This media is not supported in your browser
VIEW IN TELEGRAM
📌 بینایی ماشین در خدمت صنعت
هوش مصنوعی و بینایی ماشین در خطوط تولید دیگر یک انتخاب لوکس نیست، بلکه یک ضرورت است. نمونه‌ی تازه از DeepX نشان می‌دهد چگونه می‌توان با مدل‌های پردازش تصویر، بهره‌وری و ایمنی را چند برابر کرد:
🔹 ردیابی لحظه‌ای اشیا: شناسایی و دنبال‌کردن بطری‌ها و محصولات روی خط تولید.
🔹 تشخیص عیوب: کشف ایراداتی که از چشم انسان پنهان می‌ماند (مانند بطری‌های معیوب ۲۳ و ۲۸).
🔹 اسکن موجودی انبار: شناسایی خودکار جایگاه‌های خالی و پایش لحظه‌ای انبار.
🔹 ردیابی کارکنان: تحلیل حرکات کارکنان برای افزایش ایمنی و جلوگیری از ورود به مناطق خطرناک.
⚡️ این فناوری‌ها نه‌تنها باعث کاهش خطا و افزایش سرعت می‌شوند، بلکه امنیت کارگران و کیفیت محصول را هم تضمین می‌کنند.
@rss_ai_ir
#AI_industrial #ComputerVision #SmartFactory #Industry40
هوش مصنوعی و بینایی ماشین در خطوط تولید دیگر یک انتخاب لوکس نیست، بلکه یک ضرورت است. نمونه‌ی تازه از DeepX نشان می‌دهد چگونه می‌توان با مدل‌های پردازش تصویر، بهره‌وری و ایمنی را چند برابر کرد:
🔹 ردیابی لحظه‌ای اشیا: شناسایی و دنبال‌کردن بطری‌ها و محصولات روی خط تولید.
🔹 تشخیص عیوب: کشف ایراداتی که از چشم انسان پنهان می‌ماند (مانند بطری‌های معیوب ۲۳ و ۲۸).
🔹 اسکن موجودی انبار: شناسایی خودکار جایگاه‌های خالی و پایش لحظه‌ای انبار.
🔹 ردیابی کارکنان: تحلیل حرکات کارکنان برای افزایش ایمنی و جلوگیری از ورود به مناطق خطرناک.
⚡️ این فناوری‌ها نه‌تنها باعث کاهش خطا و افزایش سرعت می‌شوند، بلکه امنیت کارگران و کیفیت محصول را هم تضمین می‌کنند.
@rss_ai_ir
#AI_industrial #ComputerVision #SmartFactory #Industry40
👍7🎉7❤5🔥5🥰4👏4😁3🙏1
🐋 مدل DeepSeek-V3.1 حالا می‌تونه به صورت لوکال اجرا بشه
حجم اولیه مدل ۷۱۵ گیگابایت بود، اما با تکنیک کوانتیزاسیون جدید Dynamic 1-bit GGUF به ۱۷۰ گیگابایت کاهش پیدا کرده (۸۰٪ کاهش).
⚡ صرفه‌جویی عظیم در حافظه
👉 راهنمای کامل: https://docs.unsloth.ai/basics/deepseek-v3.1
👉 نسخه GGUF: https://huggingface.co/unsloth/DeepSeek-V3.1-GGUF
حالا اجرای یکی از بهترین مدل‌های DeepSeek روی سیستم‌های شخصی هم امکان‌پذیره، نه فقط در دیتاسنتر 🚀
#DeepSeek #GGUF #هوش_مصنوعی #AI_industrial_news #futuretech
@rss_ai_ir
حجم اولیه مدل ۷۱۵ گیگابایت بود، اما با تکنیک کوانتیزاسیون جدید Dynamic 1-bit GGUF به ۱۷۰ گیگابایت کاهش پیدا کرده (۸۰٪ کاهش).
⚡ صرفه‌جویی عظیم در حافظه
👉 راهنمای کامل: https://docs.unsloth.ai/basics/deepseek-v3.1
👉 نسخه GGUF: https://huggingface.co/unsloth/DeepSeek-V3.1-GGUF
حالا اجرای یکی از بهترین مدل‌های DeepSeek روی سیستم‌های شخصی هم امکان‌پذیره، نه فقط در دیتاسنتر 🚀
#DeepSeek #GGUF #هوش_مصنوعی #AI_industrial_news #futuretech
@rss_ai_ir
❤12🔥10😁5👍2🎉2🥴1
🤖 شرکت Unitree مجموعه‌ای از ویدیوهای جذاب از ربات‌های R1 و A2 منتشر کرده که توانایی‌های این ربات‌ها را به‌خوبی به نمایش می‌گذارد.
در این کلیپ‌ها می‌توانید صحنه‌های نادر و جالبی از حرکات، چابکی و قدرت این ربات‌ها را ببینید. 🎥✨
——————————
✔️ برای دنبال کردن بهترین و به‌روزترین مطالب دنیای ربات‌ها عضو کانال شوید.
#رباتیک #هوش_مصنوعی #Unitree #Robot #AI_industrial_news
@rss_ai_ir
در این کلیپ‌ها می‌توانید صحنه‌های نادر و جالبی از حرکات، چابکی و قدرت این ربات‌ها را ببینید. 🎥✨
——————————
✔️ برای دنبال کردن بهترین و به‌روزترین مطالب دنیای ربات‌ها عضو کانال شوید.
#رباتیک #هوش_مصنوعی #Unitree #Robot #AI_industrial_news
@rss_ai_ir
😁8❤6🎉5👍4🔥4👏1
⏱️ سیستم‌های تاخیردار در صنعت و هوش مصنوعی
در بسیاری از فرآیندهای صنعتی، خروجی یک سیستم با تأخیر به ورودی واکنش نشان می‌دهد. این تأخیر می‌تواند چند میلی‌ثانیه در یک خط تولید پرسرعت باشد یا چند دقیقه در یک فرآیند شیمیایی. چنین پدیده‌ای را سیستم تاخیردار (Time-Delay System) می‌نامند.
⚡ چالش‌ها در صنعت:
♻️در رباتیک و کنترل حرکتی، تأخیر باعث لرزش یا ناپایداری میشود.
♻️در کنترل دما یا فشار، تأخیر می‌تواند باعث نوسانات شدید شود.
♻️در شبکه‌های صنعتی (مثلاً LoRa یا سیستم‌های توزیع‌شده)، تأخیر انتقال داده روی زمان تصمیم‌گیری هوش مصنوعی اثر مستقیم دارد.
🤖 نقش هوش مصنوعی:
1. پیش‌بینی اثر تأخیر با استفاده از شبکه‌های عصبی و مدل‌های پیش‌بینی‌کننده (Predictive Models).
2. کنترل پیش‌بین (MPC) مبتنی بر AI: ورودی‌ها را طوری تنظیم می‌کند که اثر تأخیر خنثی شود.
3. یادگیری تقویتی (RL): عامل‌ها یاد می‌گیرند با تأخیر کنار بیایند و تصمیمات پایدارتر بگیرند.
4. دیجیتال توین (Digital Twin): شبیه‌سازی لحظه‌ای فرآیندها برای درک بهتر اثر تأخیر قبل از اجرای واقعی.
💡 مثال واقعی:
در خطوط ریخته‌گری مس یا فولاد، تغییر جریان خنک‌کننده اثر خود را با چند ثانیه تأخیر روی دمای سطح نشان می‌دهد. یک الگوریتم AI می‌تواند با یادگیری این رفتار، مقدار خنک‌کننده را پیشاپیش تنظیم کند تا محصول با کیفیت یکنواخت تولید شود.
#هوش_مصنوعی #کنترل_فرآیند #صنعت #سیستم_تاخیردار #AI_industrial_news
در بسیاری از فرآیندهای صنعتی، خروجی یک سیستم با تأخیر به ورودی واکنش نشان می‌دهد. این تأخیر می‌تواند چند میلی‌ثانیه در یک خط تولید پرسرعت باشد یا چند دقیقه در یک فرآیند شیمیایی. چنین پدیده‌ای را سیستم تاخیردار (Time-Delay System) می‌نامند.
⚡ چالش‌ها در صنعت:
♻️در رباتیک و کنترل حرکتی، تأخیر باعث لرزش یا ناپایداری میشود.
♻️در کنترل دما یا فشار، تأخیر می‌تواند باعث نوسانات شدید شود.
♻️در شبکه‌های صنعتی (مثلاً LoRa یا سیستم‌های توزیع‌شده)، تأخیر انتقال داده روی زمان تصمیم‌گیری هوش مصنوعی اثر مستقیم دارد.
🤖 نقش هوش مصنوعی:
1. پیش‌بینی اثر تأخیر با استفاده از شبکه‌های عصبی و مدل‌های پیش‌بینی‌کننده (Predictive Models).
2. کنترل پیش‌بین (MPC) مبتنی بر AI: ورودی‌ها را طوری تنظیم می‌کند که اثر تأخیر خنثی شود.
3. یادگیری تقویتی (RL): عامل‌ها یاد می‌گیرند با تأخیر کنار بیایند و تصمیمات پایدارتر بگیرند.
4. دیجیتال توین (Digital Twin): شبیه‌سازی لحظه‌ای فرآیندها برای درک بهتر اثر تأخیر قبل از اجرای واقعی.
💡 مثال واقعی:
در خطوط ریخته‌گری مس یا فولاد، تغییر جریان خنک‌کننده اثر خود را با چند ثانیه تأخیر روی دمای سطح نشان می‌دهد. یک الگوریتم AI می‌تواند با یادگیری این رفتار، مقدار خنک‌کننده را پیشاپیش تنظیم کند تا محصول با کیفیت یکنواخت تولید شود.
#هوش_مصنوعی #کنترل_فرآیند #صنعت #سیستم_تاخیردار #AI_industrial_news
🥰20❤13🔥8👏7👍1
🚀 اولین گام در نوشتن پروپوزال هوش مصنوعی صنعتی
خیلی‌ها وقتی پروپوزال می‌نویسند، مستقیم از تکنولوژی شروع می‌کنند (YOLO، CNN، LLM و …). اما راز موفقیت اینجاست 👇
🔹 اول مسئله را تعریف کن، بعد از تکنولوژی بگو.
📌 مراحل کلیدی:
1. شناسایی مشکل واقعی در صنعت (کنترل کیفیت، نگهداری تجهیزات، ایمنی، بهینه‌سازی فرآیندها)
2. توضیح وضعیت فعلی (چطور الان حل میشود و ضعف‌هایش چیست)
3. نشان دادن فرصت بهبود با AI (کاهش هزینه، افزایش سرعت و دقت، بهبود ایمنی)
4. تعریف شاخص‌های قابل سنجش (مثلاً دقت بالای ۹۵٪ یا کاهش ضایعات تا ۱۰٪)
✅ ارزش پروپوزال شما نه در نام الگوریتم‌ها، بلکه در تعریف عددی مشکل و ارزش اقتصادی حل آن است. تکنولوژی فقط ابزار رسیدن به هدفه.
@rss_ai_ir
#هوش_مصنوعی #صنعت #پروپوزال #AI_industrial
خیلی‌ها وقتی پروپوزال می‌نویسند، مستقیم از تکنولوژی شروع می‌کنند (YOLO، CNN، LLM و …). اما راز موفقیت اینجاست 👇
🔹 اول مسئله را تعریف کن، بعد از تکنولوژی بگو.
📌 مراحل کلیدی:
1. شناسایی مشکل واقعی در صنعت (کنترل کیفیت، نگهداری تجهیزات، ایمنی، بهینه‌سازی فرآیندها)
2. توضیح وضعیت فعلی (چطور الان حل میشود و ضعف‌هایش چیست)
3. نشان دادن فرصت بهبود با AI (کاهش هزینه، افزایش سرعت و دقت، بهبود ایمنی)
4. تعریف شاخص‌های قابل سنجش (مثلاً دقت بالای ۹۵٪ یا کاهش ضایعات تا ۱۰٪)
✅ ارزش پروپوزال شما نه در نام الگوریتم‌ها، بلکه در تعریف عددی مشکل و ارزش اقتصادی حل آن است. تکنولوژی فقط ابزار رسیدن به هدفه.
@rss_ai_ir
#هوش_مصنوعی #صنعت #پروپوزال #AI_industrial
🔥16🎉12❤9👍8😁7👏1
🛠️ پایان پروژه، پایان مسئولیت نیست!
خیلی وقت‌ها وقتی یک پروژه صنعتی تموم می‌شه و به کارفرما تحویل داده می‌شه، تیم فکر می‌کنه کارش تمومه و باید سریع سراغ پروژه بعدی بره. اما واقعیت اینه که مرحله‌ی پس از تحویل (Post-Deployment Monitoring) یکی از حیاتی‌ترین بخش‌های موفقیت پروژه است.
🔍 چرا مهمه؟
♻️شرایط واقعی صنعت با محیط تست متفاوته.
♻️اپراتورها ممکنه خطاهایی انجام بدن که در سناریوهای آزمایشی پیش‌بینی نشده.
♻️داده‌های جدید می‌تونن الگوهای متفاوتی داشته باشن.
♻️گاهی تنظیمات ساده مثل کالیبراسیون سنسور یا ریستارت سرویس باعث بروز مشکل می‌شه.
✅ بهترین کار اینه که بعد از تحویل:
1. حداقل چند هفته پایش فعال داشته باشید.
2. گزارش خطاها و لاگ‌ها رو جمع‌آوری و تحلیل کنید.
3. آموزش کاربران نهایی رو جدی بگیرید.
4. آماده باشید برای تغییرات کوچک (Patch) یا اصلاحات سریع.
🔑 تحویل یک پروژه موفق فقط به روز Delivery ختم نمی‌شه؛ بلکه زمانی معنا پیدا می‌کنه که در محیط واقعی پایدار و قابل اعتماد کار کنه.
#هوش_مصنوعی #پروژه_صنعتی #مدیریت_پروژه #AI_industrial
خیلی وقت‌ها وقتی یک پروژه صنعتی تموم می‌شه و به کارفرما تحویل داده می‌شه، تیم فکر می‌کنه کارش تمومه و باید سریع سراغ پروژه بعدی بره. اما واقعیت اینه که مرحله‌ی پس از تحویل (Post-Deployment Monitoring) یکی از حیاتی‌ترین بخش‌های موفقیت پروژه است.
🔍 چرا مهمه؟
♻️شرایط واقعی صنعت با محیط تست متفاوته.
♻️اپراتورها ممکنه خطاهایی انجام بدن که در سناریوهای آزمایشی پیش‌بینی نشده.
♻️داده‌های جدید می‌تونن الگوهای متفاوتی داشته باشن.
♻️گاهی تنظیمات ساده مثل کالیبراسیون سنسور یا ریستارت سرویس باعث بروز مشکل می‌شه.
✅ بهترین کار اینه که بعد از تحویل:
1. حداقل چند هفته پایش فعال داشته باشید.
2. گزارش خطاها و لاگ‌ها رو جمع‌آوری و تحلیل کنید.
3. آموزش کاربران نهایی رو جدی بگیرید.
4. آماده باشید برای تغییرات کوچک (Patch) یا اصلاحات سریع.
🔑 تحویل یک پروژه موفق فقط به روز Delivery ختم نمی‌شه؛ بلکه زمانی معنا پیدا می‌کنه که در محیط واقعی پایدار و قابل اعتماد کار کنه.
#هوش_مصنوعی #پروژه_صنعتی #مدیریت_پروژه #AI_industrial
❤10🔥4😁4🎉4👍2
📌 قبل از پرپوزال صنعتی حتماً خط تولید و کارکنان را ببینید
خیلی وقت‌ها ایده‌های هوش مصنوعی وقتی روی کاغذ هستند عالی به‌نظر می‌رسند، اما در عمل با نیازها و محدودیت‌های خط تولید فاصله دارند. ✨
🔹 یکبار قبل از نوشتن و ارائه‌ی پرپوزال، به خط تولید سر بزنید و از نزدیک جریان واقعی کار را ببینید.
🔹 با اپراتورها و کارکنان خط صحبت کنید؛ آن‌ها مشکلات ریز و درشتی را می‌بینند که در گزارش‌های مدیریتی پیدا نمی‌شوند.
مثلاً:
✅ ممکن است شما در پرپوزال پیشنهاد مدل بینایی ماشین برای تشخیص عیوب سطحی بدهید، اما اپراتور به شما بگوید که «بیشتر خرابی‌ها در شب و به خاطر بخار یا نور کم رخ می‌دهد». همین یک نکته می‌تواند مسیر پروژه را تغییر دهد و شما را به سمت استفاده از ترکیب بینایی ماشین و سنسورهای حرارتی یا LiDAR هدایت کند.
✅ یا شاید فکر کنید بهترین ایده، پیش‌بینی خرابی ماشین‌آلات با تحلیل داده‌های سنسورها است. اما وقتی با تعمیرکاران صحبت کنید، متوجه می‌شوید مشکل اصلی در نبودن سنسورهای کافی روی دستگاه‌های قدیمی است؛ پس در پرپوزال باید راهکارهای دیتافیوژن و مدل‌سازی ترکیبی (Hybrid Modeling) را جایگزین کنید.
🔑 خلاصه اینکه:
هوش مصنوعی فقط وقتی در صنعت موفق است که روی واقعیات خط تولید بنا شود. و این واقعیت‌ها را بهترین منبع داده، یعنی کارکنان خط، به شما منتقل می‌کنند.
#هوش_مصنوعی #بینایی_ماشین #صنعت #پرپوزال #مدیریت_صنعتی #خط_تولید #AI_industrial
@rss_ai_ir
خیلی وقت‌ها ایده‌های هوش مصنوعی وقتی روی کاغذ هستند عالی به‌نظر می‌رسند، اما در عمل با نیازها و محدودیت‌های خط تولید فاصله دارند. ✨
🔹 یکبار قبل از نوشتن و ارائه‌ی پرپوزال، به خط تولید سر بزنید و از نزدیک جریان واقعی کار را ببینید.
🔹 با اپراتورها و کارکنان خط صحبت کنید؛ آن‌ها مشکلات ریز و درشتی را می‌بینند که در گزارش‌های مدیریتی پیدا نمی‌شوند.
مثلاً:
✅ ممکن است شما در پرپوزال پیشنهاد مدل بینایی ماشین برای تشخیص عیوب سطحی بدهید، اما اپراتور به شما بگوید که «بیشتر خرابی‌ها در شب و به خاطر بخار یا نور کم رخ می‌دهد». همین یک نکته می‌تواند مسیر پروژه را تغییر دهد و شما را به سمت استفاده از ترکیب بینایی ماشین و سنسورهای حرارتی یا LiDAR هدایت کند.
✅ یا شاید فکر کنید بهترین ایده، پیش‌بینی خرابی ماشین‌آلات با تحلیل داده‌های سنسورها است. اما وقتی با تعمیرکاران صحبت کنید، متوجه می‌شوید مشکل اصلی در نبودن سنسورهای کافی روی دستگاه‌های قدیمی است؛ پس در پرپوزال باید راهکارهای دیتافیوژن و مدل‌سازی ترکیبی (Hybrid Modeling) را جایگزین کنید.
🔑 خلاصه اینکه:
هوش مصنوعی فقط وقتی در صنعت موفق است که روی واقعیات خط تولید بنا شود. و این واقعیت‌ها را بهترین منبع داده، یعنی کارکنان خط، به شما منتقل می‌کنند.
#هوش_مصنوعی #بینایی_ماشین #صنعت #پرپوزال #مدیریت_صنعتی #خط_تولید #AI_industrial
@rss_ai_ir
🎉11❤6😁5👍2🔥2👏1🙏1
🦀 وقتی ربات‌ها به قلمرو حیوانات وارد می‌شوند!
گروهی از پژوهشگران یک ربات‌خرچنگ زیست‌مقلد به نام «موج‌زن دیو» طراحی کردند تا واکنش خرچنگ‌های نر واقعی را در فصل جفت‌گیری بررسی کنند.
🔹 این ربات با پرینتر سه‌بعدی ساخته شده، چنگک‌های قابل‌تعویض در اندازه‌های مختلف دارد و از طریق اپلیکیشن بلوتوثی کنترل میشود. محققان آن را در فاصله ۳۰ سانتی‌متری خرچنگ واقعی قرار دادند و واکنش‌ها را با دوربین ثبت کردند.
🔸 خرچنگ‌های نر برای جذب ماده‌ها جلوی لانه خود چنگک تکان می‌دهند. با دیدن ربات، زمان تکان دادن چنگک افزایش یافت اما سرعت تغییر نکرد. دانشمندان می‌گویند شاید نرها حضور رقیب را به معنای احتمال حضور ماده بدانند، ولی تا وقتی مطمئن نشوند انرژی بیشتری خرج نمی‌کنند.
⚡ جالب‌تر اینکه برخی نرها به ربات حمله کردند و یکی حتی چنگکش را از جا کند! همین باعث شد آزمایش موقتاً متوقف شود.
❓به‌نظر شما، آیا آینده‌ی زیست‌شناسی می‌تواند پر از این‌گونه ربات‌های آزمایشگاهی باشد؟
#هوش_مصنوعی #رباتیک #بیومیمتیک #پژوهش #AI_industrial_news
@rss_ai_ir
گروهی از پژوهشگران یک ربات‌خرچنگ زیست‌مقلد به نام «موج‌زن دیو» طراحی کردند تا واکنش خرچنگ‌های نر واقعی را در فصل جفت‌گیری بررسی کنند.
🔹 این ربات با پرینتر سه‌بعدی ساخته شده، چنگک‌های قابل‌تعویض در اندازه‌های مختلف دارد و از طریق اپلیکیشن بلوتوثی کنترل میشود. محققان آن را در فاصله ۳۰ سانتی‌متری خرچنگ واقعی قرار دادند و واکنش‌ها را با دوربین ثبت کردند.
🔸 خرچنگ‌های نر برای جذب ماده‌ها جلوی لانه خود چنگک تکان می‌دهند. با دیدن ربات، زمان تکان دادن چنگک افزایش یافت اما سرعت تغییر نکرد. دانشمندان می‌گویند شاید نرها حضور رقیب را به معنای احتمال حضور ماده بدانند، ولی تا وقتی مطمئن نشوند انرژی بیشتری خرج نمی‌کنند.
⚡ جالب‌تر اینکه برخی نرها به ربات حمله کردند و یکی حتی چنگکش را از جا کند! همین باعث شد آزمایش موقتاً متوقف شود.
❓به‌نظر شما، آیا آینده‌ی زیست‌شناسی می‌تواند پر از این‌گونه ربات‌های آزمایشگاهی باشد؟
#هوش_مصنوعی #رباتیک #بیومیمتیک #پژوهش #AI_industrial_news
@rss_ai_ir
😁10🔥5🎉5❤3👍3
⚡ افزایش مصرف انرژی با گسترش هوش مصنوعی در آمریکا
💥 رشد سریع مراکز داده (Data Centers) برای آموزش و اجرای مدل‌های هوش مصنوعی باعث شده قبض‌های برق در ایالات متحده به شکل محسوسی بالا برود. شبکه بزرگ PJM که ۱۳ ایالت و واشنگتن دی‌سی را پوشش می‌دهد، با فشار سنگینی مواجه شده است.
📊 آمارها نشان می‌دهد:
🟢 در ۹ ایالت تحت پوشش PJM و همچنین واشنگتن دی‌سی، قبض‌های برق بیش از میانگین کشوری و بالای ۶٪ رشد داشته است.
🟢 در نیوجرسی افزایش ۱۳.۳٪ و در نیویورک ۱۴.۴٪ ثبت شده است.
🟢 طبق گزارش Monitoring Analytics، حدود ۶۴٪ از هزینه‌های جدید مستقیماً به تقاضای فعلی و پیش‌بینی‌شده مراکز داده مرتبط است.
⚡ آموزش و استفاده از مدل‌های هوش مصنوعی چندین برابر بیشتر از یک جستجوی اینترنتی عادی انرژی مصرف می‌کند.
هرچند اپراتورها به سمت بهبود بهره‌وری انرژی حرکت کرده‌اند، اما بازار هنوز نیاز به زمان برای سازگاری دارد. تحلیلگران Bloomberg می‌گویند اگر هوش مصنوعی به درستی به کار گرفته شود، خودش می‌تواند راه‌حل بخشی از بحران انرژی باشد.
#هوش_مصنوعی #صنعت #مصرف_انرژی #تحول_دیجیتال #AI_industrial_news
@rss_ai_ir
💥 رشد سریع مراکز داده (Data Centers) برای آموزش و اجرای مدل‌های هوش مصنوعی باعث شده قبض‌های برق در ایالات متحده به شکل محسوسی بالا برود. شبکه بزرگ PJM که ۱۳ ایالت و واشنگتن دی‌سی را پوشش می‌دهد، با فشار سنگینی مواجه شده است.
📊 آمارها نشان می‌دهد:
🟢 در ۹ ایالت تحت پوشش PJM و همچنین واشنگتن دی‌سی، قبض‌های برق بیش از میانگین کشوری و بالای ۶٪ رشد داشته است.
🟢 در نیوجرسی افزایش ۱۳.۳٪ و در نیویورک ۱۴.۴٪ ثبت شده است.
🟢 طبق گزارش Monitoring Analytics، حدود ۶۴٪ از هزینه‌های جدید مستقیماً به تقاضای فعلی و پیش‌بینی‌شده مراکز داده مرتبط است.
⚡ آموزش و استفاده از مدل‌های هوش مصنوعی چندین برابر بیشتر از یک جستجوی اینترنتی عادی انرژی مصرف می‌کند.
هرچند اپراتورها به سمت بهبود بهره‌وری انرژی حرکت کرده‌اند، اما بازار هنوز نیاز به زمان برای سازگاری دارد. تحلیلگران Bloomberg می‌گویند اگر هوش مصنوعی به درستی به کار گرفته شود، خودش می‌تواند راه‌حل بخشی از بحران انرژی باشد.
#هوش_مصنوعی #صنعت #مصرف_انرژی #تحول_دیجیتال #AI_industrial_news
@rss_ai_ir
👎1🥰1🙏1
⚡️ انویدیا نسل جدید پلتفرم‌های محاسباتی برای رباتیک را معرفی کرد — Jetson Thor
🔹 این سیستم به‌عنوان «مغز» ماشین‌های خودمختار معرفی شده که توانایی کار در دنیای واقعی رو دارن. قیمت این راهکارها از ۲۵۰۰ دلار شروع می‌شه.
🔸 در این رونمایی، علاوه بر کیت توسعه Jetson AGX Thor، ماژول‌های محاسباتی T5000 و T4000 هم معرفی شدن. طبق گفته انویدیا، این پلتفرم‌ها پایه‌ی «هوش مصنوعی فیزیکی» در حوزه‌هایی مثل تولید، لجستیک، سلامت و خرده‌فروشی خواهند بود.
🔹 جنسن هوانگ، مدیرعامل انویدیا، تأکید کرد که Jetson Thor با کارایی بالا و بهره‌وری انرژی طراحی شده تا میلیون‌ها توسعه‌دهنده بتونن ربات‌هایی بسازن که با جهان فیزیکی تعامل مستقیم دارن. مهم‌ترین ویژگی این نسل، امکان اجرای محلی چندین مدل مولد هوش مصنوعی به صورت همزمانه.
📌 مشخصات فنی اصلی
🟧 مبتنی بر معماری Blackwell، با پردازنده ۱۴ هسته‌ای Arm، GPU با ۲۵۶۰ هسته CUDA و ۱۲۸ گیگابایت حافظه. توان محاسباتی: ۲۰۷۰ TFLOPS با مصرف انرژی حداکثر ۱۳۰ وات (۷.۵ برابر قوی‌تر از نسل قبل، Jetson Orin).
🟧 ماژول Jetson T4000: نسخه اقتصادی‌تر با پردازنده ۱۲ هسته‌ای، GPU با ۱۵۳۶ هسته CUDA و ۶۴ گیگابایت حافظه. توان محاسباتی: ۱۲۰۰ TFLOPS.
این پلتفرم داده‌های سنسورها رو در لحظه پردازش می‌کنه و به ربات‌ها توانایی درک سریع محیط و واکنش بی‌درنگ می‌ده. همچنین به‌طور کامل با استک‌های نرم‌افزاری کلیدی انویدیا مثل Isaac، GR00T، Metropolis و Holoscan یکپارچه شده.
شرکت‌های بزرگی مثل Boston Dynamics، Amazon Robotics، Figure و Medtronic هم‌اکنون از این فناوری پشتیبانی می‌کنن.
#هوش_مصنوعی #رباتیک #NVIDIA #JetsonThor #AI_industrial
@rss_ai_ir
🔹 این سیستم به‌عنوان «مغز» ماشین‌های خودمختار معرفی شده که توانایی کار در دنیای واقعی رو دارن. قیمت این راهکارها از ۲۵۰۰ دلار شروع می‌شه.
🔸 در این رونمایی، علاوه بر کیت توسعه Jetson AGX Thor، ماژول‌های محاسباتی T5000 و T4000 هم معرفی شدن. طبق گفته انویدیا، این پلتفرم‌ها پایه‌ی «هوش مصنوعی فیزیکی» در حوزه‌هایی مثل تولید، لجستیک، سلامت و خرده‌فروشی خواهند بود.
🔹 جنسن هوانگ، مدیرعامل انویدیا، تأکید کرد که Jetson Thor با کارایی بالا و بهره‌وری انرژی طراحی شده تا میلیون‌ها توسعه‌دهنده بتونن ربات‌هایی بسازن که با جهان فیزیکی تعامل مستقیم دارن. مهم‌ترین ویژگی این نسل، امکان اجرای محلی چندین مدل مولد هوش مصنوعی به صورت همزمانه.
📌 مشخصات فنی اصلی
🟧 مبتنی بر معماری Blackwell، با پردازنده ۱۴ هسته‌ای Arm، GPU با ۲۵۶۰ هسته CUDA و ۱۲۸ گیگابایت حافظه. توان محاسباتی: ۲۰۷۰ TFLOPS با مصرف انرژی حداکثر ۱۳۰ وات (۷.۵ برابر قوی‌تر از نسل قبل، Jetson Orin).
🟧 ماژول Jetson T4000: نسخه اقتصادی‌تر با پردازنده ۱۲ هسته‌ای، GPU با ۱۵۳۶ هسته CUDA و ۶۴ گیگابایت حافظه. توان محاسباتی: ۱۲۰۰ TFLOPS.
این پلتفرم داده‌های سنسورها رو در لحظه پردازش می‌کنه و به ربات‌ها توانایی درک سریع محیط و واکنش بی‌درنگ می‌ده. همچنین به‌طور کامل با استک‌های نرم‌افزاری کلیدی انویدیا مثل Isaac، GR00T، Metropolis و Holoscan یکپارچه شده.
شرکت‌های بزرگی مثل Boston Dynamics، Amazon Robotics، Figure و Medtronic هم‌اکنون از این فناوری پشتیبانی می‌کنن.
#هوش_مصنوعی #رباتیک #NVIDIA #JetsonThor #AI_industrial
@rss_ai_ir
👍2🔥1👏1