
近日,阿里云联合英伟达与英迈中国,在北京举办视觉计算私享会。千寻位置运营专家周倬受邀出席,在会上分享了三维实景重建的云上实践。
作为国内时空智能领域的开创者,千寻位置成立于2015年8月,为全球用户提供高精度定位及延展服务。
周倬介绍,千寻位置建设了遍布全球的卫星地基增强站网,接收来自五大卫星系统的数据,卫星数据穿过平流层、对流层、电离层传回地面,中间会产生诸多误差,需要对数据进行还原,误差模型的计算需要强大运算能力的支撑,阿里云云上GPU为千寻提供了强大稳定的计算服务保障。

(千寻位置的时空智能服务能减少卫星定位误差)
除了高精度位置服务,千寻位置还为市场提供三维实景建模服务:云端3D高精度实景重建平台“千寻云图(FindPixel)”,助力三维实景中国建设计划。
三维实景重建的主要手段,即由低空飞行器如无人机,结合可见光相机以及高精度的定位能力,将二维照片转换成三维模型。据预测,2021年全球总航片处理需求约20亿张,并以300%以上的速度持续增长。
三维实景重建对于生产生活有着重要意义。周倬介绍,FindPixel目前的落地应用众多,如土建、矿业、垃圾填埋等土建工程;为抗灾救援提供可视化数据支持;以及未来城市的城市治理等。
应急救灾争分夺秒,此前安徽寿县曾发生洪灾,FindPixel迅速生成完整的灾区现场三维实景图,计算滑坡量或决堤需要的填埋量,为应急救援提供了重要依据,加快了救援工作。

(决堤口所需填埋量分析)
技术人员还利用FindPixel建模结果,对洪水淹没的进程进行分析,预测未来15分钟、30分钟、1小时内的洪灾受灾区域,提前安排救灾顺序。

(洪灾淹没分析截图)
在航片三维重建的过程中,数据计算的工作量远大于数据收集本身。周倬介绍,平均一架低空飞行器在外收集回来的数据,原本通常需要花收集时间15倍以上的时间来处理,借助海量的云端算力,FindPixel能够完成数十倍的效率提升。
三维重建的两个核心计算过程分别为空三计算与建模计算,除了云上CPU与GPU的海量算力支持,云的弹性也为千寻节省了成本,避免在需求波谷的时候有大量机器闲置。周倬表示,“我们往往需要同时调起上千张GPU卡才能满足效率要求,弹性的计算可以最高效率完成模型重建,所以算力云化的概念是整个FindPixel对于效率和成本最优化的解决基础。”

地理测绘、三维重建等技术,正在快速落地到农业、电网、港口、交通、城市治理、航空等诸多行业。千寻位置将与阿里云一起,以领先的时空智能与云计算技术,推动产业智能化发展。
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。