绿水青山就是金山银山。“十四五”时期,生态环境保护工作受到高度重视,生态环境部《关于优化生态环境保护执法方式提高执法效能的指导意见》指出,要大力扩展非现场监管的手段及应用,推行视频、AI、物联网等技术手段,并将其作为日常执法检查的重要方式。
河北作为重工业大省,紧邻京津,环境治理任务艰巨。为了加强环保监管能力,提高科学决策水平,河北省生态环境厅携手紫光云,打造智慧环保视联云,利用云平台及视频AI算法,实现了全省各类重污染企业生产状态的智能化监测,大幅提高了环保部门的非现场监督、取证和执法能力。
高质量发展新时期,河北省环保监管面临着全新挑战,环保监管面临四重难关:
发现难:工业企业数量多、分布广,精细化和过程化治理需要更多的基层人员执行,执行到位难度高。
预警难:预警采用物联网、视频等手段,但企业生产流程多样,高度依赖人员的专业水平,存在大量人力缺口,预警能力难以满足业务发展需求。
监管难:非现场监管需要以更大的深度和力度推广,物联数据+视频数据双监测需要创新。
查处难:远程调阅视频时无法快速挖掘关键数据,仍需大量重复性的人工操作,数据价值有待进一步挖掘。

视联环保监测平台领导驾驶舱
全新云服务模式兼容并包
针对河北省生态环境厅面临的难题,紫光云以全新的云服务模式,充分拉动社会力量共建共营,基于河北广电合营云的云网一体化能力,通过环保视联云专用网络将企业现网视频设备接入到全省一体化的云服务资源体系中,打造了在线、实时双监测的智慧环保视联云。
开放式视联云服务:环保视联云支持多种视频终端接入,充分利旧,大幅降低接入难度和使用成本,有助于河北省生态环境厅推动环保视联云规模落地。同时,视联网所有业务均提供开放API,可实现无代码集成,快速对接传统应用,推动环保监管的数字化转型。
开放全场景云服务:环保视联云提供全开放云化接口,让视频数据价值持续赋能各类环保业务应用。河北省生态环境厅可根据场景灵活搭建,持续迭代基于数字化、自动化、智能化的环保监测能力,推动环保业务的科技创新。
全省一体化云存储:面对远程调阅、证据留存等需求,紫光云规划省市两级存储方案解决全省一体化存储对资源的巨大需求。市级云支持普通企业存储30天、重点企业关键点位存储60天,省级云支持关键数据留存90天,并且可实现冷热数据的自动迁移,帮助河北省生态环境厅优化存储成本。此外,基于河北广电的网络能力,环保视联云支持云端调阅视频、图像毫秒级延迟,让观看体验更加流畅。
视联云+AI 让监测会思考
基于强大的环保视联云底座,紫光云不断强化AI算法的场景能力,深入河北省水泥、钢铁、玻璃、制药等十余个重污染行业调研,充分了解其生产流程、关键环节等信息,基于不同企业的生产模式,开发与之匹配的AI算法,以环保视联云+AI帮助环保部门解决行业知识门槛高、执法效率低的实际难题。
比如水泥企业,紫光云开发运动检测算法,通过判断核心生产设备回转窑的运动状态、窑炉的点火状态来分析水泥厂的生产状态。同时,对于视频遮挡、模糊、抖动等异常行为,紫光云提供视频质量智能运维能力,可自动管理百万视频终端,减少运维工作量。
环保视联云与AI技术的双剑合璧,真正实现了让数据多跑路,工作人员少跑腿,帮助管理部门7*24小时无缝监督重污染企业生态状态,准确掌握企业减排减产的落实情况。
随着环保视联云的落地运营,河北省环保监管正在从过去的 “事后响应”迈向“事前预警”,大大提高了生态环境保护管理水平。未来,紫光云视联云将基于云边协同一体化云架构,为更多政府、企业用户提供开放兼容、智能原生、可靠高能的云边协同视频解决方案,以云数为底座、以智慧之眼感知万物,用云与智能的技术加速创新,为美丽中国的建设提供强大的“云服务”。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。