-
Intellindust 英特灵达英特灵达信息技术(深圳)有限公司 是一家以视觉大模型、边缘计算小模型、AI芯片设计、智能硬件设计为核心技术的高科技公司,专注行业云边端技术,持续研发智能AI视觉边缘计算的软硬件产品及一体化平台,提供全场景云边端解决方案 方案亮点多场景智能管理通过 AI 实现客流统计等多种场景应用，全面提升景区管望解决隐患发现难题采用 AI 手段排查消防等隐患，保障游客安全。提升游客游玩体验满足游客安心游、舒心玩的需求，提高旅游品质。 算法应用高空抛物检测、人员摔倒检测、烟雾烟火检测算法、加油提抢挂抢检测、垃圾桶满溢检测、有限空间作业、客流统计、垃圾乱投落地检测非煤矿山视频AI监控方案通过自主模型训练，迅速响应并满足客户的多样化需求， 方案亮点AI 实时监管服务利用 AL技术对门店工作人员行为实时监管，确保服务质量提升。多维度 AI 分析基于视频监控提供客流、人流等多方面的 AL分析，支撑营销与经营改进。 打造AI底座，助力园区数字化转型打造园区AI底座，提升数字化建设水平，助力园区实现全面数字化转型。方案优势提高管理效率增强园区管理人员效率，降低运营成本。
-
MOFFETT AI 墨芯人工智能高能效比对多种常用的AI模型通用性优异，相比当前主流产品有10倍以上的能耗比提升潜力。 高倍率稀疏张量核支持高倍率稀疏张量运算的AI推理卡，支持高达32倍稀疏率，同时实现稀疏神经网络的高模型精度和高硬件执行效率。 墨芯AI加速卡在全球权威AI测评MLPerf中连续两届获得冠军大模型方案大模型方案介绍随着前沿的AI大模型参数呈指数级增长的发展趋势下，仅凭一张或多张GPU计算卡已经很难满足大模型的推理需求。 墨芯提供了一种突破性的大模型推理引擎，广泛应用于计算机视觉、自然语言处理、音频处理等场景。 大模型推理引擎部署利用SparseOPT工具，将稠密模型转化为对应的稀疏模型利用SparseRT工具，对稀疏模型进行编译利用SparseRT工具，将编译成功的稀疏模型做服务部署，并通过SOLA Runtime
-
YIMU 一目科技技术架构AI多场景应用可以让生命更健康，我们用EPU边缘光谱感知端获取物理世界传感信号，通过AI计算解码健康因子，将因子传递至需求接收端（数字平台、机器中枢、人），驱动生命健康。 感知层EPU：光谱感知端获取生物世界传感信号算法层AI算法：MCU、NPU、AI算法解码健康因子应用层数字平台：运营数据监测、预警、分析...机器中枢：洗涤模式选择、执行情况判定...人：下一步决策产生一目团队一目科技创始人李智强博士毕业于卡内基梅隆大学 ，钻研大数据模型软件、微流体生物传感器、光谱芯片等技术超20年；核心管理、研发团队来自南京大学、东南大学等知名院校及业界，技术扎实，产业化能力强。 企业文化企业使命：数字化健康生活企业价值观：诚信、创新、客户至上、责任感发展历程2006年 以AI为工具探测污染源研究成果见刊2011年 微流控技术科研成果荣登「美国科学家杂志」和「TEDXJ」2014 药物分析大模型硬件设备：多指标终端处理模组；AI污渍传感智能模组；高通量光谱检测仪核心技术：光谱芯片；算法；模组主板；微流控芯片应用领域生命科学：药物研发试验智能化一体化解决方案，助推生命科学发展智慧家居
-
HQVT 海清智元海纳百川 风清气正深圳海清智元科技股份有限公司 是一家全频谱、大模型计算的人工智能公司，针对数字城市多个领域，持续为客户创造价值。 海清智元始终坚持“技术创新落地”的发展道路，“以客户为中心”作为核心理念，持续为客户提供优质的产品和服务，在AI时代携手共赢！ 核心技术GPT大模型，脑机交互采集及分析技术，htOS操作系统，htFS文件系统，3000+算法主要产品云-AI行业SaaS应用，边-AI存算管一体服务，端-AI智能感知终端应用场景数字建造，数字校园，
-
Tenstorrent资源吉姆·凯勒 (Jim Keller) 的人工智能硬件聆听 Tenstorrent 首席执行官 Jim Keller 讨论为什么 AI 模型是图形，以及我们如何构建软件和硬件，以便在今年的 AI 硬件峰会上为您提供基本优势 TT-LoudBox尝试我们的风冷台式机TT-LoudBox 为希望运行、测试和开发 AI 模型或为 HPC 移植和开发库的开发人员提供了出色的性价比。 TT-QuietBoxTT-QuietBox安静的桌面AITT-QuietBox 液冷桌面工作站为希望运行、测试和开发 AI 模型或为 HPC 移植和开发库的开发人员提供卓越的性价比。 TT-Metalium™ 非常适合想要定制模型、编写新模型甚至运行非机器学习代码的开发客户。 TT-Buda™TT-Buda™从这里开始获取运行任何模型的开源软件非常适合想要轻松启动和运行模型的生产客户。他们需要灵活性，但没有时间在每次发生变化时编写新操作或联系支持人员。
-
Syntiant成立于 2017 年，总部位于美国加利福尼亚，主要为边缘 AI 部署提供硬件和软件解决方案，产品包括边缘 AI 语音、音频、传感器和视觉应用等，应用于从耳塞到汽车等各种消费电子和工业市场。 Syntiant 是边缘 AI 部署领域的领导者，通过业界领先的神经决策处理器和与硬件无关的机器学习模型，将深度学习带入任何设备。 主要产品软件模型交钥匙深度学习模型旨在于任何地方的任何设备上运行为边缘设备带来无与伦比的性能我们的硬件无关型深度学习模型可为大多数硬件平台提供世界领先的推理速度和最小的内存占用。 |语音命令|唤醒词|噪声抑制|声音事件检测（例如玻璃破碎、烟雾报警）|回声消除性能经过验证的 AI 模型加速模型构建独特的、自适应的神经网络结构可根据输入的复杂性动态扩展，以加快训练速度。 尼古拉之声Nicla Voice 平台与 Arduino 合作构建，由 Syntiant NDP120 提供支持，可轻松实现边缘始终在线的语音识别，从而支持多个并发 AI 模型。
-
Penglai 蓬莱智数在公司已有自研产品基础上，蓬莱智数为人工智能应用场景推出了一系列解决方案，如AI文娱推荐系统、AI政务文本系统等，进一步拓展产品应用场景，为客户提供产品和解决方案。 企业方针AI发展不仅带来算力挑战，也有着存力瓶颈，存力效率匹配不上导致整体效率受限，尤其是对于AI大模型训练。 蓬莱团队具备十年以上的研发经验，致力于解决AI发展带来的存力瓶颈挑战，独立自主研发AI数据库-合存数据库（HetuKV），支持用户定制化需求，支持GPU调用，自研人工智能向量检索技术，易于与Pytorch 同时，基于团队卓越科研攻关能力，在公司已有自研产品基础上，蓬莱智数又为人工智能场景推出了一系列解决方案，如AI文娱推荐系统、AI政务文本系统等，进一步拓展产品应用场景，为客户提供产品和解决方案。 大模型训练加速大数据分析数据库迁移AI系统方案定制化多模数据管理系统高性能分布式系统高性能键值存储固态硬盘方案
-
Celestial AI在光学连接的新时代中的服务人工智能模型尺寸的爆炸性增长正推动着在低延迟的情况下增加存储带宽和容量的一个步骤函数的需求。美国 Celestial AI Inc. Photonic Fabric 在 AI 系统性能方面实现了变革性飞跃，比现有技术先进 10 年。为了加速客户对内存和计算结构的采用，Celestial AI 正在培育光子结构生态系统。 技术Photonic Fabric™ 随着AI模型以前所未有的速度发展,传统的数据中心基础设施已经到了极限。 人工智能模型尺寸的爆炸性增长正推动着在低延迟时增加存储带宽和容量的一个步骤函数的需求。Celestial AI 一直在与一些最大的超计算器合作,以发展对计算、内存和网络系统基础设施阻塞点的深刻理解。 然而，在GTP之后，人工智能模型的规模正呈指数级增长，将我们过渡到一个内存和互联带宽是主要限制而不是计算的时代。
-
千寻智能大脑中就运用了视觉语言模型ViLa（Vision-and-Language Models）和部件约束模型CoPa（Constraints of Parts）模型，作为具身智能机器人底层的多模态大模型。 2025年3月31日，具身智能企业千寻智能Spirit AI宣布完成5.28亿元人民币Pre-A轮融资。
-
DIGIT / GelSight触觉感知生态系统对于构建 AI 系统至关重要，通过触觉感知，AI 系统才具有理解和交互的功能。触觉感知旨在理解和复制物理世界中人类的触摸技能，使机器人更有效地与周围世界互动。 作为 Meta AI 的合作伙伴，MIT 的衍生公司 GelSight 拥有独特的数字触觉传感技术和产品，现在将商业化制造 DIGIT视触觉传感器。 Meta 触觉AI系统平台DIGIT高分辨率触觉传感器+ TACTO模拟器+PyTouch模型和功能库 Meta 开发并开源了 TACTO，这是一种基于视觉的高分辨率触觉传感器模拟器，即使在没有硬件的情况下 机器学习 (ML) 模型可以简化模型的设计和实现，这些模型可以将原始传感器读数转换为高级属性（例如，检测滑动和识别材料）。但是，如果没有 ML 背景，训练一个模型来处理触觉数据是极具挑战性的。 为了提高代码的复用率并减少部署时间，Meta 创建了一个名为 PyTouch 的触觉感应ML模型和功能库。研究人员通过 PyTouch 可以跨不同传感器训练和部署模型。
相关产品
更多
为你提供精选AI模型，筛选出高品质高参数性能产品，助力采购、研发生产快速选择匹配对应产品，节省前期选品时间，快速投入到产品应用环节。
相关厂家
更多
严选AI模型厂家，提供从AI模型设计、研发、生产制造深耕产品，打造值得信赖的传感器品牌，解决选品、技术支持问题，实现采购放心、售后无忧。
相关资讯
更多
