关于本专栏
本专栏面向技术从业者，系统梳理大模型、智能体、机器视觉、时序数据等 AI 核心技术领域。每篇文章包含问题定义、核心算法解析、开源项目推荐及参考文献，便于深入研究与实践验证。
技术体系映射
栏目内容与公司技术体系（三大引擎 · 四大核心技术能力）的对应关系，便于按技术脉络检索。
AI 核心领域4 个栏目
构成工业智能体技术底座的主干方向。
进阶详解单页
Transformer、GPT、BERT、LLaMA 等预训练语言模型的核心原理与实践
NLP
Transformer
LLM
进阶详解单页
强化学习、多智能体系统、规划算法与 LLM Agent 的架构设计
RL
Agent
Planning
进阶详解单页
CNN、目标检测、图像分割、OCR 等视觉算法的原理与应用
CV
CNN
Detection
进阶详解单页
ARIMA、LSTM、Transformer 等时序预测与异常检测方法
Time Series
Forecasting
Anomaly
工业智能体技术栈6 个栏目 · 2 个规划中
承接三大引擎与六大核心能力，是工业场景区别于通用 AI 的关键技术层。
进阶详解单页
几何/物理/行为/规则多尺度建模、虚实同步、Sim2Real 与 FMI 联合仿真
Digital Twin
Simulation
工程详解单页
Modbus / S7 / OPC-UA / MQTT、边缘网关、点位治理、时序存储与安全边界
IIoT
OPC-UA
Edge
工程详解单页
文档解析与切分、混合检索与重排、GraphRAG、Text2SQL 与效果评测
RAG
Knowledge
进阶详解单页
MILP、约束规划、Job-Shop、元启发式、滚动时域重调度与仿真优化
Optimization
Scheduling
工程详解单页
PID 与 MPC、运动控制、指令下发与回环校验、控制性能评估
Control
Automation
工程详解单页
振动、声学、电流、热成像等非视觉传感、特征工程与多模态融合
Multimodal
Sensing
模型工程与 MLOps
P2待建设
数据闭环、持续学习、评测回归、量化蒸馏与边缘部署
MLOps
Deployment
工业智能体工程实践
P2待建设
生产、质量、物流、仓储四大场景的智能体落地拆解
Practice
Industry
经典机器学习5 个栏目
算法基本功与建模方法论，适合入门与查漏补缺。
入门详解单页
线性回归、逻辑回归、岭回归、LASSO、Elastic Net 等线性模型
Linear
Regression
Regularization
入门详解单页
决策树、随机森林、XGBoost、LightGBM、CatBoost 等集成学习方法
Tree
Random Forest
Boosting
入门详解单页
线性 SVM、核方法、软间隔、SMO 算法等支持向量机技术
SVM
Kernel
Classification
入门详解单页
K-Means、层次聚类、DBSCAN、GMM、谱聚类等无监督学习方法
Clustering
Unsupervised
Density
入门详解单页
PCA、LDA、t-SNE、UMAP、Isomap 等数据降维技术
Dimensionality
PCA
Visualization
开源项目速览2 个项目
第三方开源项目解读，用于了解业界实现思路，不代表公司自有技术体系。
工程详解单页
机器人抓取规划、路径规划、物体识别与力反馈控制算法
Robotics
Grasping
Planning
工程详解单页
多模态融合、知识图谱、智能推理与消息传递系统架构
Multimodal
Knowledge Graph
Reasoning