2023年10月,國內(nèi)獨創(chuàng)的數(shù)控電致變色材料黑科技創(chuàng)業(yè)公司中科電墨智能科技(杭州)有限公司獲首輪千余萬元機構(gòu)投資,本輪投資由杭州安豐富勝創(chuàng)投、利和臨卓天使創(chuàng)投、上虞青科創(chuàng)投三家創(chuàng)投機構(gòu)聯(lián)合投資。
中科電墨擁有完全自主知識產(chǎn)權(quán)的數(shù)控電致變色核心材料由中國科學(xué)技術(shù)大學(xué)馬明明教授發(fā)明,該核心材料的具有完全自主知識產(chǎn)權(quán),屬于國內(nèi)獨創(chuàng)。
中科電墨首席科學(xué)家馬明明教授表示:“即便是原創(chuàng)性的發(fā)明,沒企業(yè)家的魄力和決心以及敢于冒險的創(chuàng)業(yè)精神,再好的科研成果還是會在實驗室里和專利證書上沉睡,感謝中科電墨張瑩董事長能夠和優(yōu)秀的創(chuàng)業(yè)團隊一起把這一成果推向市場。”
中科電墨董事長張瑩表示:“作為一個連續(xù)創(chuàng)業(yè)者,為全球領(lǐng)先的數(shù)控電致變色材料找到合適的目標(biāo)市場是至關(guān)重要的,經(jīng)過兩年的積極探索,我們終于捕捉到了市場最為迫切的需求:汽車數(shù)控電致變色玻璃市場。”
中科電墨執(zhí)行總裁王國輝先生表示:“汽車數(shù)控電致變色玻璃大尺寸曲面快速均勻穩(wěn)定變色,是當(dāng)今世界共同面對的挑戰(zhàn),非常榮幸中科電墨得到了全球領(lǐng)先的汽車主機廠的肯定,將于近期交付全車數(shù)控電致變色玻璃解決方案,從目前我們掌握的公開信息看來,這應(yīng)該是全球第一個汽車全車數(shù)控電致變色玻璃解決方案。”
杭州安豐創(chuàng)投合伙人崔玉舒先生表示:電致變色領(lǐng)域整體前景看好,但之前往往受限于成本、性能等因素,限制了應(yīng)用廣度與速度。中科電墨項目難得地通過自主的核心材料和獨到工藝技術(shù)的持續(xù)創(chuàng)新,取得了實質(zhì)性突破,有望給整個相關(guān)產(chǎn)業(yè)帶來重大升級契機。安豐創(chuàng)投持續(xù)深耕硬科技領(lǐng)域,支持具備真正核心競爭力的項目團隊,期待一同為科技進步、經(jīng)濟發(fā)展貢獻(xiàn)一份力量。
上虞青科創(chuàng)業(yè)合伙人胡建鋒先生表示:中科電墨項目技術(shù)先進,自主研發(fā)核心材料,填補國內(nèi)空白,未來有較好的發(fā)展前景。上虞國投依托青科創(chuàng)基金的產(chǎn)業(yè)導(dǎo)入作用,深入實施人才強區(qū)、創(chuàng)新強區(qū)首位戰(zhàn)略,助推優(yōu)質(zhì)人才落戶上虞,加速青春產(chǎn)業(yè)聚攏壯大,為全面建設(shè)朝氣蓬勃近悅遠(yuǎn)來的“青春之城”做出積極貢獻(xiàn)。
中科電墨戰(zhàn)略顧問汪云志先生表示:“中科電墨正處在汽車數(shù)控電致變色玻璃市場爆發(fā)的前沿,掌握核心材料技術(shù)的領(lǐng)先地位有助于中科電墨成為汽車數(shù)控電致變色玻璃市場的領(lǐng)導(dǎo)者。中科電墨在中國乃至全球汽車數(shù)控電致變色玻璃市場的領(lǐng)導(dǎo)者角色將在未來三到五年變成事實。”
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。