2020值得关注的7家工业智能创企

2020值得关注的7家工业智能创企

1、Bright Machines

2018 年 5 月成立,可以简单理解为,该公司的目标是开发软件,通过人工智能机器学习,教会老机器人(比如装配线上的机器人)执行新任务。总部位于旧金山,在西雅图设有办事处,在特拉维夫设有研发中心。

2019 年 6 月推出第一款产品:Software-defined Microfactories(软件定义的微型工厂),通过计算机视觉云计算边缘计算机器人技术机器学习,让生产机器人能够处理自动化程度更高的任务。

Bright Machines 最早是全球著名的电子产品制造商 Flex(伟创力,仅次于富士康的世界第二大代工企业)的内部孵化项目。2018 年 5 月,以 AutoLabs AI 的名字从 Flex 剥离出来,并于去年 10 月改名为 Bright Machines。当时,该公司已经获得 Eclipse Ventures 领投的 1.79 亿美元 A 轮融资。

2019年3月,又获得 BMW i Ventures(宝马集团旗下风投公司)投资。根据 Pitchbook 的数据,Bright Machines 已累计融资 2 亿多美元,估值达 6.79 亿美元。

Bright Machines 被世界经济论坛列为 2019 年技术先锋之一;在 Forbes 列举的应用机器学习计算机视觉等科学来改变一个行业的公司中名列前茅。

2020值得关注的7家工业智能创企

注:Bright Machines 所获荣誉

Bright Machines 拥有一支由 Autodesk、Flex、Mentor Graphics、AWS和谷歌等公司的资深员工组成的领导团队。

2020值得关注的7家工业智能创企

注:创始人:Amar Hanspal(CEO)、Tzahi Rodrig(首席运营官)、Lior Susan(曾是Flex高管,2015年与红杉资本的 Pierre Lamond 共同创立了Eclipse Ventures)。

CEO Amar Hanspal 2018 年加入 Bright Machines 前,是设计软件公司 Autodesk 的临时联席 CEO 和首席产品官,负责公司的整个软件组合,包括其创新的制造和建筑应用。他曾负责将 Autodesk 的产品组合从内部服务转变为对外的 SaaS,并将其业务模式从永久许可制转变为订阅制。他带领 Autodesk 进入云计算,使 Autodesk 的 1200 万客户几乎可以在任何设备上访问他们的设计。

首席运营官 Tzahi Rodrig 是全球运营专家,专门研究复杂的供应链、制造、分销和服务。曾任 Flex(伟创力)全球制造业务总裁;更早之前,他创立了电子制造服务提供商 Uniskor,并于 2000 年被 Flex 收购。

CTO Brian Mathews 则花了30年的时间为设计师和工程师设计云软件和桌面软件。加入 Bright Machine 前,他在 Autodesk 领导一个 500 人的平台小组团队,负责软件开发、云操作、产品安全和合规。在他的领导下,Autodesk 开发出了3D 现实捕捉、计算机图形增强现实数据压缩等产品。

Bright Machines 的董事会成员还包括:前 Autodesk 首席执行官 Carl Bass,Flex 首席执行官 Mike McNamara 和 Seagate 首席执行官 Steve Luszo。

尽管近几十年来工厂的自动化程度越来越高,但 Bright Machines CEO Amar 仍认为,到目前为止,制造业中最复杂的操作对于又盲又哑的机器人来说都太难了,它们无法像人类一样精确、准确地执行任务。而且,耗费几个月时间来设置和训练机器人,它们往往只擅长执行某一项任务。传统的自动化无法快速扩展,也就无法满足制造商日益增长的需求。他认为,可以通过软件定义的工厂自动化来满足这一需求。

(「软件定义」(software-defined)一词经常用于计算机网络,它意味着一个系统较少依赖于特定的(也许是昂贵的)硬件,而更多地由软件定义。)

Amar 说,「实现智能自动化的关键是,将单台机器连接到由 AI 驱动的软件层,该软件层负责配置、监控、管理机器和操作,创建可编程和自治化的工厂。我们称这种方法为 Software-Defined Manufacturing(软件定义制造)。」

Bright Machines 研究了三种技术——计算机视觉机器学习和自适应机器人技术,认为这三种技术已经足够成熟,可以打包起来解决这个问题。

Amar 在 AutoDesk 学会了优先处理重要的问题,所以,Bright Machines 决定首先专注于自动化装配,「因为这是客户最难做好的事情。」

他们从当今大多数生产线上最需要人工操作的环节——组装和检验环节入手,并在 2019 年 6 月发布了它们的第一款产品:Software-Defined Microfactories(软件定义的微型工厂)。

Microfactories 将软件、机器学习计算机视觉和自适应机器人技术整合到一个自动化平台中,为解决组装和检验问题提供了一套完整的自动化解决方案。Microfactories 包含 Bright Robotic Cells、Brightware™ 软件以及物料进给、运输系统和机械臂几个部分,通过 Microfactories,用户可以指示机器按照自己的意愿组装和检查产品,比如,让机器将芯片插入电路板中。

2020值得关注的7家工业智能创企

注:Bright Machines Microfactories

· Brightware™:是一款基于云的软件,用户可以在该软件中指导机器做什么。

· Bright Robotic Cells(Bright机器人单元):可以对基于自适应机器人技术的、预先集成好的、生产准备就绪的模块化单元进行配置,以满足组装产品的制造需求。人们可以像拼乐高积木一样把它们拼在一起,组成流水线,执行制造任务。

根据介绍,Brightware 加上一个即插即用的配件库,就可以将同一组 Bright 机器人单元变成完全不同的、高度专业化的装配微型工厂。

Bright Machines 称,将继续提供增强的 AI 能力,使 Microfactories(微型工厂)随着时间的推移变得越来越智能。

据了解,Bright Machines 的客户已经在亚洲、欧洲和北美的20个生产基地部署了 30 多家 Microfactories(微型工厂)。

根据 Bright Machines 披露的信息,北美一条帮某家大型汽车制造商生产车载(电子)信息娱乐系统/中控台(infotainment electronics consoles)的产线用 Microfactories 代替了组装过程,使得单位产量每小时增加了 33%,缺陷率降低了百万分之 88,装配线的员工减少了 50%。

拉美一条帮某家大型汽车公司生产前后座媒体中心(media hubs)的产线,也用 Microfactories 代替了组装过程,使得生产率提高了 60%,每小时的产量增加了 40%,且完全不需要人工参与,从而降低了缺陷率。

Bright Machines 还改变了亚洲一条为全球领先电信公司生产射频滤波器(radio frequency filters)的产线,使该装配线的员工减少了 80%,每小时的产量增加了 20%。

如果想对这家公司有更多了解,还可以访问他们的官网和博客,以及阅读这篇文章《NI与Bright Machines、工业富联携手打造软件定义智能制造平台》——此文是根据Bright Machines在National Instruments年度用户大会NIDays Asia上的分享整理而成的。

公司官网:

https://www.brightmachines.com/

博客:

https://www.brightmachines.com/blog/

文章链接:

http://m.elecfans.com/article/1141666.html

2020值得关注的7家工业智能创企

2、Dragos

一家工业控制系统(ICS)网络安全公司,2016 年成立,总部位于华盛顿。前身是成立于 2013 年的 Dragos Security。

2016 年 8 月,宣布完成 120 万美元种子轮融资;2017 年 8 月,宣布获得 1000 万美元 A 轮融资;2018 年 11 月,宣布获得 3700 万美元 B 轮融资。

投资方包括:DataTribe、AllegisCyber、Energy Impact Partners、Emerson、National Grid Partners、Schweitzer Engineering Laboratories等。

Dragos 被 Gartner 评为 2018 年工业物联网和 OT 安全领域的杰出供应商。

Dragos 的创始成员都是美国情报界的资深人士。

Dragos 创始人兼 CEO Robert m. Lee 在工业安全界非常有名,是公认的工业安全事件响应和威胁情报领域的先驱者。曾受命于美国国家安全局(NSA),以美国空军网络战作战官的身份开始他的安全工作。

在 NSA,他开展了一项史无前例的任务——识别和分析国家工业基础设施面临的威胁。他还在 SANS 研究所(ICS515)和业界认可的网络威胁情报课程(FOR578)建立了工业界第一个专门的监控和事件响应课程。

Robert 协助领导了 2015 年针对乌克兰电网遭遇网络攻击的调查,他和他在 Dragos 的团队帮助识别和分析了 2016 年攻击乌克兰电网的 CRASHOVERRIDE 恶意软件,以及 2017 年针对中东一个工业安全系统部署的 TRISIS 恶意软件。

联合创始人 Jon Lavender 和 Justin Cavinee 与 Robert 的首次合作,是在他们在美国情报界(U.S. Intelligence Community)工作时,他们当时的任务重点是确定对关键基础设施实施攻击和网络间谍活动的民族国家。

Dragos 的技术和服务致力于帮助客户更好地了解他们的 ICS 资产,了解其网络面临的特定威胁,并为这些特定威胁建立适当的安全基础设施。

Dragos 提供全面的工业威胁检测和响应解决方案,该解决方案使用一种智能驱动的方法来检测威胁,并让客户了解如何应对威胁。该解决方案包括:

1)Dragos platform:Dragos平台,一个专门为制造商服务的网络安全平台,提供规范的工业网络安全专业知识,也提供特定于工业控制系统(ICS)的资产识别、威胁检测和响应能力,使安全团队能够更快地检测和应对工业网络安全威胁,减少停顿时间和停机时间。


2)Dragos Threat Operations Center:Dragos 威胁行动中心,提供 ICS 威胁搜寻、事件响应服务以及ICS网络安全培训;


3)Dragos WorldView intelligence reports:Dragos 世界观情报报告,以每周报告和紧急警报的形式提供全球针对ICS的威胁情报。

在过去两年时间里,Dragos 的员工数量增长了 3 倍。2019 年 3 月,收购了NexDefense,一家工业控制系统(ICS)可视化技术供应商。

2019 年 10 月,Dragos 宣布,年收入同比增长 100%,新客户增长 70%。拥有来自 11 个国家、4 个大洲的 120 个客户,客户群包括美国 10 家最大的电力公司中的 7 家,北美、欧洲、中东和非洲地区 10 家最大的石油和天然气公司中的 5 家。

鉴于制造业最近被列为风险最高的行业,敏感文件的曝光率最高,因此,这绝对是一家新兴企业,许多企业将在 2020 年落后于这个企业。

欲了解更多信息,可访问该公司官网:

https://dragos.com/

2020值得关注的7家工业智能创企



3、 READY Robotics

Ready Robotics 的故事开始于马里兰州的巴尔的摩市,2016 年从约翰·霍普金斯大学剥离出来。

CEO Benjamin Gibbs 曾是约翰霍普金斯大学的技术转让官员,联合创始人兼CTO Kelleher Guerin 则在该校完成了博士学位。

2016 年 11 月,获得种子轮融资;2017 年 12 月,获得 1500 万 A 轮融资。迄今为止,已经募集了 1880 万美元。投资方包括:RRE Ventures、Eniac Ventures、Drive Capital等。

Ready Robotics 的重点一直是为制造商建立易使用的机器人解决方案。目前,已经推出的产品有:

1)FORGE/OS:一款简易机器人编程软件

2020值得关注的7家工业智能创企


1)具有类似于智能手机的简单性,操作者可以通过流程图样式的块链接直观地构建任务,通过触摸屏在几分钟内即可创建复杂的自动化任务。


2)Forge/OS 可以实现对所有机器人的运动控制,使用 Forge/OS 可以移动任何机械臂。


3)Forge/OS 易于集成,通过与各类外围设备(如抓手、传感器、PLC和气动装置)的连接,交付易于集成和全面控制的自动化工具。

2)硬件 FORGE/CTRL,使通过 Forge / OS 界面控制多个机器人品牌成为可能。对 FANUC 和 Universal Robots 的支持已经通过现场测试并获得客户认可,现在已经投入使用了。

2020值得关注的7家工业智能创企


3)FORGE/STATION:被客户称为「自动化的瑞士军刀」 ,因为它能在生产环境中跨多个机器和任务分配 ROI(投资回报率)。FORGE/STATION 具有丰富的功能,是一个灵活且易于使用的移动机器人系统,能够处理各种各样的任务,也能使客户的操作更安全和更高效。根据介绍,Forge Station 可以让任何一家制造商在不写一行代码的情况下完成各种各样的任务。

2020值得关注的7家工业智能创企


4)自动化工具:能将所有自动化设备(如机器人、抓手、传感器、输送机等)与 Forge/OS 连接。

2020值得关注的7家工业智能创企


Ready Robotics 还开创了「机器人即服务」(robots-as-a-service) ,这项服务可以在 30 天或更短时间内配置和部署机器人到客户的设施中。

Ready Robotics 现在的总部位于俄亥俄州的哥伦布市,拥有 50 多名员工。

欲了解更多信息,可访问该公司官网:

https://ready-robotics.com/

2020值得关注的7家工业智能创企



4、FogHorn

面向工业物联网边缘计算智能软件的领导者,成立于 2014 年,总部位于加州山景城,迄今为止,总共募集了 4 轮资金,融资金额达 4750 万美元,投资方包括:GE、戴尔、博世、Saudi Aramco(沙特阿美)、霍尼韦尔、英特尔、横河等。

CEO David C. King 在加入 FogHorn 之前,与他人共同创立了安全云托管 Wi-Fi 的技术领导者 AirTight Networks,并于 2004 年至 2015 年间担任该公司董事长兼 CEO。在 AirTight 之前,他曾担任 WLAN 和无线局域网的先驱Proxim 的董事长、总裁兼 CEO。

FogHorn 是「边缘计算」领域的领先者,通过将高性能处理、数据分析和异构应用部署在现场控制系统和传感器,FogHorn 的创新性解决方案可实现边缘设备的智能优化。这有助于工业客户在制造业、石油和天然气、水电、运输、采矿、可再生能源、智慧城市等领域的大数据实时处理。

目前推出的产品有:

一、FogHorn Lightning Edge Intelligence

FogHorn Lightning™产品组合(含VEL® CEP、EdgeML、OT-Centric Toolkit),在尽可能接近传感器数据源的地方嵌入边缘智能,为现场数据处理提供了前所未有的低延迟。

2020值得关注的7家工业智能创企


FogHorn platform 是一个高度紧凑、先进且功能丰富的边缘智能解决方案,为现场数据处理、实时分析、ML 和 AI 功能提供前所未有的低延迟。它将计算需求、通信服务、云处理和存储方面的总成本降到了业界最低。

1)VEL® CEP:专为工业领域设计的,能实现:对不同的传感器数据流进行实时分析、简化与现有 OT 系统的互操作性等功能。


2)EdgeML:Lightning 平台对机器学习模型进行边缘化处理,以便在工业领域高效执行。


3)OT-Centric Toolkit:以 OT 为中心的工具包,Lightning 平台提供了一套功能强大的工具,可以帮助客户通过拖放UI轻松创建新的分析表达式,模拟传感器流量,将传感器的数据流可视化,并以可伸缩的方式集中管理 FogHorn 部署。

二、 Lightning Mobile – Edge Computing for Android

FogHorn Lightning™ Mobile 通过实时分析、机器学习人工智能,在电池供电的移动设备上赋予操作技术(OT)和现场专业人士力量,使他们不必依赖于与云的连接,从而加速决策制定和工业工作流程。

这种方法使新型边缘智能应用在固定位置的设备中成为可能,同时使用 FogHorn 的软件构建和销售现成的通用解决方案变得容易。此外,支持基于边缘的深度学习模型推理,解决了如条码的图像识别和移动设备大容量部署的健康状况和电池监测等关键问题。

欲了解更多信息,可访问该公司官网:

https://www.foghorn.io/

2020值得关注的7家工业智能创企


5、Element Analytics(简称Element)

2015 年在旧金山成立。该公司的使命是使工业数据变得容易被使用,并将其转化为洞察力,让人们可以根据这些洞察力采取行动,达到新的运营绩效水平。

对基础架构分析的热情激发了Sameer Kalwani 创办 Element,如今,Sameer 在 Element 担任产品副总裁职务,负责产品策略、产品设计和产品营销。 此前,他是 Sarvajal 的 CTO 兼产品主管,Sarvajal 是一家拥有1000多家分布式水处理厂的创新型饮用水公用事业公司。 早些时候,Sameer 曾为Deloitte(德勤)的 IT并购提供咨询服务,在 Apcera 管理产品,在高盛管理财务,在伟世通(Visteon)管理制造业务。

该公司 CEO 由 Andy Bane 担任。此前,Andy 曾在企业软件公司担任高管,从风投支持的初创公司,到私募股权支持的成长型企业,再到大型上市公司的业务部门。他曾是 ABB 企业软件的执行副总裁兼首席战略官,Product Mgmt 的执行副总裁,Ventyx(被 ABB 以超过10亿美元收购)的 CMO。

迄今为止,Element Analytics 共融资 3 轮,融资总额为 2200 万美元。最新一轮融资是 2018 年 1 月完成的 A 轮融资。投资者方包括 KPCB、Honeywell(霍尼韦尔)、GE Ventures(GE风投)、ABB Technology Ventures 、MITSUI(三井物产株式会社)、Schneider Electric(施耐德电气)、Blue Bear Capital 等。

该公司的旗舰产品是 Element AssetHub™。

2020值得关注的7家工业智能创企


根据介绍,Element AssetHub™ 是一个数据中心,专门用于处理工业数据的细微差别——包括实时传感器数据、限制等静态信息和物理关系。Assethub 使客户能够连接到各种与资产相关的数据源(包括 OSIsoft PI Servers),协调数据并将其置于上下文环境中,然后与所有数据使用者共享数据和资产模型。

该产品能够在整个工业企业中连接、管理和共享数据;将新数据源的集成速度提高 10 倍;将构建资产模型的时间减少 90%;将模型和数据质量提高 50% 以上。

欲了解更多信息,可访问该公司官网:

https://www.elementanalytics.com/

2020值得关注的7家工业智能创企



6、 GEMBO(简称GEM)

2014 年成立,总部位于加利福尼亚州坎贝尔。他们热衷于帮客户从设备中获取实时的大数据,并通过大数据分析机器学习技术提高OEE(设备综合效率)。

被Forbes 评为2019年25家最值得关注的物联网/ IIoT公司之一,被 Manufacturing Technology Insights 评为「十大预测性维护解决方案提供商」。

GEM 的工业4.0 IIoT 平台——GEM PRECARE ,使用顶级的在线处理、机器学习和AI技术,轻松地与第三方后端和边缘系统集成,可作为平台即服务(PaaS)或平台即产品(PaaP)使用。

GEM PRECARE 将制造业中先进的边缘处理能力、分析能力和预测维护能力与仪表板相结合,为客户的所有机器提供统一的展现形式;PRECARE还具备轻松创建和连接数字孪生的能力,以及实时对OEE(设备综合效率)进行分析和对设备的维护改进提供建议的能力。

GME Precare 不仅能做到实时公开关键的操作数据和 KPI,如 OEE、可用性、性能、质量、MTBF、 MTBA、机器状态、状态产生的原因和警报,还能快速识别和深入分析问题的能力,也为制造商提供灵活的部署方案,无论是私有云、公有云还是混合云,均可部署。

2020值得关注的7家工业智能创企


具体而言,GEMBO 的产品和解决方案包括:

GEM Precare Edge:可以实时对机器数字孪生数据进行复杂的边缘处理,完成对延迟敏感的任务,例如状态通知、报警通知和机器视觉


GEM Precare Cloud:可以聚合和存储机器数据、为机器视觉和预测性维护训练和验证机器学习模型、计算KPI和在Dashboard(仪表板)上显示数据。


GEM Precare Dashboard:是高度可定制的,可以收集各种不同类型的信息,例如KPI、状态、警报和趋势。可以按设置的时间间隔,自动运行Reports(报表/报告)。

GEM Precare KPIs:可对任何输入输出系统(如制造设备、 HVAC 系统、发电机等)的重要方面进行实时洞察,从而可以在需要采取纠正措施的地方给出建议,使设备的可用性达到最大化,从而对设备综合效率(OEE)产生积极影响。


GEM Precare Predictive Maintenance(简称GEM Precare PdM):使用历史数据序列进行预测。这种预测性维护能力允许实时维护,而不是定期维护,因此可以最大限度地提高设备的可用性。可用性,因此对总体设备效率产生积极影响。

OEE Analytics:对设备综合效率进行分析。


GEM Precare Reports:是高度可定制的,可以收集各种不同类型的信息,如KPI、状态、警报和趋势。可以按设置的时间间隔自动运行 Reports(报表/报告)。

目前,他们为半导体制造、电子制造、智能制造、能源、医疗、酒店、智能建筑、智能城市等行业,提供实时的IIoT(端到端)基础设施分析、预测分析和OEE(设备综合效率)解决方案。

GEM 的合作伙伴包括 SAP、英特尔、 Aegis Software 和 Informatica 等。

欲了解更多信息,可访问该公司官网:

https://www.gembo.co/

2020值得关注的7家工业智能创企



7、Sight Machine

该公司自称是工业数据的 SAP,2011年在密歇根州成立,2012年扩展到旧金山湾区。团队成员包括 Slashdot 的创始人以及早期的 Yahoo、Palantir、Tesla、Cisco、IBM、麦肯锡、Apple 的领导。

迄今为止,共募集到 8500 万美元的资金,旨在帮助离散和流程制造商解决数据多样性问题。其智能制造平台为制造商提供实时可视性,为管理日常生产和优化操作提供可操作的见解。

投资方包括:Oreilly AlphaTech Ventures、Jump Capital、Sony Innovation Fund、E.ON、Mercury Fund、Tekfen Ventures、LS 集团、Momenta Ventures、Tekfen Ventures、Two Roads Group。

目前,推出的产品有:

MANUFACTURING ANALYTICS Platform:该平台能够使公司能够获得整个制造企业中每个零件、机器、生产线和工厂的实时可见性和可操作的见解。我们的分析平台可以让制造商可以使用他们的所有数据,无论这些数据在哪里、是以何种格式创建的。我们通过自动化的、系统化的数据采集过程来获取、优化和关联数据,并为每个零部件和过程创建数字孪生模型。

Manufacturing Analytics Applications:通过提供先进的分析来提高生产力、提升质量和优化供应链,从而开启下一阶段的数字制造。

Manufacturing Visibility Applications:在智能、安全和可扩展的平台上,实时了解整个公司内工厂和机器的性能。

FactoryTX:包含FactoryTX Edge 和 FactoryTX Cloud,可帮助制造商在整个企业中快速部署和扩展数字制造功能;通过自助服务配置和远程提供多协议数据提取和准备解决方案,加快数字制造功能的部署,降低扩展数字制造能力的成本;通过减少可能破坏数据转发的、典型的制造网络和连接挑战,来改善数据完整性;通过为需要低延迟的边缘计算应用程序提供平台,让架构具备灵活性。

Sight Machine 称,他们的解决方案是唯一一个可以实时将过程和产品数据相结合的平台,借助人工智能机器学习,更快地找到正确答案。他们已经为包装、能源化工、食品饮料、汽车等行业提供解决方案。

Sight Machine 也已经与谷歌、波士顿咨询、微软和思科等大公司达成合作,提供其数字化制造解决方案。

产业工业物联网云服务Sight Machine波士顿谷歌
1
相关数据
AWS机构

亚马逊网络服务系统(英语:Amazon Web Services,缩写为AWS),由亚马逊公司所创建的云计算平台,提供许多远程Web服务。Amazon EC2与Amazon S3都架构在这个平台上。在2002年7月首次公开运作,提供其他网站及客户端(client-side)的服务。截至2007年7月,亚马逊公司宣称已经有330,000名开发者,曾经登录过这项服务。

相关技术
英特尔机构

英特尔(NASDAQ: INTC)是全球半导体行业的引领者,以计算和通信技术奠定全球创新基石,塑造以数据为中心的未来。我们通过精尖制造的专长,帮助保护、驱动和连接数十亿设备以及智能互联世界的基础设施 —— 从云、网络到边缘设备以及它们之间的一切,并帮助解决世界上最艰巨的问题和挑战。

https://www.intel.cn/content/www/cn/zh/homepage.html
相关技术
微软机构

微软是美国一家跨国计算机科技公司,以研发、制造、授权和提供广泛的计算机软件服务为主。总部位于美国华盛顿州的雷德蒙德,最为著名和畅销的产品为Microsoft Windows操作系统和Microsoft Office办公室软件,以及Xbox的游戏业务。微软是美国《财富》杂志2015年评选的世界500强企业排行榜中的第95名。

https://www.microsoft.com/en-us/about
IBM机构

是美国一家跨国科技公司及咨询公司,总部位于纽约州阿蒙克市。IBM主要客户是政府和企业。IBM生产并销售计算机硬件及软件,并且为系统架构和网络托管提供咨询服务。截止2013年,IBM已在全球拥有12个研究实验室和大量的软件开发基地。IBM虽然是一家商业公司,但在材料、化学、物理等科学领域却也有很高的成就,利用这些学术研究为基础,发明很多产品。比较有名的IBM发明的产品包括硬盘、自动柜员机、通用产品代码、SQL、关系数据库管理系统、DRAM及沃森。

https://www.ibm.com/us-en/
相关技术
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

增强现实技术

增强现实,是指透过摄影机影像的位置及角度精算并加上图像分析技术,让屏幕上的虚拟世界能够与现实世界场景进行结合与互动的技术。这种技术于1990年提出。随着随身电子产品运算能力的提升,增强现实的用途也越来越广。

数据分析技术

数据分析是一类统计方法,其主要特点是多维性和描述性。有些几何方法有助于揭示不同的数据之间存在的关系,并绘制出统计信息图,以更简洁的解释这些数据中包含的主要信息。其他一些用于收集数据,以便弄清哪些是同质的,从而更好地了解数据。 数据分析可以处理大量数据,并确定这些数据最有用的部分。

计算机图形技术

图像数据处理、计算机图像(英语:Computer Graphics)是指用计算机所创造的图形。更具体的说,就是在计算机上用专门的软件和硬件用来表现和控制图像数据。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

边缘计算技术

边缘运算(英语:Edge computing),又译为边缘计算,是一种分散式运算的架构,将应用程序、数据资料与服务的运算,由网络中心节点,移往网络逻辑上的边缘节点来处理。边缘运算将原本完全由中心节点处理大型服务加以分解,切割成更小与更容易管理的部分,分散到边缘节点去处理。边缘节点更接近于用户终端装置,可以加快资料的处理与传送速度,减少延迟。在这种架构下,资料的分析与知识的产生,更接近于数据资料的来源,因此更适合处理大数据。

数据压缩技术

数据压缩是指在不丢失有用信息的前提下,缩减数据量以减少存储空间,提高其传输、存储和处理效率,或按照一定的算法对数据进行重新组织,减少数据的冗余和存储的空间的一种技术方法。数据压缩包括有损压缩和无损压缩。在计算机科学和信息论中,数据压缩或者源编码是按照特定的编码机制用比未经编码少的数据位元(或者其它信息相关的单位)表示信息的过程。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

机器人技术技术

机器人学(Robotics)研究的是「机器人的设计、制造、运作和应用,以及控制它们的计算机系统、传感反馈和信息处理」 [25] 。 机器人可以分成两大类:固定机器人和移动机器人。固定机器人通常被用于工业生产(比如用于装配线)。常见的移动机器人应用有货运机器人、空中机器人和自动载具。机器人需要不同部件和系统的协作才能实现最优的作业。其中在硬件上包含传感器、反应器和控制器;另外还有能够实现感知能力的软件,比如定位、地图测绘和目标识别。之前章节中提及的技术都可以在机器人上得到应用和集成,这也是人工智能领域最早的终极目标之一。

云计算技术

云计算(英语:cloud computing),是一种基于互联网的计算方式,通过这种方式,共享的软硬件资源和信息可以按需求提供给计算机各种终端和其他设备。

关联数据技术

关联数据是一组用来描述用户任务运行环境以及在区域中连接用户任务方式的信息。用户任务是与用户定义的事务相关的任务,或与 CICS® 提供的事务相关的任务。CEMT 是通常由操作员启动的用户启动任务示例,CSMI 是由系统代表用户启动事务启动的任务示例。

移动机器人技术

移动机器人是一种能够移动的自动机器。移动机器人具有在其环境中移动的能力,并且不固定到一个物理位置。移动机器人可以“自动”主要是指它们能够在没有物理或机电引导装置的情况下导航非受控环境。相比之下,传统的工业机器人或多或少都是固定的(stationary)机械臂或抓取组件。

数字孪生技术

数字孪生(*Digital twin*)指可用于各种目的物理资产(物理孪生,physical twin)、过程、人员、场所、系统和设备的数字副本。

宝马机构

宝马(BMW)是享誉世界的豪华汽车品牌。宝马的车系有1、2、3、4、5、6、7、8、i、X、Z等几个系列,还有在各系基础上进行改进的M系(宝马官方的高性能改装部门)。 宝马公司创建于1916年,总部设在德国巴伐利亚州慕尼黑。BMW的蓝白标志宝马总部所在地巴伐利亚州州旗的颜色。百年来,宝马汽车由最初的一家飞机引擎生产厂发展成为以高级轿车为主导,并生产享誉全球的飞机引擎、越野车和摩托车的企业集团,名列世界汽车公司前列。其全称为Bavarian Motor Work。 2018年7月10日,长城公司与宝马公司签署合资协议,合资成立光束汽车有限公司。2018年10月11日,宝马集团举行了中国战略协议签字仪式和华晨宝马铁西新工厂开工仪式。宝马对华晨宝马投资新增30亿欧元,合资协议延至2040年。 2018年12月18日,世界品牌实验室编制的《2018世界品牌500强》揭晓,宝马排名第16位。

www.bmwgroup.com
相关技术
机器视觉技术

机器视觉(Machine Vision,MV)是一种为自动化检测、过程控制和机器人导航等应用提供基于图像的自动检测和分析的技术和方法,通常用于工业领域。

暂无评论
暂无评论~