AI Product.

打造国际领先的软硬一体工业具身PoC底座

  • TsingtaoAI签约港股油气上市公司,具身智能系统完成交付验收

    TsingtaoAI承接的具身智能模块化集成和Agent自动编排系统,主要解决的是现场设备巡检和多机协同调度问题。油气田工况复杂,操作流程非标,历史上依赖有经验的操作工人手动判断,难以标准化也难以复制。这套系统基于ROS 2通信框架,搭载多模态感知与大语言模型驱动的任务编排能力,能够把"检查1号管道压力是否异常"这类自然语言指令,自动拆解为可执行的操作序列,并协调多台设备并行响应,整体指令响应时间控制在2秒以内。

    2 2026-03-26
  • Nimbus:一个统一的具身合成数据生成框架

    我们提出了 Nimbus,一个统一的合成数据生成框架,旨在整合异构的导航和操作流水线。Nimbus 引入了模块化四层架构,采用解耦执行模型,将轨迹规划、渲染和存储分离为异步阶段。通过实现动态流水线调度、全局负载均衡、分布式容错和后端特定渲染优化,该系统最大化了 CPU、GPU 和 I/O 资源的利用率。我们的评估表明,与未优化的基线相比,Nimbus 实现了 2–3×的端到端吞吐量提升,并确保在大规模分布式环境中稳健、长期的运行。该框架作为 InternData 套件的生产骨干,实现无缝跨域数据合成。

    1 2026-03-26
  • TsingtaoAI荣膺国家高新技术企业认定,以具身智能引擎驱动产业革新

    2025年10月28日,全国高新技术企业认定管理工作领导小组办公室正式发布北京市2025年认定报备的第一批高新技术企业备案公示,北京霆涛商业智能技术有限公司(TsingtaoAI)凭借突出的科技创新能力与产业实践成果,成功跻身国家高新技术企业行列。 这一权威认定标志着TsingtaoAI在AI及具身智能核心技术研发、科技成果转化及企业创新管理等领域迈上新的台阶,为企业深耕具身智能赛道注入强劲动能。

    58 2025-10-29
  • 面向工业互操作性与优化的AI驱动数字孪生语义与模块化编排

    数字孪生(DTs)是智能制造的基础,支持数据驱动的监控和优化。然而,许多实现仍然是单体式的,限制了互操作性和可重用性。本文介绍了一种用于编排AI驱动DTs的语义化和模块化架构,旨在实现跨工业系统的可扩展集成和标准化协调。该系统采用与NGSI-LD对齐的语义API,以暴露工业实体,如流程、异常、资产和情境KPIs(例如,能源使用、CO2排放、工具磨损、产品质量)。

    9 2026-03-14
  • 物理AI如何开始重塑我们的世界

    数字孪生作为物理系统的精确数字表示,通过人工智能技术的整合,已从被动的仿真工具演变为智能且自主的实体。本文提出了一种统一的四阶段框架,系统性地描述了数字孪生生命周期中的人工智能整合,涵盖建模、镜像、干预和自主管理。通过综合现有技术和实践,我们提炼出一个统一的四阶段框架,系统性地描述了人工智能方法如何嵌入数字孪生生命周期。

    82 2026-03-02
  • 边缘AI:欧盟路线图-EPoSS

    本白皮书首先概述了不断演进的云边物联网生态系统,强调了智能且资源受限的设备在与人和机器交互中的关键作用。第3章探讨了当前AI的发展趋势,包括由OpenAI首席执行官Sam Altman提出的五级AGI。第4章深入探讨了前沿硬件架构,而第5章则分析了Edge AI硬件开发中的诸多挑战、约束和限制。第6章介绍了一种基于自旋电子学的创新解决方案,该方案以出色的能效和性能解决了内存墙问题。第7章概述了KDT与芯片联合计划(Chips JU)未来几年的项目时间表和预期成果。第8章分析了全球市场趋势,聚焦欧洲Edge AI领域及英伟达在生态系统中日益增长的主导地位。

    20 2026-02-04

LLM大模型微调

 

根据客户场景的不同,选用不同的开源模型,对客户数据和行业数据进行整理,对模型进行微调开发,满足场景应用需求。

RAG与LangChain开发

 

LangChain应用、Function Calling、LangChain与Retrieval组件、LangChain与Chain组件、Advanced RAG等。

Agent开发

 

ReACT、ChatDev、MetaGPT、AutoGen、XAgent、AutoGPT等技术的最新应用开发。

具身智能/AI机器人二次开发

 

基于人形机器人、机器狗、机械臂和灵巧手等设备,根据场景需求,开发满足工业和办公等实际需求的任务技能。

AI机器人数据采集和训练

 

基于客户数据采集和模型训练需求,选取合适的硬件,采集符合训练需求的真实数据,并训练符合企业需求的模型LORA。

AI大模型推理优化

 

基于客户现有算力资源和模型能力,通过TensoRT等工具,对模型和算力进行推理加速优化,提升推理速度,降低算力消耗。

解决具身智能落地最后一公里难题