随着全球能源消耗量的不断增加，人们逐渐意识到需要寻找新的、可再生的能源替代传统燃煤、石油等非可再生资源。太阳能作为一种具有很大潜力的能源，被广泛看好。而其中最吸引人的技术之一就是薄膜太阳能电池。 在9月1日于沈阳举办的全球制造业峰会“新材料产业技术应用高峰论坛”上，国际薄膜学会会长张善勇在接受荣格采访时，对太阳能薄膜电池与硅基电池的特点进行了介绍，并对太阳能薄膜电池的发展阐明了看法。 早在20世纪初期，人们就开始尝试制作太阳能电池，但由于制作成本高昂，效率低下等原因，一直未能得到广泛应用。直到20世纪60年代，人们利用硅材料成功制作出硅基太阳能电池，并取得了一定的进展。而随着新材料的发掘和新技术的不断发展，薄膜太阳能电池成为了一种备受关注的太阳能发电技术。 张会长表示：“相对于硅基太阳能电池，薄膜太阳能电池的优势在于它更轻薄、更灵活，方便携带和安装，可以涂覆在柔性的机体上面。比如将之安装在帽子上或是衣服表面，这样就成为一种可穿戴设备，人们的太阳能手机就永远不断电了。” 那么，在太阳能薄膜电池这一领域，中国的生产水平和市场情况如何呢？张会长表示，在太阳能光伏领域，中国已领先于世界。“目前中国太阳能电池的使用情况远远超过世界的平均水平，这一点我觉得咱们国家做得非常好。硅基电池已实现了大范围的应用；薄膜太阳能电池离实际应用也越来越近。目前，薄膜太阳能电池的转换效率已经到达25%以上。但是薄膜太阳能电池要实现真正的应用，还存在一个封装问题。太阳能电池不仅要承受日晒雨淋；之后，还面临清洗再重新涂抹等问题。钙钛矿薄膜太阳能电池是最典型的一类，其工业化大批量生产的成本并不很高，但是可能会产生可观的维护费用。太阳能电池的寿命大约一、二十年，解决了封装问题和维护成本之后，我想薄膜太阳能电池的应用会比传统的硅片带来更高的效益。” 从材料到工艺，都让薄膜太阳能电池在技术上远超硅基太阳能电池。一些新材料、新技术正应用到这一领域中来。张会长说：“薄膜太阳能电池的新技术其实每年都在进步，研究者们甚至是面对着元素周期表，设法看哪些元素能够添加进去，从而实现更高的效率。但目前真正要解决的应用问题，仍是封装和维护。把这两个问题解决了，薄膜太阳能电池就可以大规模使用了。中国在这方面有着很大的潜力，并且已经做的非常好了。我相信，随着行业将硅基太阳能电池上所积累的经验，不断转移到薄膜太阳能电池上，这一类别在不久的将来一定会成就斐然。” 随着技术的不断发展和进步，薄膜太阳能电池的应用前景愈来愈广阔，其轻薄、柔韧的特点将使之成为适用于各种场合和环境的绿色能源。未来，它将在智能穿戴设备、建筑、交通运输和航空航天等各个领域得到广泛应用。

全球领先的无线连接、智能感知技术及定制SoC解决方案的授权许可厂商CEVA, Inc. (纳斯达克股票代码： CEVA)宣布加入三星先进晶圆代工生态系统(Samsung Advanced Foundry Ecosystem, SAFE™)，利用三星的先进晶圆代工工艺，帮助获得CEVA授权的厂商简化芯片设计并加快产品上市速度。 三星代工厂为客户提供具有竞争力的工艺、设计技术、IP和大批量制造能力，其中的全套先进工艺技术包括28FD-SOI、14/10/8/5/4nm FinFet和3nm GAA，以及5nm以上的EUV技术。CEVA的IP已经在三星的代工厂以多种工艺技术投入生产，用于包括5G基础设施、汽车、监控和消费电子的广泛终端市场。此次合作旨在为CEVA客户提供更丰富的先进制造工艺选项，进一步降低供应链风险，核证CEVA业界领先无线连接和智能感知人工智能 IP的三星晶圆代工生产，从而无缝集成在芯片和芯粒设计中。 CEVA营销副总裁Moshe Sheier表示：“我们通过SAFE™计划与三星晶圆代工厂合作，从而将世界领先的晶圆代工服务与广泛应用的半导体IP供应商结合，帮助确保客户在人工智能时代更快地成功推动半导体产品。我们面向 5G、Wi-Fi、DSP 和边缘生成式人工智能 的 IP 在全球范围的需求高涨，通过这项合作关系，我们能够利用公司业界领先的能效和性能以及三星最先进的代工工艺技术，帮助推动智能互联设备的普及使用。” 三星SAFE™ IP合作伙伴计划是三星先进晶圆代工生态系统(SAFE™)的重要一环，目标是为三星晶圆代工厂和IP合作伙伴建立强大的生态系统，根据客户需求在不同应用领域提供多样化IP组合。这些组合包括针对性能密集型应用设计的专用 IP 和基础 IP。

随着我们在日常生活中更多地转向使用无线产品，电力电子研究同时也在为电动汽车 (EV) 等事物发展无线充电的新趋势。许多国家现在正在实施燃油经济性法规并推动以电动汽车取代汽油车的举措;因此，汽车制造商现在非常关注电动汽车的开发。虽然锂离子电池和超级电容器等技术进步大有希望，但更平稳地向电动汽车整体过渡的主要要求是基础设施和合适的快速充电系统的可用性。 电动汽车充电系统是将来自电源的交流/直流电转换为可为汽车电池充电的直流电的大功率转换设备。目前所需的峰值功率约为 10kW 至 20kW。这可能会更高，具体取决于可充电时间和电池充电能力的进步。因此，政府和原始设备制造商都在推动开发能够满足未来电动汽车电力需求的大功率充电系统。 无线充电系统无需物理连接即可将电源从电源传输到负载。当今可用的常见方案包括以空气为核心的变压器。功率传输发生在电源和负载之间没有任何接触的情况下。无线电力传输应用从额定功率为 10瓦的低功率移动充电系统开始，到额定功率高达 10千瓦的高功率电动汽车快速充电器。 传统上，无线充电系统的主要问题是效率低和安全性低。研究表明，各种概念现在已经实现了超过 80% 的效率，这与有线电源转换系统相当。随着初级和次级线圈之间的距离增加，效率呈指数下降;因此，可以通过减少线圈之间的距离和采用不同的线圈构造方法来提高效率。智能功率控制确保安全，可以检测到杂散功率传输并立即暂停功率传输。监管指南(例如 SAE J2954)正在实施，以始终确保安全。 无线电力传输可以通过多种方式实现，但最常见的是感应和谐振传输方法。感应式电力传输基于变压器原理，其中一次侧的交流电压在二次侧感应电压，从而感应电力传输。这种方法对初级和次级绕组之间的耦合高度敏感——即随着距离的增加，功率损耗变得巨大，从而降低了效率。因此，这种方法仅限于手机充电器等低功率应用。 谐振方法基于初级和次级之间的阻抗匹配。设计谐振电路以允许形成磁场的隧道效应。即使线圈相距很远，这也可以最大限度地减少功率损失并提高效率。因此，该方法可用于需要高功率传输的应用中。使用这种方法的研究记录了超过 85% 的效率。 在这两种方法中，传输的电量取决于几个参数： 1) 两个线圈之间的气隙 2) 电感值、功率开关损耗、电路寄生等。 3) 功率波形频率 这些关键参数在实际系统中容易发生巨大变化。执行完整的系统仿真有助于实现可预测的结果，并帮助设计工程师获得最有效的配置。在没有准确的仿真模型的情况下，需要几个具有不同组件和配置的原型，这会耗费时间和金钱。 用于电动汽车充电的典型无线充电系统包括： 1) 电源——这可以是来自电网的交流电，也可以从可再生能源(如太阳能)以直流形式获取。因此，功率调节单元 (PCU) 在将所需功率传输到负载时应考虑输入的变化。 2) 相移谐振桥式转换器——这些转换器以几百赫兹的频率工作，并使用输入侧 PCU 的开关频率。器件的开关、其寄生效应、损耗等都会影响功率传输。使用精确模型对拓扑进行仿真有助于在设计过程的早期阶段估计性能。 3) 初级和次级线圈及其电感——电感值随位置变化，可视为随时间变化。这直接影响系统阻抗，从而影响系统中的损耗。如果可以在仿真平台中对电感进行建模和测试，则可以设计出最有效的线圈配置，而无需多个原型。仿真程序应该允许一种简单的方法来包括方程或数据驱动的建模，并提供跨一系列参数的设计优化机制。 4) 次级整流器——将交流电压转换为直流电压，为电池充电并为其他负载供电。 5) 有效的通信协议——识别次级侧是否存在有效负载。这确保了不会启动错误的电力传输并确保安全。 考虑到系统的复杂性和系统组件的参数变化，系统的仿真和优化有助于预测性能并提供可靠的设计。SaberRD 等仿真平台可以实施该系统，以验证在线圈间距、组件变化等各种条件下的性能。建模工具的可用性增强了这一点，这些工具可以创建准确的模型，从而产生准确的模拟输出。 如前所述，无线充电系统的输出功率对变化的气隙、设备参数、电路寄生、负载等高度敏感。在谐振方法的情况下，功率器件之间的互连引入的寄生效应影响很大。在仿真中，可以导入寄生元件的3D模型，进行综合分析。这在进行硬件原型之前优化了设计。此外，诸如 SaberRD 中的多变量分析之类的分析为分析具有多个参数变化的设计提供了高度的自由度。因此，准确的仿真有助于准确确定设计的性能并减少硬件原型迭代的次数。 无线充电系统无需互连电缆进行充电，可随时随地充电。有了这个，车辆可以使用容量更低的电池并更频繁地充电。例如，巴士可以在停靠在巴士站时充电。除此之外，由于没有机械连接器和电缆，系统的可靠性也得到了提高。 事实证明，无线充电对未来的电动汽车充电系统产生了巨大影响。减少“里程焦虑”并实现像内燃机一样的用户体验将促进电动汽车的普及并帮助实现电动汽车的承诺。无线充电可能只是关键的推动因素之一。

日前，国内独立第三方集成电路测试技术服务商利扬芯片发布公告称，公司近期已完成全球首颗北斗短报文SoC芯片的测试方案开发并进入量产阶段。 短报文芯片由战略合作伙伴重庆西南集成电路设计有限责任公司设计研发，公司为该芯片独家提供晶圆级(CP)测试服务。 该测试方案提供导航卫星模拟信号，能模拟提供3颗BDS B1卫星+3颗GPS L1C/A卫星信号(卫星信号强度-133dBm，动态场景速度不高于2m/S)，能够对不同功能的北斗导航芯片的射频和基带功能进行全面测试，同时可满足民用全球多模多频芯片的测试需求。 目前，华为已官宣Mate 50将采用“卫星通信功能”，并配文“信号超越地面，通信时刻相联”。预计这就是余承东提到的“向上捅破天”的技术。 这一次，华为Mate 50将接入我国的北斗卫星系统，能实现无信号下的紧急通信服务。 今天14:30，华为将召开Mate 50系列发布会，这也就意味着，华为将抢先苹果率先支持手机的卫星通信。

关于生成式AI的新闻层出不穷，生成式AI作为一种新的人工智能应用，可以生成全新的内容，包括对话、故事、图像、视频、音乐和代码等。生成式AI有可能给全球经济带来颠覆性的变化，根据高盛公司预测，它将在10年内推动全球GDP增长7万亿美元，让生产效率提升1.5%。同时，这个机遇也延伸到了电信行业。 生成式AI在电信行业中的应用潜力 与其他行业一样，生成式AI可以帮助电信公司在多种服务上提高效率：例如，准备需求建议书(RFP)、部署聊天机器人以协助销售，以及进行大规模的个性化营销。亚马逊云科技预计这一领域将出现大幅增长。Gartner数据显示，到2026年，95%的电信公司都将部署数据、分析和AI等举措，以增强客户体验并改进产品规划，而2022年这一比例仅为50%。然而，我们认为有一些特定行业的应用将是真正具有变革意义的。 增强客户体验：许多电信公司已经在利用AI来增强人际互动、提高客户体验的一致性、以及提升解决问题的效率。而生成式AI能够更进一筹，通过交互式语音响应——也就是在早期聊天机器人基础上进一步演进，帮助客户解决问题或者查找答案。此外，生成式AI还可以分析实时对话讨论，为客服人员提供提示和资源，帮助解决客户的问题。客服人员仍将在这一过程中继续发挥关键作用，但生成式AI可以重塑并改善每一次客户体验和应用。 简化网络规划、安装、配置和运营：生成式AI可以在网络生命周期的各个方面发挥关键作用。在网元安装过程中，工程师需要依赖手册和文档上记载的步骤。生成式AI可以导入这些数据，提供交互式的指导和提示，来加快和简化安装任务。基础模型也可使用网络拓扑和配置数据进行训练，对网元的配置提出建议。当网络出现故障时，基于生成式AI的应用程序可以向网络运营工程师提供故障排除的操作和步骤建议。 优化业务绩效：生成式AI可以帮助电信公司更便捷地定位哪些领域有收入流失或导致了收入流失。通过跨业务流程部署，生成式AI可以核查利润、收入、各种用户套餐、开支和客户费用，就如何进一步调整产品、优化利润提供建议。 主要考量因素 并非每一个人工智能或机器学习场景都需要应用生成式AI。事实上，有很多例子表明，对电信业务流程而言，基于监督和无监督学习技术的传统形式AI已经绰绰有余。例如，传统AI很擅长帮助电信运营商预测收入流失、检测网络异常情况或跟踪净推荐值等指标。除此之外，还有其他的重要因素需要一并考虑。 开发或训练基础模型的成本：对于基础模型，也就是通过大量数据训练并驱动生成式AI应用的大型人工智能模型，大部分资金都花在了训练上。公共模型是根据大量公开可获得的数据进行训练的，它们更具通用性，但可能无法很好地执行专门任务。另一方面，自定义模型可以组合公共数据和企业专有数据进行训练，为特定行业或企业提供更为具体的应用。从零开始构建模型，既耗时又昂贵，而且需要专业知识;但如果企业拥有大量数据、资源和具有特定领域知识的用例，那么开发定制的基础模型将是有意义的。同时，亚马逊云科技也在努力降低这项技术的使用门槛，让客户以现有模型为起点，使用客户专有数据对它进行进一步训练，促使模型更加适合特定任务。 数据质量和负责任的AI：生成式AI的优劣取决于它所训练的数据，而且也往往存在偏见或不准确的风险。在考虑采用生成式AI(或任何形式的AI)之前，最重要的就是要有高质量的、统一的数据。生成式AI需要广泛的数据集、训练和监督，才能形成推理和答案。无论公共还是私有基础模型，都可能会出现“幻觉”，产生看似可信但并不正确的反馈。因此，不建议将生成式AI用于需要高度确定性的任务上，由于问题自身特性或者缺乏足够的高质量数据，做到高确定性是不太可能的。 同样重要的是，需要确保以负责任的方式应用这项技术。一些新的生成式AI工具和服务在产品中内置了负责任的AI功能，例如当生成的代码与现有开源代码相似时突出显示，或者在训练数据集中检测和删除有害内容，以及过滤包含有害内容(如仇恨言论、亵渎和暴力)的文章。 数据安全：对于企业来说，以经营为目的利用生成式AI，需要大量的专有数据。虽然市场上有公开数据可供选择，但会引发关于安全和隐私的新顾虑，例如知识产权的相关问题。业务和IT领导者应与安全、合规和法律团队密切合作，以识别和降低这些潜在风险，确保以安全和负责任的方式部署生成式AI，此外还应围绕合规性和法律法规制定计划范围，并仔细考虑所使用数据的归属权。 无论对于生成式AI还是自然语言处理，在部署商用AI之前，都应花时间思考应用程序的部署、讨论数据的组织战略以及评估投资回报率。尽管如此，亚马逊云科技相信AI是这个时代最具变革的技术，生成式AI正在释放令人振奋的全新可能性，每家企业都应该进行探索和尝试。

8月26日，2022年大数据与实体经济深度融合全国行贵州站活动在贵阳举行，200余家实体经济企业及大数据服务商在活动现场以数为媒，围绕“推动数字技术向各领域全面拓展、深度融合”共话大数据。 大数据与实体经济深度融合全国行活动，已连续四年在贵州举办，由贵州省大数据发展管理局与国家工业信息安全发展研究中心联合主办，贵州省大数据应用推广中心、贵阳市大数据发展管理局、贵州赛升工业信息研究院有限公司等单位承办。活动旨在推动产业集聚、技术创新、行业应用，推广可借鉴的企业数字化转型经验和模式，搭建供需双方交流合作平台，促进大数据赋能实体经济企业数字化转型升级。值得一提的是，今年加入了数据交易流通与元宇宙话题的主题宣讲。 会上，工业和信息化部信息技术发展司副司长杨蔚玲在致辞中表示：“十四五”时期是我国工业经济向数字经济迈进的关键期，充分发挥数据要素潜能作用至关重要。下一步，我们将充分发挥数字技术赋能作用，持续深化大数据与实体经济融合，助力制造强国、网络强国、数字中国建设。 “工业和信息化部坚决贯彻落实党中央、国务院决策部署，扎实推进国家大数据战略。将一如既往支持贵州大数据产业发展，积极推动大数据与实体经济深度融合工作，不断开创繁荣发展新局面。” 景区大数据好不好做?不少景区已经在数据采集与数据分析方面进行了探索，并初尝甜头。 例如许多5A景区都将大数据精准营销放到首位，数据分析内容包括客源地、游客职业、性别年龄、消费能力等。经过精心耕耘，许多景区也确实尝到了大数据的甜头，精准营销下游客数量明显增多。 目前大部分景区数据主要来自这两个方面。景区组建数据采集与分析团队，有专职亦有兼职，数据来源主要是靠景区自己积累;另一方面是景区与OTA合作，从广告投放的角度获取数据，分析目标受众的构成、广告的点击率与转化率，从而加强精准营销。 数据分析员的数据来源基本靠OTA、天猫店、百度地图、景区网站、微信号等渠道进行数据搜集，或是与三大通信运营商进行合作，获取更细化的数据信息。 但是，以上做法加大人力成本支出，大数据掌握并不十分精准全面。OTA手里的只是消费数据，景区更关心游客在景点的滞留时间、对景点的喜好偏向，在景区的消费、吃住、购物等环节，也包括游客使用厕所的数据等，这些对景区进行基础设施的设置有很大影响。 所以为了获得更全面而准确的大数据，还需要齐备的软件、硬件设施进行配套，与数据分析人才相补充。许多景区都购买了爱德景区运营管理系统，能统一统计汇总多个渠道的数据报表，分销商数据、会员数据、销售量数据、客流量数据、计时租赁数据等等，一个平台全覆盖，检索查看更加方便。 “智慧城市工作有两个维度，一是城市治理高效有序，二是为人民群众服务。” 孙广华表示，“我们希望让群众在看病方面有更多的获得感，比如‘舒心就医’在设计应用场景中还特别开通了亲情账号功能，家人可帮助老人、孩子线上挂号、支付。” 我们的生活方式正在经历数字化变革，一些原本习以为常的生活场景在数字化进程的推进下正在迎来越来越明显的变化。记者从山东省大数据局获悉，下一步，山东将加快智慧校园、智慧医院、智慧景区、智慧商圈、智慧停车场等建设，加快构建全生命周期数字化惠民利企服务体系。同时加大典型应用场景复制推广力度，尽快实现成果普惠。

Lantronix Inc.(纳斯达克股票代码：LTRX)是工业物联网 (IoT) 和智能 IT 市场安全交钥匙解决方案的全球供应商，今天宣布推出其Open-Q™ 微型 SOM (μSOM)、开发套件和工程服务被 EchoNous 用于开发 Kosmos，这是第一款人工智能辅助手持超声设备。 “Lantronix 的 Open-Q μSOM 以成本提供了最佳性能。EchoNous 的首席技术官 Niko Pagoulatos 说：“Lantronix 工程服务团队是 Kosmos 成功开发不可或缺的一部分。他们应对了所有的工程挑战，同时降低了成本并显着缩短了上市时间。” 案例研究概述 在 Lantronix 工程服务团队及其 Open-Q μSOM 和开发套件的支持下，EchoNous 的 Kosmos 旨在提高床边诊断的信心，使临床医生能够在几分钟内进行心脏、肺部和腹部评估。其不断发展的人工智能平台基于创新的深度学习技术，可解决医疗保健中的日常问题。 挑战： 创建 人工智能驱动的 便携式 超声 设备 EchoNous 面临的挑战是创建一种基于平板电脑的便携式超声设备，使临床医生能够立即对患者进行超声测试并立即获得结果。此外，该设备需要结合基于人工智能的深度学习技术，以保持在医疗保健的前沿。 创建基于平板电脑的超声设备的挑战包括： · 启用高分辨率超声成像能力 · 确保高保真数字听诊和集成心电图 · 满足大功率性能需求 · 赋能基于 AI 的深度学习技术 解决方案：Open-Q Micro SOM、 开发 套件 和 工程 服务 通过与北美的 Lantronix 工程服务团队合作，EchoNous 能够开发出 Kosmos 便携式医疗超声设备。Lantronix 的 Open-Q μSOM 和开发套件为设备的开发奠定了基础，而 Lantronix 工程服务团队提供了有关 Lantronix 解决方案所基于的 Qualcomm® Snapdragon® CPU 的高级专业知识。 结果：创建了第一个人工智能辅助、基于平板电脑的超声设备 随着 Kosmos 的创建，Lantronix 支持 EchoNous 开发第一款基于平板电脑的人工智能辅助超声设备。该团队共同创建了一款功能强大的手持式超声设备，该设备具有同步超声、数字听诊、心电图测试和专有软件，可以将数据从超声棒发送到桌面。 凭借 PC 的强大功能，Kosmos 可满足极高的处理能力需求，提供长达 8 小时的电力，实现真正的便携性。它的人工智能平台支持深度学习技术，使其能够发展以解决医疗保健中的日常问题。 好处包括： · 较早的目标发布日期 · 高水平的工程支持 · 低成本高性能 · 经济实惠的开发工具和资源 LANTRONIX OPEN-Q MICRO SOM 和开发套件 Lantronix 的 Open-Q μSOM 是一系列功能强大、超紧凑(50 毫米 x 25 毫米)、可投入生产的 SOM，非常适合产品开发，包括人工智能、高级 3-D 图形、逼真的 VR 和…

物业服务企业将通过运用物联网、人工智能、云计算等前沿技术，将其贯穿于产品研发和服务升级。给予社区更多科技含量。 行业亟需转型再发展 伴随着物联网、大数据等新技术的发展，物业管理行业也迎来了智能化时代。尤其是在新冠肺炎疫情期间，物业服务企业展现出来的作用，受到了政府、社会各界多个层面的肯定，相关倾斜性政策也纷纷出台。当下，疫情对于物业管理行业的影响，除了价值的重构还受到资本的加持。随着资本对物业管理行业的青睐，行业将进入并购洗牌的高潮，资本将会对物业管理行业的资源赋予新的价值。疫情当下，“互联网+’’应用深人到各个社区，智慧社区“忽如一夜春风来，千树万树梨花开”。疫情对于智能化平台的需求倒逼物业服务企业进行深化的术革新，行业智慧化程度将由此开始飞跃式地提速和升级。 物联网技术助力企业夺得先机 今后，距离新技术的远近将成为一个企业潜力的衡量标准。因此，物业服务企业必须主动拥抱互联网、物联网，才可能在接下来激烈的市场竞争中夺得先机。 倍增管理服务能力 物联网的智能化为物业管理发展带来了新的发展机遇，通过“互联网+”，物业服务企业可以引入多样化的配套服务，为业主们提供更加贴心的服务，同时可以融合智能家居、智能交通、人员调度、线上支付等诸多元素和功能，让业主们的生活节省许多的交流沟通的时间和精力，解决了大量的困难，从而使我们的生活更智能、更高效。 云之梦网络科技有限公司基于建筑核心诉求，研发出了一套智慧楼宇管理物联网云平台系统解决方案，就相当于建筑的一颗大脑。 普通楼宇各种设备自控系统独立运作，运维全靠师傅经验，面对多种设备，人工巡检效率低、水平参差不齐、运维成本高、能源消耗大等问题。 云之梦智慧楼宇管理物联网云平台系统解决方案，则是基于物联网云平台传感技术，犹如人体大脑一般，以大脑的神经网络智能集成，把各个设备串联，形成了24小时智能运维的云平台系统，让设备自动运转如呼吸一般自然。 智慧楼宇物联网云平台解决方案，通过数字孪生技术，实现了对整栋办公楼及楼宇周边的综合管控。 一站式解决：供电、供暖、照明、给排水、消防、电梯、能耗、停车场等关键主题数据进行场景空间化的联动呈现，全方位管理，实现实时监控、远程控制、自动控制、异常报警、巡检管理、任务管理、数据统计、能耗分析等众多智慧管理功能，让管理人员通过智慧楼宇可视化系统，快速了解整个楼宇的运行情况! 传感器，是人类感知世间万物的工具，亦是改造世界、创造生活的关键性配套工程，形象地说，传感器是人类的“眼睛”和“耳朵”，成就物联网，实现了人和物之间的“对话”，物和物之间的“交流”。 所以我们称传感器，是物联网产业链上最有温度的一环。 而这一环，现已成为郑州成长为中部地区的特大城市的坚定力量。 8月21日至23日，由工业和信息化部、中国科学技术协会、河南省人民政府共同主办的2022世界传感器大会即将在郑州盛大启幕，这意味着智能传感器，正在成为属于郑州的城市名片。 传感创新街秉承“与创新同频，与市场共振”的运营理念，聚焦产业核心技术攻关及联合创新，汇聚智能传感产业不同应用场景的上中下游科技成果及解决方案，以“创新+展示+交易”的驱动模式，将创新街打造成为国内外智能传感产业生态赋能新高地，铸就智能传感产业新名片。 河南省智能传感器中试基地，获得省级中试基地授牌，由政府、高校、企业联合运营，承载中部地区传感产业创新升级的重任。中试基地深入MEMS传感器的核心技术，为企业和院校提供传感器设计与流片验证、传感芯片封装流片验证、敏感材料研发、半导体设备量产、传感器工艺研发、传感器行业标准制定、定制化算法开发及行业趋势方向研究等多项技术服务，降低企业创新创业成本。 下一步，中国(郑州)智能传感谷计划，到2025年，郑州市智能传感产业营收达1000亿，成为郑州市主导产业之一;建设国家级技术中心3个以上，省级技术中心5个以上，加快孵化器建设，省级重大技术成果5个;培育超100家规模以上企业，超100家高新技术企业;万元增加值能耗较2019年下降15%以上，水循环利用率达12%，实现产业绿色化发展。

新基建提速和5G、云计算、人工智能、大数据等技术的高速发展，为智慧医疗大健康行业发展注入了一针“强心剂”。后疫情时代，数字科技走到前沿，成为推动中国医疗体系和社会健康服务转型升级的新兴力量。当“数字化”成为每个行业 IT 变革的热词时，作为“基础”的“信息化”显得尤为重要。唯有建立数据间的无缝流动，数字化才能成为可能。 新型基础设施是以新发展理念为引领，以技术创新为驱动，以信息网络为基础，面向高质量发展需要，提供数字转型、智能升级、融合创新等服务的基础设施体系。目前来看，新型基础设施主要包括信息基础设施、融合基础设施、创新基础设施。具体而言，信息基础设施主要是指基于新一代信息技术演化生成的基础设施。融合基础设施主要是指深度应用互联网、大数据、人工智能等技术，支撑传统基础设施转型升级，进而形成的融合基础设施。创新基础设施主要是指支撑科学研究、技术开发、产品研制的具有公益属性的基础设施。 医疗健康产业作为青云科技持续投入、决心深耕的方向，正迎来后疫情时代的数字化新变革，‘十四五’数字经济发展规划中也明确提出了‘推进医疗机构数字化、智能化转型’，青云将持续把落地实践转化为经验，形成实践，为更多医疗机构的云上创新提供支撑，共同拥抱惠及每一个中国人的数字医疗，满足多层次、多样化、个性化的医疗健康服务需求。 改革之风已经开始吹向医疗体系。然而，要让患者和精通技术的用户能够跨越国界，让自己变得方便和舒适，它还有很长的路要走。毫无疑问，技术将在提升数字医疗空间和赋予医疗从业者建立独特体验方面发挥重要作用。近年来,医学的数字化“风口”非移动健康莫属,可谓是“智慧医疗”的爆点。通过数字化的医疗产品生成的移动“健康数字人画像”,像是每个人的健康身份证,大家可以通过上面的健康医疗数据来管理自身的健康情况。医疗产品的数字化对“智慧医疗”来说如虎添翼,加速了传统医疗业务的转型升级进度,推动构筑健康医疗产业生态的健康发展。可以预见的是:数字化的医疗大健康环境在未来会越来越好。 随着民众对健康医疗的需求日益提高，加强区域协同、促进信息共享、推进智慧医疗成为现阶段医疗卫生信息化发展的新趋势。传统医疗信息化的核心技术主要集中于应用软件的开发，目前，许多新兴技术也逐渐在医疗领域得到应用，如云计算、物联网、5G技术、人工智能等，新技术的应用将持续助力我国医疗行业向信息化、智能化方向升级。 在医疗行业的数字化转型方向，以及对于信息化的影响，原解放军总医院医学大数据研究中心主任薛万国认为，从医院信息化渗透的广度与深度出发，医院信息化的发展分为“信息化-数字化-数字化转型”三个阶段。至今为止，医院信息化的发展已经基本实现了数字化，从数字化转型的角度看，在一些环节上，医疗机构也已经实现了医疗、管理和服务的局部业务转型，但从整体上看，虽然医院数字化有了很大的发展，但目前信息化手段主要还是停留在实现提升效率的量变，大部分情况下，还没有达到颠覆业务模式的质变，核心医疗和服务模式尚未发生改变，因此，并没有从根本上实现数字化转型。 新基建将推进中国医疗行业的深刻变革，加速智慧医疗服务模式数字化转型、扫除盲点、补齐短板，推动又一轮供给侧改革。在新基建的加持和多方政策的支撑下，医疗和公共卫生体系作为新型基础设施的属性将迎来大的发展，但同时，新基建对医疗服务的影响也要从其双重属性来看待，并顺应医疗系统的发展规律。

北京——2022年9月9日，亚马逊云科技将与西门子开启云边协同合作，利用亚马逊云科技人工智能与机器学习、数据分析、物联网和存储等云服务以及西门子的工业边缘解决方案，共同赋能制造业客户。基于云边协同解决方案，西门子自动化成都工厂成功构建了工业废料自动分拣系统。该系统依托西门子边缘解决方案和亚马逊云科技的人工智能与机器学习服务，将分拣准确率从70%大幅提升至97%以上，有害垃圾的分类准确率从90%提升到将近100%。 云边协同是将云计算与边缘计算有机结合。随着边缘设备在工业场景的应用，将云计算和边缘计算相融合，提升工厂数字化和智能化程度，已成为制造业数字化的必经之路。 此次双方共同推出的云边协同技术框架，融合了西门子工业边缘解决方案和亚马逊云科技的人工智能与机器学习、数据分析、物联网和存储等云服务。西门子工业边缘解决方案包括边缘设备、边缘应用程序和边缘管理平台，为数据上云提供整套解决方案。西门子Industrial Edge可实时在本地处理海量数据，满足数据低延迟及本地合规要求;同时提供丰富的本地应用程序，包括数据处理、数据可视化、向云或IT基础架构传输数据等功能。西门子工业边缘数字化平台将相关的数据传输到云端，充分利用云端灵活高效的计算、存储资源，实现信息快速共享以及复杂的计算推理和机器学习训练。而通过西门子Cloud Connector，客户可以轻松便捷地连接到亚马逊云科技的云服务。除此之外，西门子工业边缘设备也支持亚马逊云科技提供的开发工具包(SDK)，实现云、边、端的协同。 在西门子工业边缘解决方案的基础上，客户可使用亚马逊云科技的人工智能与机器学习、数据分析、物联网和存储等云服务，对工业现场产生的海量数据进行传输、存储、实时处理和分析。客户可基于Amazon Simple Storage Service(Amazon S3，对象存储服务)构建数据湖;通过Amazon IoT Core和Amazon IoT SiteWise等服务，客户将数据在本地进行预处理或脱敏后，从传感器传输到云上数据湖，解决边缘设备存储容量有限等问题。通过Amazon Glue(完全托管的ETL服务)对云端数据湖中的数据进行处理，并通过Amazon Elastic MapReduce(Amazon EMR，托管的Hadoop 框架)实时分析流式数据源，支持大数据分析;通过Amazon SageMaker机器学习服务，客户将机器学习与传统工控设备结合，在云端进行机器学习模型训练和推理。 结合西门子的工业边缘解决方案和亚马逊云科技领先的云服务，制造业客户既可以发挥边缘计算低延迟和数据本地化的优势，也可以利用丰富的云原生服务，更好地部署质量检测、数据分析、预测性维护等解决方案，促进制造业的数字化转型。亚马逊云科技也将有专业团队如解决方案中心，支持客户实现云边协同。 基于云边协同，西门子自动化成都工厂构建了以机器学习为核心的工业废料的自动分拣系统。在工厂废料回收流水线上，西门子工业边缘解决方案以安全可靠的方式对废料数据进行采集并上传到云端，在云端通过亚马逊云科技进行机器学习模型的训练，将训练后的算法模型下发至边缘端，由边缘端设备分析废料的图片信息进行分辨和分类，将分拣准确率从70%左右提升至97%以上，有害垃圾的分类准确率从90%提升到将近100%，逐步实现分拣流程的无人工干预。