数智科技
-
Azure 再度雄起,微软重回 AI 顶梁柱
在北京时间 5 月 1 日美股盘后,微软公布了截至 3 月底的 2025 财年 3 季度财报,整体来看相比市场对营收增长放缓,经营利润率开始收缩的悲观预期,营收增长加速、利润率继续扩大的表现相当不俗。
-
必选还是可选?锂电池极片V角切割工艺导入的四个技术判定条件
本文从实际生产角度,总结锂电池极片切V角技术的核心目的、优缺点及必要性评估,涵盖极耳对齐精度、毛刺控制、设备成本等关键参数。 一、极片切V角的目的 1.极耳对齐度优化 切V角通过几何定位(如渐开线原理)辅助极耳在卷绕或叠片过程中的精准对齐,减少极片错位风险
-
Palantir:“DOGE+关税”双刀齐上,AI信仰会跌落神坛吗?
Palantir于美东时间5月5日盘后发布了2025年一季度的业绩。整体来看,一季度业绩超预期,虽然不如上季度惊艳,但短中期的高增长趋势并未打破,二季度指引以及全年指引均优于机构预期。 不过高估值下市场容忍度也在降低
-
锂电池周边焊熔深过大的风险分析!
周边焊(顶盖满焊)过程中熔深超过标准的危害主要包括以下几个方面: 1.密封性风险 熔深过大会导致顶盖与铝壳的有效密封区域被过度熔透,可能破坏密封结构,降低耐压强度(标准要求>1.1 MPa),增加氦气泄漏风险(要求<9.9×10 Pa·m³/s)
-
重构智能底座!银河麒麟V10 新版发布,助力数字中国建设
第八届数字中国建设峰会5月4日闭幕。本届峰会共吸引超36万人次参会观展,创历史新高。本届峰会以“二十五载奋进路 数字中国谱新篇——数智引领高质量发展”为主题,由国家发展改革委、国家数据局、国家网信办、工业和信息化部、福建省人民政府联合主办,福州市人民政府及相关单位承办
-
如何判断电极浆料的稳定性?满足什么样的条件算是稳定性好的浆料?
有个经验值:电极段的质量比重占整个电芯产线的70%,而浆料的质量比重又基本占电极段的70%。可以说一旦锂电池制造产线的源头——电极浆料出了问题,那么整锅浆料都要报废。 浆料的稳定性是衡量浆料质量的一个关键参数
-
Roblox:翻身元宇宙,避险真堡垒?
大家好,我是海豚君! Roblox美东时间 5 月 1 日美股盘前发布了 2025 财年第一季度业绩。整体来看,业绩不错,我们重点跟踪的核心成长指标和盈利指标均超预期,体现了公司在保证生态活跃的基础上,内部经营效率同步稳定提升的健康趋势
-
对标特斯拉Optimus,这家公司3年后要落地万台人形机器人
作者 | 向欣现下,端到端 VLA 已成为具身智能领域公认的技术范式之一。今年 2 月,一个可以控制人形机器人上半身,并使其识别、拾取几乎所有家庭物品的端到端 VLA(视觉-语言-动作模型)——Hel
-
月之暗面,绝地反击
作者/庆福编辑/嘉嘉日前月之暗面正在为旗下AI助手Kimi内测内容社区功能,具备点赞、评论等互动功能,其进度正处于选定特定人群的灰度测试阶段,以便发现并纠正产品问题,为最终上市做准备。据了解,现阶段K
-
仅20名员工,一把融资146亿:史诗级独角兽诞生
作者丨黄小贵从没见过这么恐怖的融资。近日,AI研究实验室 Safe Superintelligence(下称 SSI)获得了20亿美元(约合146亿人民币)的融资,估值达到320亿美元。本轮由绿橡树
-
上海车展的三个关键词:辅助驾驶、性价比,AI生态
文/王慧莹编辑/马军今年的上海车展少了几分喧嚣。“车圈顶流”小米创始人雷军和小米YU7的缺席,360集团创始人周鸿祎虽成为本届车展的焦点人物,却没有了“坐车顶”的故事
-
AI光环下的商业裸泳:百度智能云能否逃离“技术泡沫”?
在当今科技飞速发展的时代,云计算市场风云变幻,各大科技巨头纷纷在这片竞技场中施展拳脚,试图争夺一席之地。百度智能云,这个曾经凭借着百度深厚的AI 技术底蕴而备受瞩目的选手,如今正站在命运的十字路口,面临着前所未有的挑战与机遇
-
放大镜下的 Qwen3,阿里的一次关键补强
国内第一个混合推理模型,也是第一个开源的混合推理模型。 今天(4 月 29 日)凌晨,阿里巴巴推出了 4 月压轴的一款大语言模型——Qwen3 系列。 而在这个月,Meta
-
自动驾驶车路云协同,一边降温,一边火热?
近年来,随着物联网、云计算、大数据、5G和人工智能等新一代信息技术的迅猛发展,各行各业正在加速走向智能化和信息化,汽车行业也是如此。汽车智能化的路径选择其实并未统一,从单车智能到车路云协同,从依托激光雷达到纯视觉,每一个方案的选择都影响着行业的诸多企业
-
聊聊大模型推理系统之 BlendServe:通过资源感知批处理策略,最大化硬件资源利用率和推理吞吐量
作者:InternLM、Qwen 等 LLM 全文约 2600 字,预计阅读 7 分钟 近年来,大型语言模型(LLM)的广泛应用推动了推理服务系统的不断优化。然而,在离线批量推理场景中,如何平衡计算资源利用效率和性能仍是一个亟待解决的问题













