权的转售商滥用账户及模型蒸馏行为。

针对这些问题,2026 年 7 月 8 日,工信部发布风险提示,指出 Claude Code 存在安全隐患,建议相关单位和用户开展全面排查。阿里则在此之前已全面禁止员工在办公环境使用所有 Anthropic 旗下产品。

离 AGI 有多远?

相较于其他以商业化本身为目标的大模型厂商,智谱更像技术主义者。智谱认为自己是以 AGI 为信仰的原生智能实验室,Slogan 是“让机器像人一样思考”。

所谓 AGI(Artificial General Intelligence),即通用人工智能,指的是能够像人类一样理解、学习并完成任何智力任务的 AI 系统,拥有当下这些专注于特定领域的 AI 不具备的跨领域泛化能力。

智谱将 AI 发展划分为 5 个阶段:第一阶段是预训练,让模型从海量数据中学习世界知识;第二阶段是对齐与推理,将预训练的知识与用户意图、文本、图片、多模态进行对齐,本质上是在激活预训练阶段习得的全部知识;第三阶段是自我学习,模型不再仅仅从数据中学习,而是通过机器的自我探索发现新知识;第四阶段是自我认知,AI 能够对自己的行为和决策作出解释,理解为什么得出这个结果;第五阶段是意识智能,AI 可以融入组织或自成组织,成为人类的伙伴、同事,甚至独立构成一个组织实体。

依照智谱逻辑,前三个阶段正是目前大模型已经走过和正在行进的道路。具体来说,早期 AI 属于第一、第二阶段,目前 AI 已进入第三阶段,而第四、第五阶段才真正靠近 AGI 愿景。

愿景宏大,但现实还相去万里。为此,智谱持续投入高昂研发费用。财报显示,2024 年至 2025 年,智谱的研发成本由 21.95 亿元增长至 31.80 亿元,亏损由 29.58 亿元增加至 47.18 亿元,亏损主要由研发投入持续增加导致。

技术创新、对新阶段的追求以及 To B 市场的落地,这些都是智谱真实的价值,但现阶段很难支撑起万亿元市值。

金融领域常见的估值方法有两种,即市销率(P/S,市值与营收的比率)与市盈率(P/E,股票价格与每股收益的比率)。尚未盈利的公司往往使用市销率来计算,但与其他公司相比,智谱上千倍的市销率很难说是理性表现。

据海克财经了解,当前 Anthropic、OpenAI 的市销率在 20 - 30 倍间,海外微软、谷歌等头部科技公司市销率约 10 倍,国内互联网头部玩家腾讯、网易等市销率均不到 8 倍;与智谱情况相似的是同为 AI 公司的 MiniMax 和芯片公司摩尔线程,MiniMax 市销率最高曾超过 400 倍,目前回落至约 150 倍,摩尔线程市销率目前则超过 200 倍。

极高市销率反映的是市场对公司的未来预期,但预期能否变成现实是另一个问题。与 Anthropic 相比,技术层面,GLM - 5.2 尚难与 Claude Fable 5 匹敌;市场层面,智谱营收目前高度依赖国内市场,全球化与 Anthropic 差距悬殊,而国内市场本身亦强者如云,竞争激烈。

AGI 故事能讲很大,能让市场为未来可能性买单。对智谱来说,这还不止是故事,而是已然付诸实践的追求。港交所上市前,张鹏在接受张小珺采访时称,智能和计算之间的本质关系还没有特别完美的解答,智谱未来继续押注的只有一件事,就是 AGI,拆解到短期则是智能体、规模化法则、强化学习里的新范式等;如果能在历史书上留下一句话,他希望是“智谱是 AGI 历史上的先行者”。

市场给予的热烈反馈,显然不会永远持续。智谱关于技术跃迁与商业闭环的构想能否兑现,还需多长时间的等待,目前无人能够断言。

印尼稻米收成与粮食安全数据集2026年 本数据集收录印度尼西亚2026年水稻收成与粮食安全遥测数据,包含10000条稻米农业收成产量与粮食安全监测记录,围绕印尼国家粮食安全体系中的核心作物水稻展开。稻米是印尼逾两亿人口的主粮,其收成波动直接影响国家粮食安全与进口政策,本数据集将种植区域、收成产量、气候与土壤相关遥测指标整合为结构化表格,可支撑粮食产量预测、收成影响因素分析、区域粮食安全评估与农业政策模拟等研究任务。典型应用场景包括:农业时间序列产量预测模型构建、气候因子与水稻收成的关联分析、省份与地区层面的粮食自给率测算、粮食安全风险预警指标设计,也可作为农业经济、粮食政策与数据科学交叉课程的教学素材。数据为2026年最新版,规模约1.2MB、单CSV结构规整,字段命名清晰,适合Python、Pandas、Scikit-learn等主流工具链直接使用,便于开展探索性分析、可视化与机器学习全流程练习。重要说明:本数据为遥测整理数据,分析结论以数据集文档口径为准,农业决策请结合官方统计综合研判。许可:CC0公有领域,可自由使用与二次分发。 立即下载

相关推荐

四分之一汽车模型主动悬架设计:在MATLAB_Simulink中实现比例积分控制、前馈扰动抑制和扰动估计,以优化乘坐舒适性和道路附着力。.rar

四分之一汽车模型主动悬架设计:在MATLAB_Simulink中实现比例积分控制、前馈扰动抑制和扰动估计,以优化乘坐舒适性和道路附着力。.rar

为什么生成式AI这么火?OpenAI刚刚被曝估值已接近200亿美金

“生成式 AI 提醒我们,很难做出有关于人工智能的预测。十年前,传统观点认为:人工智能首先会影响体力劳动;然后,是认知劳动;然后,也许有一天它可以做创造性工作。现在看起来,它会以相反的顺序进行。”——Sam Altman现在,生成式 AI 在美国投资界有压倒式的火热,我想给大家写一下这个领域的前世今生。(一)差不多是在七年前的这个时候,特斯拉创始人埃隆.马斯克和 YC 的前总裁萨姆.奥特曼等六个...

人工智能学家 2585

Delphi 13.2控件之msquic4d.rar

Delphi 13.2控件之msquic4d.rar

MCGS的Http协议驱动,支持http协议

硬件配置 参数设置 设备属性 设备命令 通讯状态 附录 #HTTP 1、 设备简介 驱动类型 该驱动为独立设备,直接添加构件即可,不需要挂载到父设备下 通讯协议 采用标准HTTP1.1协议 通讯方式 驱动构件为客户端。 2、 硬件连接 本软件在通讯之前,请保证通讯连接正确。通讯连接方式:采用标准的RJ45接口的以太网接线(对调网线或使用HUB交换)。 3、 设备通讯参数 本设备为独立设备,无父设备参数 4、 设备构件参数设置 “HTTP设备”参数设置如下: <1> 内部属性: 构建url信息。 <2> 最小采集周期:本软件对设备进行操作的时间周期,单位为ms,默认为100ms。 <3> 通讯等待时间:通讯数据接收等待时间,默认设置为200ms,当采集速度要求较高或数据量较大时,设置值可适当减小或增大。 <4> HttpHead:http head添加需要的字段,不需要添加http head时值为空,默认不添加。 5、 设备命令 本设备构件提供设备命令,用于进行相应的操作,设备命令的格式如下: 设备命令 命令介绍 GetHttpHead 格式1 GetHttpHead(headStr) 用途 获取http head参数 参数 headStr 参数可以为字符型变量、字符串常量 例1 !SetDevice(设备0,6,"GetHttpHead(headStr)") 获取http head数据保存到headStr中 SetHttpHead 格式1 SetHttpHead(headStr) 用途 设置http head参数 参数 headStr 参数可以为字符型变量、字符串常量

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

【DBO三维路径规划】基于多策略改进的蜣螂算法MSDBO多无人机协同集群避障路径规划(目标函数:最低成本:路径、高度、威胁、转角)研究(Matlab代码实现)

内容概要:本文研究了基于多策略改进的蜣螂优化算法(MSDBO)在多无人机协同集群三维路径规划中的应用,旨在解决复杂三维环境下的避障与最优路径搜索问题。通过构建包含路径长度、飞行高度、威胁规避和转弯角度的综合成本目标函数,利用MSDBO算法对多无人机系统的飞行轨迹进行全局优化,实现在保证安全性与稳定性的前提下达到最低能耗与最优性能的目标。文中详细阐述了算法的多策略改进机制、三维环境建模方法以及多无人机协同避障策略,并通过Matlab仿真平台验证了该方法相较于传统优化算法在收敛速度、路径质量和鲁棒性方面的优越性能。; 适合人群:具备一定优化算法理论基础和无人机控制系统知识的科研人员及研究生,特别适用于从事智能优化算法、多智能体协同控制、路径规划与自主导航等相关领域的研究人员和技术开发者。; 使用场景及目标:①应用于灾害救援、军事侦察、智能巡检等复杂三维场景中多无人机协同任务的路径规划;②为多目标约束下的路径优化、动态避障与能耗平衡问题提供高效的算法支持与仿真验证工具;③推动智能优化算法在无人系统自主决策与协同控制中的实际应用与工程落地。; 阅读建议:建议读者结合提供的Matlab代码深入理解算法的具体实现过程,重点关注目标函数设计、多策略改进机制(如种群初始化、自适应参数调整、局部搜索增强等)及仿真结果分析部分,同时可尝试将该算法迁移至其他智能优化算法框架中进行对比研究,以深化对路径规划问题本质的理解与实践能力的提升。

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

【CEEMDAN-VMD-GRU】完备集合经验模态分解-变分模态分解-门控循环单元预测研究(Python代码实现)

内容概要:本文提出了一种融合完备集合经验模态分解(CEEMDAN)、变分模态分解(VMD)与门控循环单元(GRU)的复合预测模型,旨在提升对复杂非平稳时间序列的预测精度。首先利用CEEMDAN对原始信号进行自适应分解,有效缓解模态混叠问题,获得一组本征模态函数(IMFs);随后引入VMD对关键模态分量作进一步优化分解,增强特征分离能力,降低噪声干扰;最后将处理后的平滑分量分别输入GRU神经网络进行独立训练与预测,并通过加权集成策略融合各分量输出,得到最终高精度预测结果。该方法结合了多尺度信号分解与深度学习的优势,显著提升了模型在处理强噪声、非线性、非平稳序列(如电力负荷、风速、光伏发电功率等)时的泛化能力和预测稳定性,文中提供了完整的Python代码实现,便于复现与应用。; 适合人群:具备一定Python编程基础和机器学习理论知识,从事科研或工程应用的硕士、博士研究生及科研人员,尤其适用于能源系统预测、智能电网调度、可再生能源管理、信号处理与时间序列分析等相关领域的研究人员和技术开发者。; 使用场景及目标:①解决传统单一预测模型在面对复杂非平稳时间序列时存在的过拟合、收敛慢、精度低等问题;②通过多阶段信号分解降低原始序列的复杂度与不确定性,提升GRU模型的训练效率与预测鲁棒性;③为电力系统负荷预测、新能源出力预报、设备运行状态预警及市场交易策略制定等关键任务提供高精度数据支撑。; 阅读建议:建议读者结合提供的Python代码逐模块理解算法实现流程,重点关注CEEMDAN与VMD的参数配置对信号分解效果的影响,尝试在不同数据集上进行实验对比,并通过可视化手段分析各模态分量的物理意义,进一步掌握模型调优与性能评估的方法。

机器视觉检测实战教程 19页成品课程光源选型Halcon标定海康相机VisionPro

内容概要:机器视觉检测实战教程,19页6章成品课程PDF:视觉检测光源选型对照表+五个翻车案例、Halcon模板匹配create_shape_model七参数整定、视觉标定三类(9点/旋转/手眼)、海康工业相机C#取图黑图丢帧排坑、VisionPro QuickBuild部署License迁移C#宿主、远心镜头选型。含C#/Halcon代码与现场案例。适用人群:机器视觉工程师、自动化检测开发、企业内训。使用场景:视觉方案设计、选型、标定部署、团队培训。原创整理。

【医疗器械制造】基于酸碱腐蚀环境的一次性乳胶手套铝合金手模失效机理分析与量产风险控制

内容概要:本文围绕一次性医用乳胶手套生产中使用的铝合金手模在酸碱环境下的失效风险展开系统性分析,重点探讨其在外表面腐蚀、清洗循环、氯介质侵入及表面粗糙度控制等方面的工程挑战。研究表明,尽管市场上已有带涂层的铝合金手模供应,但其能否在强碱、酸洗、毛刷摩擦、冷热交变和氯共存的复杂工况下长期维持Ra 1.0—2.5 μm的表面质量并实现稳定脱模,仍需经过严格的多阶段验证。常规阳极氧化+PTFE涂层方案已被实测排除,而316L不锈钢筒体在湿氯环境中出现的三个月内腐蚀失效案例提示必须重视内腔隔离设计。文章强调,采购决策应基于“小批量试制—离线加速试验—影子生产验证—条件性放行”的四阶段准入机制,结合表面参数、工艺相容性、手套成品性能与全生命周期成本进行综合评估,避免依赖供应商宣传数据。; 适合人群:从事医疗器械制造、材料工程、设备采购与工艺质量管理的技术人员及决策管理者,尤其是涉及乳胶手套生产线优化与手模选型的相关从业人员。; 使用场景及目标:①评估铝合金手模替代陶瓷手模的技术可行性与风险边界;②建立手模选型的系统验证流程,防范因表面失效导致的脱模异常、手套缺陷与非计划停机;③指导采购合同中技术条款的制定,确保供应商交付具备可验证数据支撑; 阅读建议:此资源以工程实证为导向,建议读者结合自身产线工艺参数,重点关注外表面Ra控制、内腔双密封设计、影子生产验证方法及失效链追溯体系的构建,在试制阶段严格执行多维度联合判定标准,审慎推进规模化替代。

无人机路径规划中多种优化算法的仿真研究(Matlab代码实现)

内容概要:本文围绕无人机三维路径规划问题,系统研究了多种智能优化算法在复杂环境下的仿真应用与性能对比,重点实现了改进灰狼优化算法(I-GWO)、标准灰狼优化算法(GWO)、金鹰优化算法(GJO)和正弦余弦算法(SCA)的Matlab代码实现。通过构建包含路径长度、飞行高度、威胁规避及转弯角度等多维度目标函数的综合评价体系,对各算法在单无人机路径优化与多无人机协同集群避障场景中的表现进行全面仿真分析,评估其路径规划能力、收敛速度与鲁棒性。研究旨在实现最低综合成本的飞行路径,并为多智能体协同任务提供可靠的算法支撑。; 适合人群:具备一定Matlab编程基础,从事无人机系统设计、智能优化算法研究、路径规划及相关自动化、人工智能领域的科研人员、工程技术人员及研究生。; 使用场景及目标:① 掌握主流智能优化算法在三维空间路径规划中的具体建模与实现方法;② 对比分析不同算法在路径优化质量、计算效率、避障能力和多目标权衡方面的性能差异;③ 为多无人机协同执行侦察、监测、救援等任务提供高效的路径规划解决方案与仿真验证平台。; 阅读建议:建议结合文中提供的Matlab代码进行动手实践,重点关注算法参数调优、目标函数设计以及环境障碍物建模对最终路径的影响,可进一步扩展至动态障碍环境或加入通信约束以适应更复杂的实际应用场景。

【新能源电力系统】项目介绍 MATLAB实现基于GWO-VMD-SSA-LSTM灰狼优化算法(GWO)结合变分模态分解(VMD)、麻雀搜索算法(SSA)及长短期记忆网络(LSTM)进行辐照度-温度驱动

内容概要:本文提出了一种融合灰狼优化算法(GWO)、变分模态分解(VMD)、麻雀搜索算法(SSA)和长短期记忆网络(LSTM)的复合模型(GWO-VMD-SSA-LSTM),用于实现高精度的辐照度-温度驱动短期光伏功率预测。该模型首先通过GWO优化VMD的关键参数(模态数K和惩罚因子α),实现对非平稳光伏功率序列的高效多尺度分解,降低信号复杂性;随后利用SSA对LSTM的超参数(如隐藏层单元数、Dropout率、学习率等)进行智能寻优,提升网络训练效率与泛化能力;最后通过独立LSTM网络对各VMD模态进行预测并重构输出。模型结合了信号分解、智能优化与深度学习优势,显著提升了在多云、阴雨等复杂天气下的预测精度与稳定性,并通过MAE、RMSE、MAPE和R²等指标验证了有效性。文中还提供了完整的MATLAB实现流程,涵盖数据清洗、归一化、滑动窗口构建、参数优化与结果可视化等环节。; 适合人群:具备一定机器学习与时间序列预测基础,从事新能源发电预测、智能电网调度、电力系统自动化等相关领域的科研人员、工程师及研究生。; 使用场景及目标:①解决光伏功率受辐照度、温度等因素影响而导致的强随机性、非平稳性预测难题;②提升短期(15分钟至1小时)光伏出力预测精度,支撑电网经济调度、储能协同控制与电力现货市场申报;③为多源气象数据驱动的可再生能源预测提供可扩展的技术框架。; 阅读建议:建议结合提供的MATLAB代码逐步实践,重点关注GWO与SSA的优化机制、VMD分解效果及其与LSTM的集成方式,注意避免时间泄漏问题,推荐在实际数据上复现实验以深入理解模型性能。

超全Mathcad全桥LLC谐振变换器开关电源设计mathcad计算书

内容概要:本文档《超全Mathcad全桥LLC谐振变换器开关电源设计mathcad计算书》系统阐述了全桥LLC谐振变换器在开关电源中的设计方法,重点利用Mathcad工具进行精确的数学建模与参数计算。内容涵盖LLC谐振变换器的工作原理、关键参数设计(如谐振频率、励磁电感、变比等)、闭环控制策略、软开关实现条件、效率优化及工程实践中需注意的关键事项。文档通过详尽的数学推导和工程实例,构建了一套完整的从理论分析到实际应用的设计流程,特别强调了在不同负载与输入电压条件下确保ZVS/ZCS软开关的实现机制,并提供了实际设计中的取值依据与优化方向,为电力电子工程师提供了一个高效、可靠的设计参考方案。; 适合人群:具备电力电子技术基础,从事开关电源研发的工程师、高校电力电子及相关专业的研究生与科研人员,以及熟悉Mathcad、Simulink等仿真与计算工具的技术人员;; 使用场景及目标:① 掌握全桥LLC谐振变换器的参数设计与性能优化方法;② 开发高效率、高功率密度的软开关电源系统;③ 支持科研项目或工业产品中高性能电源模块的设计与验证;④ 结合仿真模型进行设计结果的验证与教学培训;; 阅读建议:建议结合配套的仿真模型与计算书同步学习,重点关注参数设计公式的推导过程与工程取值的合理性,动手复现计算步骤以加深理解,并通过仿真手段验证设计结果的准确性与鲁棒性。

T12_eVTOL低空经济低空公共航线网络规划设计方案_可研报告版.pptx

T12_eVTOL低空经济低空公共航线网络规划设计方案_可研报告版.pptx

T07_低空经济与智能网联汽车融合的城市空地一体出行服务平台建设方案_决策评审版.pptx

T07_低空经济与智能网联汽车融合的城市空地一体出行服务平台建设方案_决策评审版.pptx

具有PWM控制VSC-HVDC链路的IEEE30总线传输系统(Simulink仿真实现)

内容概要:本文详细介绍了基于Simulink仿真实现的具有PWM控制VSC-HVDC链路的IEEE30总线传输系统,系统性地阐述了电压源换流器高压直流输电(VSC-HVDC)的技术原理及其在复杂电力系统中的集成应用。研究重点涵盖VSC-HVDC系统的基本结构、PWM调制控制策略的设计与实现,并将其嵌入IEEE30节点标准测试系统中,构建完整的多区域交直流混合输电仿真模型。通过Simulink平台对系统在不同运行工况下的动态响应进行仿真分析,验证了PWM控制在有功功率、无功功率独立调节、直流电压稳定及故障穿越能力方面的有效性。该仿真模型不仅有助于深入理解现代高压直流输电技术的工作机制,也为含大规模可再生能源接入的智能电网稳定性分析与优化控制提供了可靠的技术支撑与研究平台。; 适合人群:具备电力系统分析、高压直流输电技术基础以及Simulink/MATLAB仿真能力的研究生、科研人员及从事电力系统规划与运行的工程技术人员。; 使用场景及目标:① 掌握VSC-HVDC系统的核心控制原理及其在多节点电网中的建模方法;② 学习并实践基于PWM调制的矢量控制策略在Simulink中的实现过程;③ 对比分析交直流系统在稳态与暂态过程中的功率传输特性与动态响应,为新能源并网、电网互联等实际工程问题提供仿真依据和技术参考。; 阅读建议:建议读者结合文中理论分析与Simulink仿真模型,逐步完成模型搭建与参数设置,并通过改变系统运行条件(如负载投切、故障扰动等)观察系统响应变化,深入理解控制策略的有效性与局限性。同时,鼓励扩展模型功能,如引入风电/光伏等可再生能源接口,进一步探索VSC-HVDC在现代电力系统中的综合应用潜力。

九个版本一步跨:从JDK8到JDK17的特性增量、强封装迁移与ZGC实战解析

这篇文章要回答的,正是“从 JDK 8 直接跨到 JDK 17”这件事里最常被问到的四个问题: 九个版本到底攒下了什么? 语言、API、运行时三类变化里,哪些值得用、各自从哪个版本开始可用、哪些说法其实传错了。 升级为什么会“起不来”或“跑不通”? 强封装、被删除的模块、被移除的 JVM 参数,分别会以什么样子出现,怎么定位、怎么治本。 ZGC 的收益是真的吗?怎么测才算数? 停顿影响面怎么估算,压测时有哪些坑会把收益放大或掩盖。 落地要分几步走? 站在 2026 年,还该不该把 17 当终点。

上一篇: 阿里投资长鑫科技:是电商+AI 转型,还是纯血 AI 公司崛起?财务与战略身份待解
下一篇: 半年ARR增长6倍多!Anthropic或成高利润AI企业,给烧钱换增长模式敲响警钟
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22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