并购传感器企业！688045 2025 年实现扭亏为盈2025 年年度财报显示，必易微（股票代码：688045）全年营收达 6.83 亿元，归属于上市公司股东的净利润为 1207.54 万元，同比实现扭亏为盈，较上年净利润增长 2924.63 万元；扣除非经常性损益后的净利润亏损也大幅收窄 4277.96 万元。得益于产业并购与技术持续创新，公司经营业绩实现明显提升，连续六个季度盈利稳步增长。财报还显示，公司 2025 年毛利率达到 29.90%，较上年提升 4 个百分点，毛利总额同比增长近 15%。经营现金流净额达到 6425.45 万元，同比激增 1781.20%，这一改善主要得益于销售回款效率提升与供应链成本优化，企业经营质量持续改善。在产品线布局上，必易微五大核心产品矩阵全面发力，多个品类实现显著增长。其中，电机驱动芯片收入同比增长超 121%，DC-DC 芯片收入达 4074.99 万元，同比增长 50.37%；LED 背光驱动芯片收入提升 88%，大功率电源产品收入更是同比增长超 210%。受益于端侧 AI 应用的快速增长，公司快充业务收入突破 1 亿元，近五年复合增长率接近 40%，已成为增长的重要驱动力。这些产品广泛应用于消费电子、工业控制、智能物联网、数据中心及汽车电子等关键场景，并凭借高可靠性赢得多家头部客户认可。技术创新是公司保持竞争优势的核心要素。2025 年，必易微研发投入达 1.54 亿元，占营收比重为 22.54%。持续投入带来了显著成果，全年新增核心技术 14 项，累计掌握 39 项主要技术，部分水平已达到国际先进水准。同时，公司新增知识产权 182 项，截至目前累计拥有 305 项国内外专利（其中发明专利 157 项）及 604 项集成电路布图设计权，技术壁垒持续增强。公司研发团队规模达 269 人，占比员工总数的 62.85%，形成结构合理、经验丰富的研发体系，为产品迭代和技术突破提供坚实支撑。并购加速生态拓展在传感器行业高速发展的背景下，弗若斯特沙利文（Frost & Sullivan）数据显示，2024 年中国传感器市场规模已达 2725 亿元，预计 2025 至 2029 年间将以年均 18.2% 的复合增长率持续增长。伴随工业自动化与智能化的推进，生产线中机器人、AGV 等设备的广泛应用，进一步推高了对各类传感器的需求。此外，在国家推动供应链安全与自主可控的大趋势下，高端传感器的国产化导入意愿持续上升。必易微积极把握市场机遇，于 2025 年完成对兴感半导体的全资并购。兴感在高精度电流传感器和磁传感器领域的技术积累和客户资源，与必易微在电源管理及电机驱动方面的业务形成互补。此次并购使得公司构建起“电流检测—运动感知—电源管理—电池管理—电机驱动”完整产品链，成为国内少数能够提供全栈模拟与数模混合芯片及集成方案的供应商。该举措显著提升了公司在工控、光伏、储能、机器人及新能源汽车等高增长领域的竞争力，为未来的收入结构优化与增长注入新动力。未来战略方向展望未来，必易微表示将持续坚持长期主义发展理念，以核心技术创新为驱动，围绕可持续市场需求开展业务。公司以电源管理平台为核心，进一步拓展电机驱动、电池管理及感知控制技术，推动产品从单一芯片供应向系统级嵌入式解决方案升级。通过构建覆盖“电、机、感、控、算”关键环节的协同产品体系，必易微正朝着打造具有核心技术优势和市场引领力的行业平台型企业稳步迈进。

美芯晟完成1.6亿元收购磁传感器企业，回应交易所问询3月11日，美芯晟（股票代码：688458）发布《关于收购上海鑫雁微电子股份有限公司100%股权事项问询函的回复公告》，对上海证券交易所的问询函作出全面回应。公告中详细披露了被收购企业——上海鑫雁微电子股份有限公司（以下简称“鑫雁微”）的经营数据、技术实力及财务细节，并对交易估值逻辑、业绩承诺的可行性及未来整合计划进行了说明，同时提示了相关投资风险。此次美芯晟拟收购鑫雁微100%股权，目的在于切入磁传感器细分领域，与公司现有的光学传感、1D/3D ToF激光测距等业务形成协同效应，进一步完善“环境感知 + 多模态融合感知 + 运动感知”的技术体系。此举有助于丰富产品组合，增强技术壁垒和市场竞争力。经营稳健，具备较强技术与市场优势公告信息显示，鑫雁微成立于2010年1月，主营磁传感芯片，同时涉足马达驱动芯片研发。经过十余年的发展，公司已构建起近百款产品矩阵，涵盖开关霍尔、线性霍尔、齿轮传感、电感式接近开关等多个技术路线。截至目前，公司已拥有94项知识产权，包括16项发明专利，是国家高新技术企业和上海市专精特新中小企业。从财务表现来看，鑫雁微的经营状况持续改善。2024年及2025年1月至11月，其营业收入分别达到6,086.69万元和5,885.62万元；净利润则从73.31万元提升至479.34万元。其中，开关霍尔产品贡献显著，2025年前11个月的销售收入达4,338.44万元，占总营收的比重超过70%。该类产品广泛应用于电动出行、汽车电子、工业自动化及智能家居等领域，并已进入雅迪、爱玛、九洲等头部企业的供应链体系。在技术研发方面，鑫雁微拥有一支经验丰富的研发团队，研发人员占总员工数的45%。其核心成员均毕业于知名高校，并具备多年行业背景。公司已掌握多轴集成与三维磁传感、高精度温度补偿等关键技术，并在马达驱动、智能座舱等场景实现应用。在供应链方面，公司与华润上华等知名供应商保持稳定合作，前五大客户贡献收入占比稳定在36%-38%，不存在过度依赖单一客户的问题。财务信息披露详尽，估值逻辑合理审慎针对交易所问询，美芯晟全面披露了鑫雁微的财务结构。截至2025年11月末，鑫雁微资产总额为7,318.78万元，负债总额为5,864.06万元。在应收账款与存货减值方面，公司基于审慎原则进行了充分计提。应收账款账面余额为2,847.66万元，减值准备为929.97万元；存货账面余额为4,706.49万元，减值准备为810.25万元。其中，账龄超过一年的应收账款和存货已全额计提减值。在交易估值方面，此次并购采用市场法进行评估，未使用收益法。原因在于鑫雁微作为成长型芯片设计企业，其盈利和现金流仍存在较大波动，难以满足收益法对稳定可预测现金流的假设。该评估方式符合A股半导体行业类似并购案例的操作惯例。评估过程中选取了7家可比上市公司，以EV/S为价值比率，测算出鑫雁微股东全部权益价值评估区间为10,000万元至26,200万元，最终协商确定投前估值为12,500万元，处于评估区间的下限，定价策略审慎合理。业绩承诺具备可实现性，核心团队稳定可控鑫雁微对未来四年的净利润作出明确承诺：2026年至2029年分别不低于1,000万元、1,300万元、1,700万元和2,200万元，累计不低于6,200万元。该目标具有合理性支撑：一方面，全球磁传感器市场在2024-2029年间的复合年增长率预计为19.7%，国产替代趋势显著；另一方面，鑫雁微的历史业绩持续改善，截至2026年1月31日，其不含代理业务的在手订单超过2,500万元，并计划在2026-2027年新增14家客户，预期销售金额合计达9,565万元。在核心团队稳定性方面，美芯晟已制定多项保障措施，包括与关键人员签订任职期限与竞业限制协议，防止技术与人才流失；同时设置2026年至2029年的分阶段业绩对赌及超额激励条款，以提升核心人员积极性；并建立常态化沟通机制，通过人员交流与客户共访等方式，推动双方管理文化融合，保障标的公司技术优势与业务连续性。美芯晟强调，此次收购是公司基于自身高性能模拟与数模混合技术优势，对标国际领先企业发展路径，紧抓智能传感领域发展机遇，完善智能感知产业布局的重要举措。从长远角度看，上市公司将依托此次并购所带来的协同效应，加快在汽车电子、机器人等高增长赛道的布局，目标是发展成为磁传感器领域的关键力量，推动智能感知技术在多场景下的规模化应用与持续创新。

光照条件如何制约纯视觉自动驾驶的发展纯视觉感知系统依赖于环境光反射，本质上是一个被动测量装置。与激光雷达等主动传感器不同，摄像头不主动发射能量，其采集的所有图像信息均来源于太阳、路灯或车辆灯光反射回的光信号。这种工作模式类似于人眼的感知机制，当光线充足、分布均匀时，摄像头能够清晰捕捉颜色、纹理和语义信息。这些信息在交通标志识别、车道线判断以及复杂交通意图理解方面具有独特优势。然而，当光照条件恶化，如夜间或极端天气下，这种被动感知方式的局限性便显现出来。相比之下，激光雷达具备主动发射激光脉冲的能力，通过测量脉冲往返时间来计算目标位置。这种主动探测机制赋予其在无光环境下仍能保持高精度感知的优势，且不受外部光源干扰。在低光照环境中，摄像头面临的核心挑战是信噪比（SNR）的下降。光子数量减少，使得传感器接收到的有效信号可能被热噪声淹没。为提升图像亮度，系统常采用延长曝光时间或增加ISO值的方式，但这些手段在动态场景中易引发图像模糊或噪声加剧。延长曝光时间会导致运动模糊，使移动目标轮廓变得不清；而过高的ISO值则引入大量随机噪声，影响神经网络对关键特征的提取。这些因素共同限制了纯视觉系统在暗光条件下的性能表现。环境介质对光传播的干扰自动驾驶并非在真空中运行，光线在传播过程中需穿过大气环境，而雨、雪、雾等天气条件会对光波路径造成显著影响。雾气主要通过米氏散射（Mie Scattering）干扰视觉感知。雾滴尺寸与可见光波长相近，导致光波向多个方向散射。这不仅削弱了远距离目标的可见性，还降低了图像对比度，使摄像头难以精准识别行人轮廓或车道线。雨天场景中，雨滴作为微型透镜，会折射和反射光线，导致图像局部失真和伪影。此外，雨滴附着在摄像头保护玻璃上，可能引发严重的散焦效应，使关键区域模糊不清。雪天则带来对比度缺失与物理遮挡的双重挑战。强光条件下，高反射率的雪地易导致图像过曝；而在阴天，雪地与白色车辆或路标之间的色差微弱，使目标难以区分。积雪覆盖镜头更可能造成系统“致盲”，这是软件无法解决的硬件问题。这些物理干扰削弱了纯视觉系统对三维空间的建模能力。与激光雷达相比，摄像头依赖像素点进行概率推断，而光线在传播过程中的损耗，往往切断了其赖以构建感知的信息链。图像信号处理器：被忽视的信息损耗环节即使光线成功被传感器捕捉，原始电信号（RAW数据）到最终处理图像（RGB图像）之间仍需经过图像信号处理器（ISP）的处理。车载ISP的调校目标主要满足人眼视觉舒适度，例如提升色彩饱和度、减少噪点等。然而，这种优化对于机器视觉来说并非最优。在低光照或高动态范围（HDR）场景中，ISP的处理流程可能抹除微小的纹理细节，使得图像呈现“平滑化”特征。深度学习模型依赖像素梯度识别物体边界，而ISP引入的噪声抑制和细节模糊会削弱模型对边缘特征的感知能力。此外，HDR处理在多帧合成过程中可能引入运动伪影，尤其在高速行驶场景中，目标位置的不确定性显著增加。ISP执行的色调映射和伽马校正本质上是将20位或24位动态范围压缩到8位或10位显示范围，这个过程压缩了关键的亮度信息，造成不可逆的数据损失。这种处理方式削弱了视觉系统在极端光照条件下的感知能力。当前，部分技术方案正尝试绕过传统ISP，直接使用RAW数据进行端到端训练，以保留传感器的原始信号。这一趋势表明，传统图像处理流程在应对复杂光照场景方面存在明显局限。深度学习的感知边界纯视觉自动驾驶依赖深度神经网络，但模型性能高度依赖训练数据的分布。在光照条件显著恶化的情况下，算法的认知能力容易出现偏差。卷积神经网络（CNN）和Transformer模型主要依靠像素间的对比度梯度提取特征。然而，在强逆光或远光灯直射下，传感器可能出现眩光和溢出（Blooming）现象。这些光信号异常会干扰目标轮廓识别，导致模型忽略障碍物。单目摄像头通过“近大远小”或路面纹理变化估算距离。但在夜间，纹理信息丢失，目标特征模糊，使得深度估计误差放大，从而影响制动决策。更深层的问题在于，当前视觉模型本质上是一种“模式匹配”机制。如果训练集中99%的样本为光照良好的场景，模型会形成偏见。当遇到极端光照或罕见轮廓时，模型可能错误判断为无害物体，这种泛化能力的缺失是实现L4级以上自动驾驶的重要障碍。

基于LES20-SHT40-S2-RS485的温湿度智能管控系统在花卉温室中的应用方案在现代农业中，设施园艺作为提升种植效率和质量的关键环节，发挥着越来越重要的作用。其中，花卉种植因其对环境条件的高度依赖，成为设施园艺中附加值较高的代表领域。花卉的健康生长与成品质量，直接受温湿度环境的精确控制影响。当前，国内多数花卉温室仍依赖人工巡检与手动调控的传统管理方式。这种方式存在响应滞后、精度不足、效率低下等显著缺陷。随着种植规模的扩大和管理复杂度的提升，传统模式已难以满足花卉种植对环境控制日益提高的需求。传统管控模式的主要问题1. 多区域环境差异难以有效管理花卉种植常因品种差异而分区栽培，各区域所需的温湿度范围不尽相同。传统人工巡检无法实现多点位同步监测，造成管理盲区，进而影响花卉的生长效果和产品一致性。2. 对异常变化反应迟缓，风险控制能力弱温湿度作为动态环境变量，容易因气候、通风和灌溉等因素发生变化。人工巡检的间断性使得参数异常难以被及时发现，往往等到花卉表现出生长异常时，已经造成品质下降和经济损失。3. 管控效率低，人力与运营成本高大规模温室管理需要大量人工参与，不仅增加了人力成本，也难以保障管理的规范性与一致性，严重制约种植效益的提升。基于 LES20-SHT40-S2-RS485 的智能温湿度控制系统本系统以 LES20-SHT40-S2-RS485 工业级温湿度变送器为核心构建智能环境控制系统，形成“感知—传输—控制—执行—管理”于一体的闭环管理架构，实现温室环境的自动、精确与高效控制。多区域环境监测模块系统配置两路瑞士 SHT40 温湿度探头，可分别部署于不同种植区域，实现同步采集与实时监测。采样周期为1秒，可捕捉环境的细微变化，数据支持本地显示及分区轮显，满足现场可视化监控需求。数据传输与智能控制模块采集数据通过 RS485 总线，以 Modbus RTU 协议传输至智能控制器。用户可根据不同花卉品种的生长需求，设定温湿度阈值，系统在数据超出阈值时自动触发报警并下发控制指令，驱动末端设备进行调整。同时，系统支持远程接入管理平台，实现参数配置、数据查看与历史追溯。终端执行模块系统可集成加温设备、降温风机、加湿器与除湿机等环境调控装置，依据控制指令精准调节，确保环境始终处于花卉生长的最佳状态，实现种植过程的环境标准化。LES20-SHT40-S2-RS485 的核心技术优势该变送器针对温室种植环境进行了深度优化，具备多项关键性能。高精度测量，数据稳定性强采用瑞士 SHT40 传感芯片，测量精度为 ±0.2℃（温度）与 ±1.8% RH（湿度），分辨率达 0.1℃/0.1% RH，确保在复杂工况下仍可提供稳定、可靠的数据支持。工业级硬件，适应复杂环境设备采用 32 位 ARM 处理器，并配备软硬件双重看门狗机制，保障稳定运行。其工作温度范围为 -40℃~85℃，可承受 0%~95% RH（无凝露）环境。内部电路采用硅橡胶防护，传感器配备防水透气壳体，具备良好的抗湿抗干扰能力。此外，宽电压输入（DC 9~36V）可适配多种供电条件。灵活配置，功能扩展性强支持本地按键与专用配置软件双通道参数调整，参数保存于 Flash 中，保障数据安全。通信协议兼容 Modbus RTU，可无缝对接 PLC、组态系统与物联网平台，适用于各类温室的智能化升级。完善的报警与安全机制设备具备声光报警功能，异常数据可触发本地报警并显示提示图标。内置回落逻辑（温度 0.5℃，湿度 3.0% RH）可减少误触发，提高设备控制稳定性。同时支持按键锁功能，防止误操作。系统应用带来的价值与效益1. 提升种植质量，降低风险通过全天候、高精度的环境监测与闭环控制，系统将温湿度稳定在花卉最佳生长范围内，有效预防烂根、僵苗、病害等生长问题，提高成品率与品质一致性。2. 降低运营成本，提高管理效率自动化控制显著减少人工投入，同时通过精准控制减少设备空转，实现种植过程的节能降耗。3. 推动标准化管理，助力规模化发展系统支持多区域标准化管控，建立可复制、可追溯的种植管理体系，为种植企业规模化扩张与品牌建设提供技术保障。系统特点与适用场景该智能控制系统不仅解决了传统温室环境管理中的核心问题，还具备高度的技术可靠性与经济实用性，是花卉种植智能化转型的理想选择。典型适用场景包括： 多品类花卉温室种植 日光温室与连栋温室 设施园艺育苗与组培苗炼苗环境 中药材与高附加值经济作物种植 规模化种植基地的标准化环境管理体系

印度移动应用市场正从“规模驱动”迈入“价值驱动”阶段，呈现出成熟市场特征。2025年全年下载量达255亿次，同比增长4%，但较此前高速扩张明显趋稳；与此同时，总使用时长达到1.23万亿小时，同比增长9%，人均年使用时长超过840小时，表明用户粘性持续增强。更关键的是，应用内购收入突破10亿美元，同比增长27%，预计2026年将升至12.5亿美元，显示变现能力进入加速释放阶段 。 用户行为层面，增长逻辑已从“安装驱动”转向“习惯驱动”。当前印度用户平均每月使用23个应用、每日活跃8个应用，日均使用时长达3.4小时。高频场景集中在支付、电商、内容与出行等刚需服务，这些应用逐步嵌入日常生活，形成稳定使用闭环。社交与工具类仍占据近千亿小时级别使用时长，但增长动能明显向AI、短视频、外卖及出行等新场景迁移 。 从结构上看，非游戏应用已成为经济核心支柱。工具与效率类、媒体娱乐和社交媒体构成主要收入来源，其中工具类收入达2亿美元以上，同比增长53%；生成式AI虽基数较低，但收入增速高达242%，成为最具爆发力细分赛道。同时，电商平台通过会员订阅与内容付费实现变现突破，例如电商类收入同比增长358%，显示商业模式正从交易佣金向服务化收入延伸 。 下载结构呈现“基础应用托底+新兴赛道拉动”的双轨格局。工具与效率类占据超过三分之一下载量，但增长最快的却是生成式AI、教育、短剧内容与即时配送等领域。其中AI应用下载增长超过4亿次，成为最大增量来源，反映用户需求从基础功能向效率提升与内容消费升级转变 。 区域与人口结构进一步塑造市场格局。二三线城市成为新增用户主力来源，部分头部应用超过30%用户来自低线城市；同时，18至34岁用户占据主导，多个品类中占比超过60%。性别结构则呈现男性主导特征，在AI、娱乐、旅游等领域男性占比高达70%-80%，但电商与教育更接近平衡，显示消费型应用具备更广泛渗透能力 。 竞争格局方面，头部平台仍掌握规模优势，但增长红利正在向垂直玩家倾斜。短剧平台、即时配送、金融科技及AI工具等细分领域持续涌现高增长应用，这些产品通过高频刚需场景切入，在留存与使用频次上优于综合型平台，体现出“以场景深度替代平台广度”的竞争逻辑。 总体来看，印度移动应用市场已完成从用户扩张到价值深化的关键转折。未来增长将更多依赖高频使用场景、订阅与服务收入以及区域下沉能力。随着AI、即时服务与本地化内容持续渗透，印度有望从“全球最大流量市场”进一步演进为“高频消费与多元变现并存的数字经济核心市场”。 u200b文档链接将分享到199IT知识星球，扫描下面二维码即可查阅！ 更多阅读：Sensor Tower：2021年欧洲零售应用报告Sensor Tower：2022年移动游戏应用报告Sensor Tower：2022年欧洲健康和健身应用报告Sensor Tower：2023年欧洲健康和健身应用报告Sensor Tower：2021年生活方式应用报告Sensor Tower：2023年第一季度应用报告Sensor Tower：2023年流媒体应用报告Sensor Tower：2023年美国零售应用报告Sensor Tower：2017年App Store和Google Play收入435亿美元CAMIA：2018.5.30-2018.6.05东南亚TOP40的应用和游戏数据周刊Sensor Tower：2020上半年全球应用收入500亿美元Sensor Tower：2019年7月TikTok应用内购收入达到1170万美元Sensor Tower：2022-2026年移动市场预测Sensor Tower：2021年第三季度全球移动应用报告Sensor Tower：预计一款应用需要在某天有约15.6万次下载才能登上榜首

了解 Ultralytics Platform：一个集数据标注、计算机视觉模型训练与生产级视觉 AI 部署于一体的一站式工作空间。 深圳2026年3月18日 /美通社/ -- 今天，Ultralytics Platform迎来正式发布，全面简化从数据到部署的视觉 AI 工作流程。过去，构建和部署计算机视觉系统往往需要在数据标注、模型训练以及生产部署等多个环节之间拼接使用不同的工具，流程复杂且效率低下。 全新的Ultralytics Platform，将完整的视觉 AI 生命周期整合于统一环境。无论是个人开发者还是团队，都可以更高效地完成数据标注、模型训练，并快速部署生产级视觉 AI 系统。 该平台的设计与功能，源自我们社区用户、开发者，以及一线部署视觉 AI 系统团队的真实反馈，致力于打造真正贴合实际需求的高效解决方案。 Ultralytics Platform 我们始终密切关注视觉 AI 社区的反馈，发现在开发者们在实际操作中，普遍会遇到数据准备繁琐、部署流程复杂，以及机器学习工具零散不统一的问题。简单来说，要把视觉AI模型真正落地到实际场景中，操作起来远比想象中麻烦。 团队仍需花费大量时间管理数据集、协调各类工具、为不同环境适配模型，以及在系统部署后进行监控。而Ultralytics Platform的诞生，正是为了简化这一流程，加速从模型开发到实际场景部署的全流程进度。 从研究成果走向真实世界应用 过去十年，计算机视觉领域取得了长足发展。曾经只存在于研究实验室中的技术，如今已在各个行业的实际应用系统中发挥作用。 深度学习、开源工具以及计算基础设施的不断进步，让开发者们更容易搭建出精准、可靠的视觉AI模型。也正因为如此，越来越多的企业开始将计算机视觉技术融入自身的产品和服务中。 比如，视觉AI能够实现制造业质量检测的自动化，驱动机器人系统运行，为零售分析提供支持，还能让物流运营变得更智能。可以说，计算机视觉正迅速成为企业构建智能化、数据驱动系统的核心能力之一。 尽管打造高性能模型变得前所未有地容易，将这些模型真正转化为能在真实环境中稳定运行的可靠系统，仍然充满挑战。AI开发团队往往需要处理海量数据、协调多款开发工具、为不同的部署环境适配模型，才能最终实现业务价值的落地。 目前视觉 AI 技术栈的核心痛点 在与众多开发视觉AI系统的开发者、初创企业及企业客户深入合作的过程中，我们发现了几个反复出现的核心痛点。尽管如今训练高性能模型已变得更加容易，但要打造稳定、可落地的应用，整体工作流程依然复杂且难以高效管理。 以下是当前团队普遍面临的几大核心痛点： 数据标注瓶颈：高质量的视觉模型离不开大量标注规范的数据集。但收集、标注并维护这些数据，往往需要投入大量人力成本，而且随着数据集规模扩大，管理难度也会不断增加。 边缘部署鸿沟：模型训练完成后，要让它在不同设备、不同硬件配置和生产环境中稳定运行，会带来新的复杂度，还需要额外的基础设施支持。 工具碎片化成本：很多团队会使用不同的平台分别处理标注、模型训练、实验跟踪和部署工作。管理这些相互独立的工具，不仅会拖慢开发进度，也分散了团队对核心视觉应用本身的关注。 这些障碍减缓了计算机视觉模型落地为实际应用系统的步伐，也正是基于这些真实挑战，Ultralytics Platform 的设计应运而生。 Ultralytics Platform：从数据到部署，一站式搞定 Ultralytics Platform的设计初衷，就是将整个视觉AI工作流整合到同一个环境中。无需在标注、训练、部署等不同环节切换各类工具，团队如今可以在单一环境内，完成计算机视觉全生命周期的管理。 借助 Ultralytics Platform，开发者可以轻松完成数据集上传与管理、图像与视频标注、训练包括 Ultralytics YOLO 在内的视觉模型，并直接部署生产级系统，全程无需在多个服务之间来回切换。各个流程环节无缝衔接，让团队能更高效地从原始数据，快速落地到实际应用中。 在 Ultralytics Platform 中标注图片的示例 这种一体化的设计，有效降低了视觉 AI 开发中常见的运维复杂度。通过简化数据、模型及部署流程的管理方式，Ultralytics Platform 让开发者和企业能将重心聚焦于打造与扩展真实场景下的视觉 AI 解决方案。 Ultralytics Platform 核心功能亮点 Ultralytics Platform 集成了构建、训练并规模化部署视觉 AI 系统所需的全部核心工具，助力团队实现从开发到规模化落地的全流程闭环。 核心功能概览： 智能数据标注：平台内置高效标注工具，加速数据集创建。支持基于 Segment Anything Model（SAM）的智能标注、用于快速定位关键点的姿态骨架模板，以及自定义快捷键，全面优化标注流程。 原生支持 Ultralytics YOLO 模型训练：开发者可直接在平台内训练 Ultralytics YOLO26、Ultralytics YOLO11 等计算机视觉模型。训练过程支持实时监控，团队可随时追踪关键指标、对比实验结果，并评估模型性能。 灵活多样的部署方案：根据不同的项目需求，平台提供多元化的部署路径。模型可导出为 17 种经过验证的格式（如 ONNX、TensorRT、CoreML、TFLite 及 OpenVINO 等）以适配外部环境；也可通过共享推理服务快速测试及搭建轻量应用；或依托覆盖 43 个全球区域的专属推理端点，实现规模化生产部署。 内置监控系统：平台配备集中式仪表盘，帮助团队实时监控请求量、延迟、错误率及系统健康状态，确保对模型在真实生产环境中的表现全程可视、可控。 立即上手体验 Ultralytics Platform 现在就可以通过免费方案体验 Ultralytics Platform，方案包含云端训练额度，可直接使用数据集管理、标注、模型训练及部署等核心功能。随着项目推进，团队还可以升级至更高级的方案，获取更多计算资源、存储空间、协作功能以及部署能力。 平台采用灵活的积分制，用于云端训练与托管部署。开发者和企业可以在平台内高效开展实验、训练模型并部署视觉 AI 系统，同时实时追踪资源使用情况，实现更精细化的成本与效率管理。 引领视觉 AI 新未来 Ultralytics Platform 承载着我们一直以来的使命：让强大的视觉 AI 工具触手可及。通过打通从数据到部署的全流程，帮助团队更快将创意转化为真实世界中的 AI 应用。我们也期待全球视觉 AI 社区在此之上创造更多可能。 欢迎加入我们的社区与 GitHub 仓库，深入了解 AI 的更多应用与实践。浏览我们的解决方案页面，探索 AI 在物流与制造业中的实际应用场景。了解我们的授权方案，即刻开启你的视觉 AI 项目。

该奖项彰显了DXC的地位：作为可信赖的合作伙伴，助力全球企业实现现代化运营并推进AI应用 弗吉尼亚州阿什本2026年3月18日 /美通社/ -- 领先的企业技术与创新合作伙伴DXC Technology（纽约证券交易所股票代码：DXC）连续第四年入选福布斯2026年美国最佳管理咨询公司榜单。该年度榜单旨在评选出在多个行业和职能领域内，获得客户和业内同行最高推荐的咨询公司。 DXC_Technology_Company_DXC_Recognized_on_Forbes__2026_List_of_Am DXC的入选反映出该公司在咨询和AI主导型转型方面持续发挥着领导作用。 近几个月来，DXC推出了AdvisoryX——全球咨询顾问团队，它将咨询主导型参与模式与该公司的工程传承相结合，以帮助企业应对复杂挑战并实现大规模转型；发布了Xponential，这是一个可重复的AI编排蓝图，旨在帮助组织超越试点阶段，安全、负责任地实现AI运营，并产生可衡量的业务影响；并启用了其伦敦客户体验中心，客户可以在该中心与DXC专家共同创建涵盖自动化、生成式和代理式AI、安全、企业应用及基础设施领域的解决方案。 咨询与工程服务总裁Ramnath Venkataraman表示："获得福布斯的认可，反映了DXC咨询业务的实力以及客户对我们能够产生切实业务影响的信任。 在全球各地和各个行业，我们帮助企业实现核心IT现代化，并将AI愿景转化为真正的业务价值。 随着对AI需求的加速，许多企业仍在探索如何负责任地将其规模化。 DXC帮助企业构建所需的各项能力，从而满怀信心地向前迈进。" 该排名基于对咨询行业同行及跨行业、跨职能类别客户的调研，由福布斯与Statista合作编制。 在2025年的排名中，福布斯指出，根据对33个类别的2,400名客户和同行的调查，美国约95.5万家咨询公司中，仅有不到0.02%的公司入选。 DXC持续获得认可，反映了公司在为企业及公共部门组织提供行业特定专长和技术主导型转型方面的发展势头。 DXC拥有约115,000名员工，其中包括遍布70个国家/地区的近50,000名工程师和顾问，帮助客户解决数字化转型、IT战略与实施、云、数据及AI领域的复杂业务挑战。 如需了解更多关于DXC咨询与工程服务的信息，请点击此处。