- 综合排序
- 最热优先
- 最新优先
- 来自专栏软件成本造价评估
能源行业软件成本度量评估应用案例分析
一、组织简介 单位类型：内部乙方 所属行业：能源 应用场景：项目核算 应用部门简介：该公司为某大型石油集团的下属子公司，主要业务是为集团公司提供信息系统技术开发和咨询服务，专注于地理信息系统（GIS）、 综合业务管理信息系统、图形图像及网络应用软件的研究、设计、开发与建设，以及数字管道、数字油气田和工程设计集成整体解决方案。 依据行业基准数据，GIS系统应用类型项目规模变更调整因子通常取值为1.3，项目完成阶段的规模变更调整因子通常取值为1.0（此阶段项目需求已确定），对于质量要求和开发语言无特殊要求，2014年软件行业基准生产率中值为
80200发布于 2018-11-08 - 来自专栏TSINGSEE青犀视频
智慧能源方案：TSINGSEE青犀AI算法中台在能源行业的应用
尤其是随着人工智能技术的不断发展，AI智能检测与识别技术在能源行业的应用也越来越广泛。与此同时，国家出台多项政策，将智慧能源纳入新基建融合基础设施等，这些因素都加快了能源智慧互联网的建设与管理。 基于TSINGSEE青犀视频AI算法中台，能源企业可以根据业务需求搭建AI应用，促使AI快速落地在各个业务应用场景。 三、技术应用以下是TSINGSEE青犀视频AI算法中台/AI视频智能分析系统在能源行业的主要业务场景应用：1、智能巡检能源行业的生产环境通常非常复杂，涉及到高温、高压、有毒有害物质等危险因素，巡检工作难度大 3、智能调度能源行业的生产过程中需要大量的资源调配和协调，AI识别技术可以通过对生产数据的智能分析，实现资源的优化配置和调度。 总之，AI识别技术在能源行业的应用前景广阔，可以帮助企业实现智能化升级，提高效率、降低成本、提升安全性。随着技术的不断发展，TSINGSEE青犀视频AI识别技术将在能源行业中发挥越来越重要的作用。
52421编辑于 2023-09-08 AR远程协助在能源行业的应用与前景
近年来，随着AR技术的快速发展，AR远程协助逐渐在能源行业落地应用，为提升运维效率、保障安全生产、推动数字化转型提供了新路径。 应用场景 电力行业 在变电站巡检、输电线路维护和设备抢修中，AR远程协助可帮助现场人员实时接收专家指导，显著提升故障处理速度和准确性。 未来趋势 随着技术演进，AR远程协助在能源行业将呈现以下发展方向：5G与卫星通信的结合，突破地域限制，实现更稳定的实时传输。AI辅助决策，自动识别故障并推荐解决方案，提升智能化水平。 平台化与标准化，推动跨企业协作和行业整体应用升级。 最后 在元幂境看来，AR远程协助正在重塑能源行业的运维模式。它不仅提升了安全性和效率，还为知识传承和数字化转型开辟了新路径。 未来，随着网络、AI和硬件的持续进步，AR远程协助将成为能源行业智能化发展的重要支撑，助力行业实现安全、高效与绿色的可持续发展。
24810编辑于 2025-12-02- 来自专栏量子位
英伟达AI行业布局动态：早已涉足石油能源行业
Root 编译整理 量子位 出品 | 公众号 QbitAI 之前给大家介绍过英伟达出品长期的深入AI行业专题。 昨天，英伟达官网上发文称，已将AI技术落地石油制造业。 因此，作为石油天然气能源行业生产巨头，GE旗下的贝克休斯选择与英伟达强强联手，引入老黄家桌面级超算DGX工作站、超级计算机DGX-1、Jetson TX2计算平台、GPU云，直接实现石油业的终端传感器设备的 AI智能化。 “能源行业有海量的数据，可是远程搜集完后基本上很少做分析。”GE贝克休斯的数字生产的全球负责人，Binu Mathew说。 /blog/2018/01/29/baker-hughes-ge-nvidia-ai/ 以及英伟达AI深度结合行业专题链接， https://www.nvidia.com/en-us/deep-learning-ai
98880发布于 2018-03-21 YashanDB数据库在能源行业管理平台的应用前景
本文基于YashanDB数据库的体系架构与技术优势，分析其在能源行业管理平台的应用前景，探讨如何通过合理部署和优化策略，有效提升能源领域数据管理的能力。1. YashanDB多部署架构及其适应性优势YashanDB支持单机（主备）、分布式集群和共享集群三种部署形态，使其能够灵活应对能源行业从中小规模应用到海量数据处理的多样化需求。 存储引擎与数据组织技术适配能源行业数据的复杂特性能源行业数据多样且数据量极大，包括实时采集的时序数据、历史监测数据及复杂的设备状态信息。 YashanDB凭借其多样化的部署架构、先进的存储引擎、智能的SQL优化器及坚实的安全保障，在满足能源行业复杂多变的应用场景中展现出广阔的应用前景。 持续深入研究与应用这些技术，将助力能源行业构建更加智能、高效、可靠的管理平台。
19810编辑于 2025-09-25- 来自专栏探索RPA
RPA机器人在能源行业应用的四大场景
在获得加速度的同时，不断寻找能源行业内部的效率瓶颈与价值空地，形成企业敏捷创新的能力。 [RPA机器人在能源行业应用的四大场景] RPA在能源行业的优势 如今，RPA技术为能源行业的一线工作人员提供了自动化工具，可以帮助他们根据既定的业务规则进行自动化处理，以降低工作量，保障准确度。 RPA在能源行业的优势： 1、简化人工操作步骤。RPA可不改动现有系统，并以高安全性、可靠性为原则，模拟人工操作，将重复的录入操作变为自动化操作，提高工作效率和准确率。 2、机器人全天候值守。 RPA机器人在能源行业应用的四大场景 1、出车单自动派单 某电力公司由于电路抢修等工作需要，需对车辆进行统一管理，以便及时获得车辆信息。
96810发布于 2020-03-23 新能源行业中的 SD-WAN 技术应用与混合架构优选方案
一、背景需求与挑战新能源行业中的网络需求伴随着业务复杂性不断提升。 SD-WAN 技术凭借动态路径优化、集中化管理和高性价比等优势，成为新能源行业解决方案的技术优选。二、SD-WAN 技术应用场景1. 系统开发与维护应用场景：区域集控与场站全量数据系统：利用 SD-WAN 动态路径选择优化传输效率。无人机巡检系统：提供低延迟和高带宽支持，确保巡检数据实时回传。 选择部分低风险场景试点 SD-WAN，逐步扩大应用范围。部署统一的 SD-WAN 管理平台，整合流量监控与优化功能。 五、总结SD-WAN 技术在新能源行业的分布式场景中展现出显著优势，与传统 MPLS 的混合架构可以有效解决高可靠性与低成本需求的矛盾。
22700编辑于 2025-07-15- 来自专栏量子位
大模型吃掉的电，再用AI省回来？？？
于是，从这个想法出发，在传统能源监测的能源拓扑配置、数据监测可视化等能力基础上，引入了许多新的AI应用，向低碳、绿色的方向进行调整。 AI背景出身，长期浸泡在能源行业的孙东来有一个切身感知，那就是AI行业和能源行业两方从业者，对互相的理解有一些“gap”。 直接在能源行业应用通用于训练大模型，效果应该会大大低于预期；但不排除行业小模型，能够让行业减少人力和一些成本。 再加上能源行业应用场景复杂，单一模型无法拟合，需要构建模型群，综合各个维度，大模型和能源行业想要牵手，中间的障碍不是一两日能够跨越的。 而孙东来也期望着，针对能源行业的实际情况，能够出现高质量、小规模数据集，并通过对其的应用，实现降耗节能。
41320编辑于 2023-08-05 - 来自专栏网络安全技术点滴分享
海上能源行业面临的网络威胁浪潮
关键发现：在2024年10月至2025年10月期间，Qilin是针对能源行业最活跃的勒索软件组织。能源行业勒索软件受害者中，56%位于美国和加拿大。 去年，某能源服务公司确认，一起安全事件导致公司信息被窃取，包括对公司部分支持其运营和企业职能的业务应用程序的有限访问权限。 一则关于一家业务涵盖包括能源行业在内的多个行业的跨国集团数据泄露的暗网论坛帖子。一旦公布，能源行业的泄露信息很难遏制。 2025年6月，我们观察到威胁行为者通过恶意广告向能源行业分发一种虚假的RecipeLister应用程序进行恶意软件传播。通过恶意广告传播的恶意软件伪装成一个食谱实用程序应用。 该应用程序使威胁行为者能够建立持久性并运行远程命令。图10. 恶意的AppSuite PDF Editor。钓鱼攻击钓鱼攻击是所有行业（包括能源行业）流行的攻击媒介。
20210编辑于 2026-01-25 - 来自专栏网络安全技术点滴分享
海上能源行业面临的网络威胁浪潮
今年观察到威胁行为者通过Google Ads上的恶意广告，向能源公司分发欺诈性应用程序（如RecipeLister和AppSuite PDF Editor）来传播恶意软件。 去年，总部位于德克萨斯州的能源服务公司哈里伯顿证实，一起安全事件导致公司信息外泄，包括对公司支持其运营和企业职能的部分业务应用程序的有限访问。 该可执行文件使用NSIS（Nullsoft可编写脚本安装系统）在用户临时目录中静默安装Electron应用程序，并在无需用户交互的情况下启动它。 该应用程序使威胁行为者能够建立持久性并运行远程命令。图10. 恶意的AppSuite PDF Editor。网络钓鱼攻击网络钓鱼是包括能源行业在内的所有领域都流行的攻击媒介。 海上能源公司可以通过基于异常行为的入侵检测系统、AI驱动的预测性维护和智能自动化来保持安全和韧性，确保全球可再生能源事业的扩张。
18100编辑于 2026-01-20 - 来自专栏探索RPA
能源RPA丨RPA如何变革能源行业？
随着科技的发展，能源行业也开始通过使用大型信息化系统提升管理、全面创造价值。但单一、重复、繁琐的事务性工作仍依赖大量人工来完成。过高的人力成本、低下的业务效率，禁锢着企业未来的发展。 [RPA如何变革能源行业] 当前能源业面临的痛点 企业成本较高。固定资本投入大，只有达到一定的生产规模之后才能分摊这些成本。 多信息化系统并存。 某大型能源公司的实际应用案例 某大型能源公司在分析当前形势后，选择应用RPA自动处理收到的客户请求，以帮助呼叫中心员工缩短回应客户的时间。 每年，该能源公司都要回复大约150万个客户请求。
96630发布于 2020-07-09 - 来自专栏AI小程序
AI人脸应用
这款颜值检测小程序使用了腾讯开放人脸识别API，本项目适合刚入门的同学练手，熟悉整个框架，整体实现如下：
1.3K00发布于 2019-01-06 AI 应用感想
龙虾热潮退去，最终会剩下文字相关的应用——编程、写文章、论文等等。一、大模型本质是文字模型不管形态如何变化，大模型的输出仍然以文字为主。 最终沉淀下来的应用，一定是那些将文字能力发挥到极致的场景。二、多代理提高可用性，但仍未达到可信的专家水平多代理架构让任务可以并行、分工、协作，显著提升了复杂任务的完成率。 这意味着所有AI输出都必须经过经验丰富的人员验证，以避免疏漏和安全问题。这是当前AI应用落地的最大瓶颈——不是技术不够强，而是信任成本太高。 未来可能出现”AI审计AI”的模式：一个代理负责输出，另一个专门负责对抗性验证，降低人工成本的同时保留人类兜底。四、记忆之后，还有知识整理与理解偏差记忆问题的解决只是第一步。 五、下一个高价值方向：代理自组织与AI团队导师人类组织中有项目管理和项目经理，AI代理体系同样需要自组织能力。
10500编辑于 2026-03-30- 来自专栏软件安装
AI应用开发
AI应用开发是将人工智能技术与实际业务场景结合，构建具有智能决策、自动学习或感知能力的应用系统。 它融合了传统软件开发与机器学习、深度学习等AI技术，以下是其核心要素和流程： 一、AI应用的核心技术栈 基础框架 机器学习：Scikit-learn、XGBoost、LightGBM 深度学习：TensorFlow Platform、Azure ML 二、AI应用开发的典型流程 问题定义与数据准备 明确AI要解决的核心问题（如分类、预测、生成等） 数据采集（爬虫、API、传感器等）、清洗（去噪、补全）、标注 （通过API接口或SDK） 构建监控系统（跟踪模型精度衰减、数据漂移） 迭代优化 基于用户反馈和新数据持续更新模型 优化计算效率（边缘部署或云端算力调度） 三、示例：简单的文本分类AI应用 以下是一个基于预训练模型的文本分类应用 ） 可解释性：部分场景（如医疗、金融）需要模型决策可解释 五、常见AI应用场景 智能客服（NLP对话系统） 图像识别（安防监控、质检） 推荐系统（电商、内容平台） 预测分析（金融风控、需求预测） AI应用开发的核心是
65310编辑于 2025-11-12 - 来自专栏大数据文摘
Cyber Physical Systems将颠覆工业和能源行业
在传感器的帮助下，CPS接受并处理来自物理世界的大量数据，并将这些用于基于网络的各种应用和服务中，最终会这些服务和应用会通过致动器反馈并影响实体世界。 一些早期的类CPS应用早已经进入我们的日常生活，并被我们天天使用。 其他的常见类CPS应用还包括轨道交通控制系统，风电站远程控制系统等。 由成熟应用向不成熟应用的变化难以避免会带来阵痛，风能和太阳能不像火电核电一样招之即来，挥之即去，可再生能源是一种气候能源，瞬息即变的天气随时都在影响风能和太阳能的输出。 、工业大数据的存储和分析应用，当然，信息安全也将无比重要。
1.3K120发布于 2018-05-21 - 来自专栏一乐来了
AI驱动的应用：插件、应用市场和AI Agents
所以才发明了AI Native/AI First，来表达未来智能应用跟现在软件的不同。 等到ChatGPT发布插件，一众软件从懵懂中醒来，开始瑟瑟发抖，我们好像看到了AI吞噬软件世界的景象。 另一方面，在具体需求满足上，AI跟应用还只是有限度的打通，并不能完全闭环，这大大限制了用户从旧应用体系脱离的意愿和速度。 所以我们相信，大模型AI并不会取代AI以外的软件，尤其是企业应用。 只要用户需求是分散的，智能应用的未来就还属于企业和开发者，AI Native实际是AI Drive。 蓝莺智能插件 蓝莺智能插件（AI Plugin），是由应用自定义提供给大模型AI服务调用的一组API或函数集合。 基本步骤如下： 用户提出问题，应用服务器将问题和相关函数调用的定义发给AI服务； AI识别出缺失的业务信息，根据上下文信息拼装成函数调用返回给应用服务； 应用服务收到拼装好的函数后，进行实际的API或函数调用
62910编辑于 2025-05-23 - 来自专栏实在智能RPA
能源业人工智能技术应用现状2025：技术落地、案例数据与未来趋势
南方电网海南电网公司应用AI电费核查系统，使异常工单复核量减少63%，电费回收率提升12%。 四、现实挑战：能源AI落地的多重制约因素尽管人工智能在能源行业的应用已取得显著成效，但从规模化落地到深度价值释放，仍面临技术、数据、人才等多重挑战，这些问题成为制约行业发展的关键瓶颈。 中国电力企业联合会数据显示，能源行业AI相关人才缺口已达50万人，尤其是在风电、光伏等新能源领域，人才缺口比例超过30%。人才短缺导致部分企业AI项目落地后难以实现持续优化，出现“建而不用”的现象。 五、未来展望：能源AI的发展趋势与价值图景展望2025年后的发展，随着技术迭代与场景深化，能源行业人工智能应用将呈现三大趋势，其价值将从单一效率提升向系统价值创造跨越。 通过AI技术优化能源结构，推动风光等新能源的高效消纳，预计到2030年，人工智能可帮助全球能源行业减少15%-20%的碳排放。
2.2K20编辑于 2025-11-04 - 来自专栏机器之心
全球500强案例精选，带你了解人工智能在能源行业如何落地
包括石油、煤炭、天然气等资源的开采工作，电力的生产、设施部署、销售工作乃至综合性的电网运营工作在内，人工智能及其在各方面的泛化应用已逐步用于优化能源行业的生产、管理以及预测工作。 截止2019 年3 月，全球500 强能源行业公司中已有75% 开始实施或落地人工智能技术应用，并开始在多维度优化固有流程，重塑核心价值链。 在此背景下，机器之心产业研究团队推出了《挽救持续衰退能源市场的一剂猛药——AI+能源行业研究报告》，并打造《全球500强 —— 能源行业人工智能应用案例集》，从技术与落地层面剖析人工智能技术在能源行业各领域的发展与机会 运用的产品包括用于建模训练的NVIDIA DGX-1 AI 超级计算机；可在桌面上甚至在带宽受限的偏远海上平台上进行超级计算的NVIDIADGX 工作站；以及用于实时、持续深度学习和边缘推测的NVIDIA 《全球 500 强——能源行业人工智能应用案例集》是机器之心产业研究团队推出的《全球 500 强上市公司人工智能技术应用分析系列》系列报告之一。
1.1K30发布于 2020-04-02 ADP智能体平台驱动多行业AI落地：从痛点破解到量化增效
破解多行业AI落地共性瓶颈 当前企业AI落地面临多重战略困境：知识管理体系庞大且更新频繁（如医药行业制度体系更新快、执行标准不一），导致检索低效；合规要求严苛（如医药、能源行业）与内部数据分散（器械行业 ，集成企微/钉钉/APP及语音提问能力（数据来源：器械、能源行业案例）。 能源行业案例（风电场调试运维） 痛点：调试运维信息获取低效，辅助决策需求迫切。 服务：AI应用架构设计（知识库适配、历史问答查询）、知识库权限设计（TCADP标签分配、腾讯ASR语音提问）、培训。 服务：构建数据分层治理框架（源数据层-云湖数据库-应用数据层）、混合部署（非敏感业务迁开源模型+容灾负载均衡）、统一AI Portal（合并冗余Chatbot）、高价值场景优先开发（设KPIs评估）。
22910编辑于 2026-04-09- 来自专栏实在智能RPA
能源业人工智能应用全景图：从智慧电厂到数字员工
这份文件标志着我国能源行业正迈入一场系统性、革命性变革。 展望2030年，我国能源领域人工智能专用技术与应用总体将达到世界领先水平。这一系列政策背后，是AI赋能能源行业的巨大潜力。 能源业人工智能应用全景图02 应用场景全景：八大领域全面赋能人工智能在能源行业的应用已呈现全方位布局态势。 生成式AI在能源行业的应用已从技术探索转向规模化落地，成为推动能源转型、提升运营效率和实现“双碳”目标的核心驱动力。 到2030年，AI将像电力一样，成为能源行业的基础能力，渗透生产、传输、消费的每个角落。
65220编辑于 2025-10-15
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号