人工智能轨道交通行业周刊-第59期（2023.9.4-9.10）

本期关键词：无锡智慧地铁、无人车站、钢轨打磨、混元大模型、开源大模型

1 整理涉及公众号名单

1.1 行业类

• RT轨道交通
• 人民铁道
• 世界轨道交通资讯网
• 铁路信号技术交流
• 北京铁路
• 轨道交通网
• 上榜
• 铁路视点
• ITS World
• 轨道交通联盟VSTR
• 铁路与城市轨道交通RailMetro
• 轨道世界
• 铁路那些事
• 铁路技术创新
• 智慧交通
• RTAI智慧城轨网
• 轨道交通智能装备
• NE轨道交通
• 铁路供电
• 上海铁道
• 兰州铁路
• 中国地方铁路协会
• 铁路社评
• 轨道部落
• 现代轨道交通
• 城市地铁
• 捡瓶子的小灰灰
• 马公子的杂货铺

1.2 人工智能类

• 江大白
• 糙科技
• 新智元
• AI科技评论
• 智东西
• 量子位
• 我爱计算机视觉
• 极视平台
• 人工智能学家
• AI前线
• 当交通遇上机器学习
• 计算机视觉life
• 新机器视觉
• 雷锋网
• 人工智能产业发展联盟AIIA
• 自动驾驶之心
• 笔记侠
• 夕小瑶科技说
• 水木人工智能学堂

2 数字轨道

（1）无锡地铁丨AI赋能，让智慧城轨生动可感

导读：无锡地铁借助数字化解决方案，将物联网、云计算、AI、大数据等技术应用于智慧地铁建设发展，在建设线路中完成多个智慧项点综合应用示范，依托自动化、信息化技术打造智慧运营体系，依托城轨云、大数据平台打造数字底座，依托BIM管理平台加快数字建造，多场景、深层次地探索网络化、绿色化、智能化技术与城轨交通融合，推动无锡轨道交通高质量发展和数字化转型升级。

（2）穿越了？这些火车站空无一人！

导读：在我国的万里铁道线上，除了办理客货运业务的车站外，还分布着一些非营业的中间站，其中有一些就是所谓的无人车站。那么这些车站有哪些作用？如何指挥调度？如何进行日常维护？

（3）城市轨道交通FAO线路智能调度指挥体系分析与建议

导读：本文通过对FAO线路运营管理和调度指挥体系变化进行分析，结合FAO线路智能调度系统架构和功能，对FAO线路智能调度指挥体系提出建议，理清调度管理工作任务和人员工作职责，为后续城轨运营企业FAO线路的运营管理及调度指挥提供思路。

（4）全路首套正式使用

导读：应用一对一柔性传感技术，全天候监控钢轨运输安全，经过6个多月的试用改良，8月31日，由上海局集团公司工务部、上海工务大修段联合研发的长钢轨运输位移实时监控装置正式投入使用，该装置填补了长钢轨运输途中无法监控位移状态的空白。

3 轨道知识

（1）铁路钢轨是如何打磨的

导读：本文对钢轨常见的病害进行了介绍，以及如何通过钢轨打磨去除这些病害，恢复钢轨到最佳廓形。常见的打磨方式主要有三种：滑靴式打磨，砂轮式打磨和铣磨，这些打磨方式分别是什么样的呢？

（2）【联合】铁路系统内部结合部

导读：在铁路日常安全管理中，尝尝会出现部门与部门之间或人与人之间在安全管理上有相互交叉的部分，大家一般把这类管理中的交叉部分称为结合部。电务专业与其他专业的设备结合部较多，在铁路信号维护工作中结合部设备是维护的重点。

 

（3）火车迷丨这些安全防护套装，你认识几个

导读：铁路供电人，经常需要检修供电设备，做好个人安全防护必不可少，今天小编带大家一起来认识一下，他们的安全防护套装

4 AI产业

（1）腾讯混元大模型来了！上手实测

导读：在腾讯一年一度的全球数字生态大会上，腾讯自研大模型的神秘面纱终于揭开。随着“百模大战”在我国打响，大模型在场景中的实战检验效果成为产业关注焦点。腾讯本次交出了什么样的“答卷”？作为2018年起就不断传出大模型进展的科技公司，腾讯对大模型有什么样不同理解和布局？

（2）一文解读大模型外挂(向量)知识库

导读：如果我们想往大模型里边注入知识，最先能想到的就是对大模型进行微调。如果不微调的话，还可以利用外挂数据库的方式让大模型利用额外的知识的，比如向量数据库或者是图数据库，本文主要讲解大模型如何外挂向量数据库，让大模型利用额外的知识。

 （3）1800亿参数，世界顶级开源大模型Falcon官宣！碾压LLaMA 2，性能直逼GPT-4

导读：一夜之间，世界最强开源大模型Falcon 180B引爆全网！1800亿参数，Falcon在3.5万亿token完成训练，直接登顶Hugging Face排行榜。基准测试中，Falcon 180B在推理、编码、熟练度和知识测试各种任务中，一举击败Llama 2。

（4）百川智能开源最新商用大模型！王小川：比LLaMA更香，下一枪打ChatGPT

导读：保持一个月新发布一次大模型的频率，百川智能最新开源微调后的Baichuan2-7B，并且免费商用。王小川表示，MMLU等英文评估基准的英文主流任务评分，70亿参数量的Baichuan2-7B在英文主流任务上与130亿参数的LLaMA2相当。一并开源的还有Baichuan2-13B、Baichuan 2-13B-Chat与其4bit量化版本，以及模型训练从220B到2640B全过程的Check Poin。