鈦媒體生成式AI

工業AI企業碩橙科技完成超億元D+輪融資,工業母機產業投資基金領投|首發

2026年8月8日 08:01
工業AI企業碩橙科技完成超億元D+輪融資,工業母機產業投資基金領投|首發

重點摘要

工業AI企業碩橙科技完成超億元D+輪融資,工業母機產業投資基金領投|首發飛向TAI空2026.08.08 08:00 · 來自北京全文1257字00:00 / 03:57工業AI的競爭已從模型性能的比拼轉向交付能力、規模化產業落地能力、系統級整合能力的較量。AI加速落地垂直行業,工業領域是“主戰場”之一,資本押注與場景實踐均呈加速之勢。

站內 AI 整理稿

工業AI企業碩橙科技完成超億元D+輪融資,工業母機產業投資基金領投|首發飛向TAI空2026.08.08 08:00 · 來自北京全文1257字00:00 / 03:57工業AI的競爭已從模型性能的比拼轉向交付能力、規模化產業落地能力、系統級整合能力的較量。AI加速落地垂直行業,工業領域是“主戰場”之一,資本押注與場景實踐均呈加速之勢。我們獲悉,工業AI企業碩橙科技已於近日完成超億元D+輪融資,由工業母機產業投資基金獨家領投。公開資料顯示,碩橙科技成立於2016年,總部位於福建省廈門市,核心團隊來自清華大學。

主打面向各類精密機床、重型軋機、鍛壓母機的預測性運維、精度智能管控一體化國產化方案,為工業母機等高端裝備打造專屬的“數字大腦”。其核心產品通過前端部署的多維傳感器採集設備運行數據,結合AI算法進行自動化分析,實時給出診斷結果和運維建議。在工業AI賽道較為看重的技術能力與數據積累方面,該公司稱自身擁有從多模態感知硬件、邊緣計算到九疇工業大模型的全棧自研能力,目前已積累300餘種故障特徵庫和超過500T的高質量數據集,擁有100餘項知識產權,獲評國家高新技術企業、國家級專精特新“小巨人”企業。

垂類AI的市場表現和發展前景往往繫於真實的產業反饋,一方面需要體現出在垂類場景中相對通用大模型的“比較優勢”,解決後者“水土不服”的問題;另一方面也需有足夠深厚且持續更新的一手負載,形成自身在產業中的差異化優勢和護城河。碩橙科技近期的產業落地實踐明顯加速,據悉其解決方案已廣泛應用於鋼鐵冶金、石油化工、電力能源、食品飲料、汽車製造、日化用品等行業,主要客戶包括寶武鋼鐵、中冶賽迪、寶潔、百威、賽萊默等國內外知名企業。案例顯示,碩橙科技為某食品飲料企業提供的輸送線智慧監測系統,幫助客戶縮短非計劃停產時間55%,減少人工巡檢時間60%。

碩橙科技的最新一輪融資也來自國家級產業資本,領投方工業母機產業投資基金是工信部牽頭設立的國家級戰略專項基金,總規模達150億元,重點投向高端機床、數控系統、工業智能軟件等產業鏈關鍵環節。有業內聲音認為,此次億元級資本入局,體現出國家層面對工業AI賽道核心硬科技企業的支持。當前,我國工業母機正處於提質增效的關鍵階段,傳統運維依賴人工、響應滯後,亟需完成智能化轉型,並保障高端裝備產業鏈自主可控。在此背景下,具備核心技術壁壘和全棧國產化能力的企業將迎來歷史性機遇。

據碩橙科技介紹,本次超億元融資將主要用於工業母機專用工業大模型算法迭代、精密傳感硬件研發擴產,持續強化全棧國產化技術體系;同時,以國家資本為紐帶,聯動產業鏈上下游協同創新,打通從智能感知、數據分析到優化決策的全鏈路,推動公司深度融入國產工業母機生態,助力行業從“製造”向“智造”整體躍升。目前,AI在工業、醫療、金融等傳統大賽道中已進入價值驗證期,競爭愈發脫虛向實,由模型性能的比拼轉向交付能力、規模化產業落地能力、系統級整合能力的較量。能率先用AI解決行業真實痛點,形成規模化商業閉環的企業,有望搶佔領先優勢。(本文首發於鈦媒體APP,文|飛向TAI空,作者|胡珈萌,編輯|楊林)

Related

相關文章

鈦媒體生成式AI

Edge AI Daily 早報(8月8日)

OpenAI推出售價400美元的AI音箱,蘋果則計劃2026年推出整合HomeKit生態的安防攝像頭。國內跨境電商市場出現結構性調整,中金指底部反轉,品牌化與AI轉型業者受益。開源社群在低資源語言、推理引擎與氣象模型上取得進展,英偉達也開源cuFile以因應AI算力瓶頸。

剛剛
IT之家生成式AI

螞蟻集團百靈開源 Ling-3.0-flash 模型:124B 總參數、5.1B 激活參數

首頁 > 智能時代>人工智能 螞蟻集團百靈開源 Ling-3.0-flash 模型:124B 總參數、5.1B 激活參數 2026/8/8 7:49:46 來源:IT之家 作者:沁滄(實習) 責編:沁滄 評論: IT之家 8 月 8 日消息,螞蟻集團旗下百靈大模型官方昨日宣佈,新一代原生混合推理模型 Ling-3.0-flash 現已正式開源。Ling-3.

剛剛
MarkTechPost AI生成式AI

使用 NVIDIA NeMo Retriever、託管 NIM、LanceDB、重新排序與基於事實生成建立多模態 RAG 管線

在本教學中,我們將使用 NVIDIA NeMo Retriever 建立一個先進的多模態檢索增強生成管線。首先設定 Python 3.12 環境、安裝必要套件,並在無需 GPU 或外部 API 金鑰的情況下進行離線 PDF 文字提取。接著,我們透過託管的 NVIDIA NIM 端點來偵測頁面元素、提取表格、圖表與資訊圖形、產生稠密向量嵌入,並將處理後的內容儲存至 LanceDB。最後,我們實作了稠密檢索、視覺語言重新排序、後設資料過濾搜尋、附行內引用的基於事實回應生成,以及輕量級的 recall-at-k 評估,以驗證跨多模態文件內容的檢索品質。

4 小時前