公共区域清洁和幕墙清洁
1.对接无人机和无人清扫车企业； 2.对接人工智能和机器学习技术提供方，基于无人机采集的数据，进行多项风险识别分析； 3.对接相应高校，通过开放真实验证环境，搭建产学研合作桥梁。
1.对接无人机和无人清扫车企业； 2.对接人工智能和机器学习技术提供方，基于无人机采集的数据，进行多项风险识别分析； 3.对接相应高校，通过开放真实验证环境，搭建产学研合作桥梁。
针对当前智慧养殖模型精度不足、全链路协同欠缺、成本偏高的问题，公司重点攻坚三大技术。一是AI智慧优养大模型升级，现有模型可实时识别分析水草生长指标，后续将新增数据复盘、密度调控等能力，提升识别精度，降低运营成本，提高设备协同效率。二是构建全链路智能联动体系，实现前端感知与后端执行设备无缝联动，较传统模式降低40%以上设备投入，实现上千亩集中管理，设备稳定性达95%以上。三是完善质量安全与安防管控，新增投入品溯源、水体监测及塘口防盗预警功能，构建质量闭环。推动技术向无人化、精准化升级，打造可推广示范模式。
智慧农业系统集成商、农业物联网设备供应商、农业AI算法研发企业、农产品数字化溯源服务商、智能分拣仓储保险服务。
1.对接本地制造业龙头企业，合作开放生产场景与脱敏数据； 2.对接具备工业大模型开发能力的技术企业。
1.对接直升机、无人机技术服务企业； 2.对接物流快递企业； 3.对接低空基础设施建设企业。
1.对接本地制造业龙头企业，合作开放生产场景与脱敏数据； 2.对接具备工业大模型开发能力的技术企业。
在桥梁、大坝、高耸结构物的无人机智能检测应用中，现有相机镜头焦距不足、体积重量偏大，导致无法在远距离安全飞行条件下捕捉高精度裂缝图像。现寻求一款市场上已有的或可定制采购的长焦轻量化镜头，用于升级现有无人机检测系统。具体指标要求如下： （1）焦距≥180mm，具备1.5倍以上放大倍率，成像清晰度满足裂缝检测精度≤0.1mm； （2）镜头总长≤100mm，重量≤500g，摄远比（镜头总长/焦距）≤0.2，实现紧凑型设计； （3）采用全折射式或折反混合式光学结构，避免中心遮拦，MTF≥0.3@100lp/mm，具备APO消色差能力； （4）与现有无人机稳定云台兼容，支持自动对焦功能，对焦速度≤0.3秒。
为构建上述国产智慧医疗智算平台，需联合攻克一系列关键技术瓶颈，主要包括： 1、面向龙芯LoongArch架构的医疗专用算子库开发与适配技术：通用深度学习框架中的算子实现未针对LoongArch架构优化，直接移植性能低下，需要针对医疗AI算法的核心计算内核进行重写和调优，开发高性能算子库，实现与国外主流平台相媲美的算子级性能。 2、复杂AI模型的硬件感知适配与高效能移植技术：将复杂AI模型高效部署到全新的国产硬件平台是巨大挑战。关键技术在于如何在保证模型高精度的前提下，通过模型量化、剪枝、算子替换、蒸馏等一系列硬件感知的AI算法设计与优化手段，使模型结构与国产平台的计算特性、内存限制相匹配。同时，需研发融合影像、电子病历、生理信号等多模态数据的智能诊断与预警模型。
招募在MES、数字孪生、AI质检领域有成功案例的解决方案商，共建“设计-工艺-生产-服务”全链路数据闭环。
1.核心系统集成：生产执行系统、数据采集系统、仓储管理系统，需实现与现有系统的深度对接； 2.数据治理与分析平台，支撑生产大数据决策。
需要开发一套基于深度学习的工业视觉检测系统，包括：1.硬件选型与安装调试；2.缺陷样本采集与算法训练；3.软件平台开发及与现有系统集成；4.提供后期维护与升级支持。
希望对接无人机设备厂商及AI视觉算法企业，共同建设无人机巡检与安全识别系统，实现施工现场智能监管。
引入OpenClaw边缘框架，实现纺织车间多源设备实时数据采集与轻量化AI质检。
方向1：硬件研发（具身智能数据采集装备） 核心需求： 突破现有遥操作设备成本高、穿戴繁琐、缺乏力觉反馈的瓶颈，研发低成本、高精度、多模态的采集硬件。 细化合作需求： 1、高精度人体动捕与精细操作捕捉： 联合研发基于轻量化惯导（IMU）、柔性传感手套或多视角纯视觉（Vision-only Mocap）的便携式穿戴设备。在没有机器人本体在场的情况下，精准记录人类操作员在真实环境中的全空间 6DoF 轨迹、双手精细位姿以及视线焦点。 2、跨形态的人 - 机运动学重定向（Human-to-Robot Retargeting）算法： 这是无本体示教的核心学术难点。联合攻关人体运动学结构与任意异构机器人（如不同自由度的机械臂、多指灵巧手或两指夹爪）之间的精准映射算法。确保采集的 "人类动作轨迹" 能无缝、平滑地转化为特定机器人的 "关节控制指令"。 方向2：数据平台搭建（存储、清洗、标注与仿真） 核心诉求： 解决具身智能数据 "异构、海量、难以标准化、标注成本极高" 的行业痛点，构建高质量的数据飞轮平台。 细化合作需求： 自动化清洗与半自动标注算法（Auto-labeling）： 开发基于视觉大模型（如 SAM、GPT-4o）的自动场景分割、物体追踪与意图识别工具。 利用算法自动剔除遥操作采集中的 "次优轨迹" 和 "无效停顿"，提取高质量专家示范数据（Expert Demonstrations）。 高逼真仿真环境与 Sim2Real（虚实迁移）引擎： 结合物理引擎（如 MuJoCo、Isaac Sim），搭建支持复杂物理接触（柔性体、流体、摩擦力）的并行仿真训练平台。 联合研发基于真实采集数据驱动的数字孪生场景自动生成技术，通过真实少量数据生成海量仿真变体数据（Data Augmentation）。
依托工业互联网、物联网平台汇聚的多源工业数据，搭建AI数据挖掘与可视化分析模块；实现生产、设备、质量、能耗数据的自动清洗、特征提取、异常归因、趋势预测，替代人工编制报表，自动生成经营决策、产能优化、能耗管控等智能报告，为制造企业管理层提供数据化决策支撑，升级平台报表管理核心能力。
针对SRM供应链管理、招投标管理模块，构建供应链AI分析决策模型；整合供应商资质、物料价格、物流轨迹、市场波动、产能供需等数据，实现供应商智能筛选、招投标报价智能研判、断供/涨价/物流延迟风险实时预警，打通采购-生产-仓储全链路数据闭环，提升企业供应链抗风险能力与协同效率。
多场耦合下MLCC可靠性验证与失效机理解析难题
1.对接直升机、无人机技术服务企业； 2.对接物流快递企业； 3.对接低空基础设施建设企业。