天行大数据

① 天行健公司企业标签文化理念设计

天行健商业策划企业赋能平台：区域内首家企业组织及老板全套解决方案赋能机构

市场背景 ：在商业环境飞速变化、商业变革步伐更加迅猛的当下，单纯依靠技术、产品、营销等技能的提升已无法满足企业笑做成长诉求。

企业需要一种能力，将商业大环境中新的视野、新的模式与企业原有的能力融衡李合内化并持续迭代，

天行健将这种能力称之为“企业学习力”，如今，企业学习力已成为企业竞争力的内核。

1、目标用户：中小企业老板、公司员工、中型实体企业的相关HR管理人员

2、 公司定位：赋能中小企业————  公司内部员工：分公司及代理公司高管，中小型实体企业的相关管理人员

3、公司远景：平台赋能、共同奋斗、相互成就、生生不息！

 4、一句话卖点（slogan）；随时随地，启发新思维！

公司特点；

线下沙龙（微课堂）提供自适应学习（1VS1解决用户痛点）

天行健商业策划赋能平台是一家碰拦衡创新学习生态发展平台！

核心理念：聚人、聚智、聚气  

共振：由内而外，逐层深入，逐渐形成生态闭环

企业文化：共鸣、共识、共行、共赢

平台旗下核心产品；1、英盛网--在线非学历成人职场教育  2、大脑银行--总裁商学院（企业自运转）3、腾讯社交广告 4、小程序开发  5、大数据精准运营（toc）  

② 诛仙 流波卖护符配方的人在哪

流坡晚上10点后刷出卖护符配方的，和河阳城一样，是移动的，路线是稿贺渡口键带派到行哪凤歌台一带你可以在中间桥中等着一般5分钟就到达

③ 这款美的空调为什么在网上查不到啊

因为美的线下的款式是专门线下卖的，与线上是是不一样的，线上是专门卖线上款式的，要不然线上线下就互相打击了。

美的空调，隶属于美的集团，是集家用、商用空调产品开发、生产、服务于一体的经营平台。除广东顺德总部外，美的空调在广州、芜湖、武汉、邯郸、重庆建有生产制造基地，产品畅销全球150多个国家和地区，连续7年出口第一。

美的空调的两大核心部件使用的是肆和历GMCC美芝压缩机和威灵电机，均为美的集团旗下的全球最大的空调压缩机企业和电机公司[2-4]。2020年7月14日，国家知识产权局发布的第二十一届中国专利奖结果，美的空调的变频空调压缩机技术获"中国专利金裂搜奖"。

美的空调发展历史：

美的集团，创业于1968年，是一家以家电业为主，涉足房产、物流等领域的大型综合性现代化企业集团，旗下拥有两家上市公司、四大产业集团，是中国最具规模的白色家电生产基地和出口基地。

1980年，美的正式进入家电业；1981年开始使用美的品牌。美的集团员工近4.8万人，拥有美的、威灵等十余个品牌。除顺德总部外，美的集团还在国内的广州、中山、安徽芜湖、湖北武汉、江苏淮安、云南昆明、湖南长沙、安徽合肥、重庆、江苏苏州等地建有生产基地。

在国外的越南平阳基棚扰地已建成投产。美的集团在全国各地设有强大的营销网络，并在美国、德国、加拿大、英国、法国、意大利、西班牙、迪拜、日本、香港、韩国、印度、菲律宾、新加坡、泰国、俄罗斯、巴拿马、马来西亚、越南等地设有21个海外机构。

④ 完美世界升仙任务要找玄光宝鉴在那

在副霜城族虚后面．雪山背后有一闹穗搭块大白色石头．这块石头斜插在地里．有一半露出地面．就在那个石头下面．液拿你在附近跑跑．就是了．
PS：我也为这问题烦恼过很久．

⑤ 10X单细胞（10X空间转录组）降维分析之UMAP

UMAP ，全称uniform manifold approximation and projection，统一流形逼近与投影，是基于黎曼几何和代数拓扑的理论框架结构构建的。在处理大数据集时，UMAP优势明显，运行速度更快，内存占用小。Etienne Becht等人2019年在Nature Biotechnology上发表一篇文章将其应用在生物学数据上并阐述了UMAP在处理单细胞数据方面的应用和优势。

如果你不知道tSNE是什么，它是如何工作的，也没有读过2008年的革命性的van der Maaten & Hinton原稿，可以参考我的那文章 10X单细胞（10X空间转录组）降维分析之tSNE（算法基础知识） 。尽管tSNE对一般的单细胞基因组学和数据科学产生了巨大的影响，但人们普遍认为它有一些缺点，这些缺点很快将得到解决。（ tSNE的缺点在上次分享的文章中也做过详细的介绍 ）。

看看上面的图，我想说的是 t分布应该提供全局距离信息，因为它们将高维空间中相距较远的点推到低维空间中更远的点。

然而，这种良好的友派意愿被成本函数(KL-divergence)的选择所扼杀，我们将在后面看到其原因。

(1),可以显著降低计算时间高维图像由于求和或集成是一个代价高昂的计算过程。想想马尔可夫链蒙特卡罗(MCMC)它基本上是试图近似地计算在贝叶斯规则的分母上的积分（UMAP使用最近邻居的数量而不是perplexity）

(2)定义perplexity, UMAP则定义了没有log2函数的最近邻居k的个数，即:

UMAP使用稍微不同的高维概率对称

symmterization是必要的因为UMAP融合在一起的点与本地不同的指标(通过参数ρ),它可能发生图A和B节点之间的重量不等于B之间的权重和节点。为什么UMAP使用这种对称而不是tSNE使用的对称还不清楚。我将在下一篇文章(从头开始编写UMAP)中展示我对不同的对称化规则的实验，这并没有使我相信这是如此重要的一步，因为它对最终的低维嵌入式产生了很小的影响。
UMAP使用曲线族1 / (1+a*y^(2b))在低维中建模距离概率，不是完全的学生t分布，但非常非常相似，请注意再次没有应用标准化:

其中，对于默认UMAP超参数a≈1.93,b≈0.79(实际上，对好歼贺于min_dist = 0.001)。在实践中，UMAP从非线性最小二乘拟合到带有min_dist超参数的分段函数中找到a和b:

为了更好地理解曲线族1 / (1+a*y^(2b))的行为，让我们画出不同a和b的曲线:

我们可以看到曲线族对参数b非常敏感，在大的参数b处，在小的参数改厅y处，曲线族形成了一种高峰。这意味着在UMAP超参数min_dist之下，所有的数据点都是同样紧密相连的。由于Q(Y)函数的行为几乎像一个Heaviside阶跃函数，这意味着UMAP为所有在低维空间中相互靠近的点分配了几乎相同的低维坐标。min_dist正是导致在UMAP维数降低图中经常观察到的超密集集群的原因。

为了演示如何准确地找到a和b参数，让我们展示一个简单的分段函数(其中高峰部分是通过min_dist参数定义的)，并使用函数族1 / (1+a y^(2b))通过优化来拟合它。curve_fit来自Scipy Python库。作为拟合的结果，我们得到了函数1 / (1+a y^(2b))的初值a和初值b。

由于我们需要知道交叉熵的梯度，以便以后实现梯度下降，让我们快速计算它。忽略只包含p(X)的常数项，我们可以将交叉熵重新写一下，并将其微分如下:

图拉普拉斯、谱聚类、拉普拉斯Eignemaps、扩散图、谱嵌入等，实际上是指将矩阵分解和邻接图方法结合起来解决降维问题的同一种有趣的方法。在这种方法中，我们首先构造一个图(或knn图)，然后通过构造拉普拉斯矩阵用矩阵代数(邻接矩阵和度矩阵)将其形式化，最后分解拉普拉斯矩阵，即求解特征值分解问题。

我们可以使用scikit-learn Python库，并使用spectralembedded函数在演示数据集(即与癌症相关的成纤维细胞(CAFs) scRNAseq数据)上轻松地显示初始的低维坐标:

最后，UMAP使用随机梯度下降(SGD)代替常规梯度下降(GD)，如tSNE / FItSNE，这既加快了计算速度，又减少了内存消耗。

现在让我们简要地讨论一下为什么他们说tSNE只保留数据的局部结构。可以从不同的角度来理解tSNE的局部性。首先,我们有σ参数Eq。(1)本地数据点集这样互相“感觉”。因为成对欧几里得距离衰减指数的概率,在小的σ值,它基本上是零遥远的点(大型X)和快速增长仅为最近的邻居(小X)。相比之下,在大的σ,遥远而近点的概率成为限制可比和σ→∞,概率就等于1为所有任何一对点之间的距离,即成为等距点。

有趣的是,如果我们扩大成对欧几里得距离的概率高维度成泰勒级数在σ→∞,我们会在第二近似幂律:

关于两两欧几里得距离的幂律类似于多维定标法(MDS)的成本函数，MDS是通过保存每对点之间的距离来保存全局距离，而不管它们是相距很远还是很近。一个可以解释这个大的σtSNE远程数据点之间的相互作用,所以是不完全正确的说tSNE只能处理当地的距离。然而，我们通常会受到perplexity有限值的限制，Laurens van der Maaten建议perplexity的取值范围在5到50之间，尽管在局部信息和全局信息之间可能会有一个很好的折衷，那就是使用平方根≈N^(1/2)来选择perplexity，其中N为样本量。相反的极限,σ→0,我们最终的极端“局部性”高维概率的行为类似于狄拉克δ函数的行为。

另一种理解tSNE“局部性”的方法是考虑KL-divergence函数。假设X是高维空间中点之间的距离Y是低维空间中点之间的距离

根据kl -散度的定义：

方程(9)的第一项对于X的大小都是趋近于0的，对于X的大小也是趋近于0的，因为指数趋近于1，而log(1)=0。对于大X，这一项仍然趋近于0因为指数前因子趋近于0的速度快于对数趋近于负无穷。因此，为了直观地理解kl散度，只考虑第二项就足够了:

这是一个看起来很奇怪的函数，让我们画出KL(X, Y)

这个函数的形状非常不对称。如果点在高维度X之间的距离很小,指数因子变成1和对数项行为日志(1 + Y ^ 2)这意味着如果Y是在低维空间的距离大,将会有一个大的惩罚,因此tSNE试图减少Y在小X为了减少罚款。相反，对于高维空间中的长距离X, Y基本上可以是0到∞之间的任何值，因为指数项趋于0，并且总是胜过对数项。因此，在高维空间中相距遥远的点，在低维空间中可能会相互靠近。因此，换句话说，tSNE并不能保证高维空间中相距较远的点在低维空间中会保持较远的距离。然而，它确实保证了在高维空间中相邻的点在低维空间中保持相邻。所以tSNE不是很擅长远距离投射至低维,所以它只保留本地数据结构提供了σ不去∞。

与tSNE不同，UMAP使用交叉熵(CE)作为成本函数，而不是KL-divergence

这导致了地方-全球结构保护平衡的巨大变化。在X的小值处，我们得到了与tSNE相同的极限，因为第二项由于前因子和对数函数比多项式函数慢的事实而消失:

因此，为了使惩罚规则最小化，Y坐标必须非常小，即Y→0。这与tSNE的行为完全一样。但是，在大X的相反极限，即X→∞时，第一项消失，第二项的前因子为1，得到:

这里，如果Y很小，我们会得到一个很大的惩罚，因为Y在对数的分母上，因此，我们鼓励Y很大，这样，对数下的比率就变成了1，我们得到零惩罚。因此，我们在X→∞处得到Y→∞，所以从高维空间到低维空间的整体距离保持不变，这正是我们想要的。为了说明这一点，让我们绘制UMAP CE成本函数:

在这里，我们可以看到图的“右”部分看起来与上面的kl散度曲面非常相似。这意味着在X低的时候，为了减少损失，我们仍然想要Y低。然而，当X很大时，Y的距离也要很大，因为如果它很小，CE (X, Y)的损失将是巨大的。记住，之前，对于KL (X, Y)曲面，在X很大的情况下，我们在高Y值和低Y值之间没有差别，这就是为什么CE (X, Y)代价函数能够保持全局距离和局部距离。

我们知道UMAP是速度比tSNE担忧)时大量的数据点,b)嵌入维数大于2或3,c)大量环境维度的数据集。在这里,让我们试着了解UMAP要优于tSNE来自于数学和算法实现。

tSNE和UMAP基本上都包含两个步骤：

然而，我注意到UMAP的第一步比tSNE快得多。这有两个原因：

接下来，UMAP实际上在第二步中也变得更快了。这种改善也有几个原因:

在这篇文章中，我们了解到尽管tSNE多年来一直服务于单细胞研究领域，但它有太多的缺点，如速度快、缺乏全球距离保存。UMAP总体上遵循了tSNE的哲学，但是引入了一些改进，例如另一个成本函数和缺少高维和低维概率的标准化。

除了运行速度快，内存占用小等特点，UMAP在处理细胞学数据时还有一个大的优势，就是可以反映细胞群体之间分化的连续性和组织性。下面将通过文献中的数据【2】来为大家详细讲解。

对同一组数据分别进行tSNE和UMAP降维，该数据为多达30万个从8种不同组织富集得到的T细胞和NK细胞的样本，并使用Phenograph聚类把细胞分为6大类，每种颜色代表一种细胞。从图中可以看出，UMAP和tSNE都可以较好地把不同类别的细胞分开。但tSNE倾向于把相同细胞群划分为更多的群，如图显示，黑色圈中CD8 T细胞，在tSNE结果中，群数更多，距离更远。

同样这组数据用组织来源对UMAP和t-SNE图上细胞的进行颜色区分，可以观察到一个有意思的现象。与UMAP相比，t-SNE更加倾向于根据它们的来源来分离总体细胞。而 UMAP则会兼顾细胞群的类别和来源来排列，如图中在CD4 T细胞和CD8 T细胞群内，细胞的排列与来源也会有一定的规律性，都是大致从脐带血（CB）和外周血单核细胞（PBMC），到肝脏（Liver）和脾脏（Spleen），最后到一端的扁桃或另一端的皮肤（Skin）、肠道（Gut）和肺（Lung）。

通过驻留记忆T细胞标志物CD69/CD103、记忆T细胞标志物CD45 RO和naïve T细胞标志物CCR7表达群的分布，可以观察到UMAP可以展示出T细胞连续的分化阶段。而tSNE结果中，这些群之间也是连续的，但是却没有非常明显的沿轴结构。同样的现象也在造血细胞系统中被观察到。由此可见， UMAP在大数据集的处理时可以展现细胞集群的连续性。

对三组数据（Samusik、Wong、Han_400k）分别进行数据随机降低至100-200,000之间不同的数量级，形成小数据集。纵轴为小数据集与原始数据集的相关性，代表降维方法在不同数据量上的可重复性。UMAP表现最好，数据集越大，优势越明显。

下图是UMAP和t-SNE对一套784维Fashion MNIST高维数据集降维到3维的效果的比较。

虽然这两种算法都表现出强大的局部聚类并将相似的类别分组在一起，但UMAP还将这些相似类别的分组彼此分开。另外，UMAP降维用了4分钟，而多核t-SNE用了27分钟。

UMAP的两个最常用的参数：n_neighbors 和 min_dist，它们可有效地用于控制最终结果中局部结构和全局结构之间的平衡。

最重要的参数是 n_neighbors ，近似最近邻居数。它有效地控制了UMAP局部结构与全局结构的平衡，数据较小时，UMAP会更加关注局部结构，数据较大时，UMAP会趋向于代表大图结构，丢掉一些细节。

第二个参数是 min_dist，点之间的最小距离。此参数控制UMAP聚集在一起的紧密程度，数据较小时，会更紧密。较大的值会更松散，而将重点放在保留广泛的拓扑结构上。

t-SNE和UMAP大部分的表现非常相似，但以下示例明显例外：宽而稀疏的cluster中有密集的cluster(如下图所示)。UMAP无法分离两个嵌套的群集，尤其是在维数较高时。

UMAP在初始图形构造中局部距离的使用可以解释该算法无法处理情况的原因。由于高维点之间的距离趋于非常相似(维数的诅咒)，所以可能会因此将其混合在一起。

算法很难，所以懂的人才显得牛

天行健，君子以自强不息

⑥ 聚焦大数据时代的漏洞分析与风险评估

聚焦大数据时代的漏洞分析与风险评估

在大数据时代中，新技术创新发展的历史机遇夹杂着安全风险与挑战扑面而来，对网络与信息安全保障提出了新的要求，对信息安全漏洞的挖掘分析和对网络安全风险的综合管控愈显重要和关键。近日，第八届信息安全漏洞分析与风险评估大会(VARA2015)召开。主题探讨是“大数据时代的漏洞分析与风险评估技术”，会议由中国信息安全测评中心主办，北京交通大学承办，清华大学协办。来自政府部门、高等院校、研究机构、信息安全产业界及应用单位的800余名嘉宾参加了活动。
中国信息安全测评中心李守鹏副主任作为大会主持，中国信息安全测评中心朱胜涛主任和北京交通大学校长宁滨分别致欢迎辞，中央网信办网络安全协调局胡啸副局长做了重要发言。中国工程院院士何德全、两院院士王越、中国工程院院士倪光南、费爱国，中国信息安全测评中心党委书记吴世忠出席本次大会，何院士和倪院士做了重要发言。国家发改委高技术产业司王娜处长进行了“促进大数据创新发展，强化大数据安全保障”的主题演讲。国家信息安全主管部门、国家相关部委、专家学者、大型行业、知名企业代表分别围绕此次大会主题分享该领域理论、方法、技术和实践的最新成果。
同时，此次大会举行了中国国家信息安全漏洞库(CNNVD)第三批技术支撑单位授牌仪式，十三家单位分别获得漏洞库一、二、三级支撑单位称号。其中一级共三家：中电长城网际系统应用有限公司、北京云间有道科技有限公司、北京江南天安科技有限公司;二级共三家：北京安信天行科技有限公司、北京锦龙信安科技有限公司、北京永信至诚科技有限公司;三级共七家：北京中测安华科技有限公司、上海斗象信息科技有限公司、深圳百密信安科技有限公司、北京洋浦伟业科技发展有限公司、远江盛邦(北京)信息技术有限公司、成都科来软件有限公司、东巽科技(北京)有限公司。此外，为了更好地表彰和奖励在工作岗位上做出卓越贡献的CISP持证人员，进一步推进信息安全专业人才培养工作体系的建设，中国信息安全测评中心CISP运营中心联合《中国信息安全》杂志共同举办了首届“CISP杰出人物”评选活动。大会对10位评选出的“CISP杰出人物”进行颁奖，他们是：中国联通河北省分公司高级工程师孔令飞，中石化信息化管理部工程师刘远，杭州安恒信息技术有限公司首席安全官刘志乐，江苏天创科技有限公司总经理任国强，中国保险信息技术管理有限责任公司高级工程师杨磊，中国信息安全测评中心副研究员班晓芳，深圳市安络科技有限公司总裁谢朝霞，北京江南天安科技有限公司部门经理程娜，北京邮电大学信息安全中心信息安全系副主任雷敏，北京永信至诚科技有限公司董事长蔡晶晶。
本次会议分别设立了“漏洞分析”、“风险评估”、“大数据安全分析”和"互联网+"时代下的信息安全”四个分会场，展开专题研讨。从多角度、多层面反映了大数据时代下漏洞分析新技术和新方法，展现了复杂网络与系统环境下风险评估的新思路和新实践，沟通了工控系统信息安全技术发展与测评工作的新进展，从更宽的视野探讨了信息安全积极防御的新举措。
网络空间已日益成为国际竞争的战略制高点，网络安全事关各国未来繁荣与发展的核心利益。近年来，信息技术软硬件漏洞正在成为全球各类信息安全问题的主要源头，高度依赖网络信息系统的社会和经济运行正在面临黑客攻击等网络犯罪行为的严重侵袭。我国抓住全球化、信息化的发展机遇，趋利避害，综合实力不断增强，现已成为全球信息化发展大国。但是随着信息化进程的持续深入推进，网络与信息安全问题凸显，成为我国面临的新的综合挑战。
作为信息安全领域业界专家、学术研究人员和政府、行业及用户交流的重要平台，信息安全漏洞分析与风险评估大会之前已成功举办七届，为及时、全面反映我国在信息安全漏洞分析和风险评估领域的创新成果和研究能力，探索国家信息安全保障新思路、新方法，推动信息安全技术进步，促进信息安全保障水平提升正发挥着愈来愈重要的作用。本届大会的成功召开，为信息安全领域的技术探索、产业进步与应用推进的融合发展链接了协作的桥梁，为分享相关领域在理论、方法、技术、标准和实践等方面的最新成果与研究进展提供了一个良好的沟通与交流平台。

以上是小编为大家分享的关于聚焦大数据时代的漏洞分析与风险评估的相关内容，更多信息可以关注环球青藤分享更多干货

⑦ 焦作科瑞森重装股份有限公司距离哪个高铁站近

10月9日，工信部公示了第三批服务型制造示范名单。我市成功入围国家服务型制造示范城市，成为省内继苏州之后第二座获此殊荣的城市。天奇自动化工程股份有限公司入围国家级服务型制造示范企业，我市国家级服务型制造示范企业达到3家，数量居全省第一。华进半导体封装先导技术研发中心有限公司的集成电路封装测试服务平台入围国家级服务型制造示范平台，实现了我市零的突破。
根据《关于开展第三批服务型制造示范遴选工作的通知》（工信厅政法函〔2021〕43号），现将拟入选第三批服务型制造示范名单进行公示，请社会各界监督。如有异议，请在公示期内将意见书面反馈至工业和信息化部产业政策与法规司（产业融合发展处）。
公示期：2021年10月9日-2021年10月14日
联系电话：010-68205191
传真：010-68205275
地址：北京市西城区西长安街13号
附件：拟入选第三批服务型制造示范名单
工业和信息化部产业政策与法规司
2021年10月9日
附件
拟入选第三批服务型制造示范名单
（一）示范企业
序号
名称
地区
1
北京诚益通控制工程科技股份有限公司
北京
2
电信科学技术仪表研究院有限公司
北京
3
天津市特变电工变压器有限公司
天津
4
天津长荣科技集团股份有限公司
天津
5
博思特能源装备(天津)股份有限公司
天津
6
天地伟业技术有限公司
天津
7
中车唐山机车车辆有限公司
河北
8
中铝环保节能集团有限公司
河北
9
华松电力集团股份有限公司
山西
10
内蒙古鹿王羊绒有限公司
内蒙古
11
三一重型装备有限公司
辽宁
12
辽宁紫竹高科装备股份有限公司
辽宁
13
辽宁思凯科技股份有限公司
辽宁
14
沈阳恒久安泰环保与节能科技有限公司
辽宁
15
哈尔滨工大金涛科技股份有限公司
黑龙江
16
柯马（上海）工程有限公司
上海
17
上海威派格智慧水务股份有限公司
上海
18
上海海得控制系统股份有限公司
上海
19
上海大通汽车有限公司
上海
20
上海清美绿色食品（集团）有限公司
上海
21
徐州工程机械集团有限公司
江苏
22
天奇自动化工程股份有限公司
江苏
23
格力博（江苏）股份有限公司
江苏
24
江苏凯米膜科技股份有限公司
江苏
25
江苏永鼎股份有限公司
江苏
26
苏州太湖雪丝绸股份有限公司
江苏
27
星光农机股份有限公司
浙江
28
瑞立集团瑞安汽车零部件有限公司
浙江
29
杭州制氧机集团股份有限公司
浙江
30
浙江春风动力股份有限公司
浙江
31
浙江依爱夫游戏装文化产业有限公司
浙江
32
欧诗漫生物股份有限公司
浙江
33
瑞纳智能设备股份有限公司
安徽
34
安徽舜禹水务股份有限公司
安徽
35
安徽银河皮革有限公司
安徽
36
福建晋工机械有限公司
福建
37
福建福光股份有限公司
福建
38
福建快科城建增设电梯股份有限公司
福建
39
漳州科华技术有限责任公司
福建
40
九牧厨卫股份有限公司
福建
41
江西渥泰环保科技有限公司
江西
42
瑞昌市森奥达科技有限公司
江西
43
山东豪迈机械科技股份有限公司
山东
44
山东开泰抛丸机械股份有限公司
山东
45
山东华成集团有限公司
山东
46
世纪开元智印互联科技集团服份有限公司
山东
47
郑州煤矿机械集团股份有限公司
河南
48
焦作科瑞森重装股份有限公司
河南
49
新乡市长城机械有限公司
河南
50
郑州衡量科技股份有限公司
河南
51
河南凯邦电机有限公司
河南
52
郑州瑞普生物工程有限公司
河南
53
湖北迈睿达供应链股份有限公司
湖北
54
武汉依迅北斗时空技术股份有限公司
湖北
55
安琪酵母股份有限公司
湖北
56
中联重科股份有限公司
湖南
57
湖南九九智能环保股份有限公司
湖南
58
长沙中联重科环境产业有限公司
湖南
59
株洲嘉成科技发展有限公司
湖南
60
广州广日电梯工业有限公司
广东
61
广州达意隆包装机械股份有限公司
广东
62
欧派家居集团股份有限公司
广东
63
索菲亚家居股份有限公司
广东
64
TCL实业控股股份有限公司
广东
65
广西博世科环保科技股份有限公司
广西
66
重庆宏钢数控机床有限公司
重庆
67
成都秦川物联网科技股份有限公司
四川
68
成都云图控股股份有限公司
四川
69
四川德胜集团钒钛有限公司
四川
70
四川长虹智能制造技术有限公司
四川
71
云南凯瑞特工程机械设备有限公司
云南
72
昆明昆船逻根机场系统有限公司
云南
73
昆明云内动力股份有限公司
云南
74
云南白药集团中药资源有限公司
云南
75
宝鸡石油钢管有限公司
陕西
76
甘肃建投重工科技有限公司
甘肃
77
宁夏众虎科技股份有限公司
宁夏
78
中冶焦耐（大连）工程技术有限公司
大连
79
双星集团有限责任公司
青岛
80
海尔智家股份有限公司
青岛
81
青岛海尔生物医疗股份有限公司
青岛
82
宁波路宝科技实业集团有限公司
宁波
83
宁波东方电缆股份有限公司
宁波
84
乐歌人体工学科技股份有限公司
宁波
85
康赛妮集团有限公司
宁波
86
科华数据股份有限公司
厦门
87
厦门盈趣科技股份有限公司
厦门
88
深圳市海能达通信有限公司
深圳
（二）示范平台
序号
名称
运营单位
地区
1
北科工业节能环保技术服务平台
轻工业环境保护研究所
北京
2
玻璃及相关材料检验检测服务平台
中国建材检验认证集团秦皇岛有限公司
河北
3
沈阳市制造业整合营销服务示范平台
沈阳盘古网络技术有限公司
辽宁
4
质量技术基础综合服务平台
辽宁省检验检测认证中心
辽宁
5
铸锻金属及造型材料研发检测技术公共服务示范平台
沈阳铸造研究所有限公司
辽宁
6
节能环保公共服务平台
吉林省中实工程设计研究有限公司
吉林
7
星云智慧高端装备行业数据融合和集成创新专业服务平台
上海电气集团数字科技有限公司
上海
8
T云服务型制造公共服务生态平台
珍岛信息技术（上海）股份有限公司
上海
9
微谱研究型检测服务平台
上海微谱化工技术服务有限公司
上海
10
集成电路封装测试服务平台
华进半导体封装先导技术研发中心有限公司
江苏
11
ASUN离散行业供应链协同管理服务平台
江苏中天互联科技有限公司
江苏
12
工业气体智能化运营服务平台
苏州金宏气体股份有限公司
江苏
13
实达实工业购全流程线下线上融合服务平台
实达实集团有限公司
浙江
14
面向制造全过程的认证及管理优化服务平台
杭州万泰认证有限公司
浙江
15
天能绿色能源全生命周期管理专业服务平台
天能电池集团股份有限公司
浙江
16
中国（合肥）工业设计城
中工经信投资发展有限公司
安徽
17
食品安全检验检测服务平台
安徽中青检验检测有限公司
安徽
18
海西高端装备制造协同创新服务平台
机械科学研究总院海西（福建）分院有限公司
福建
19
江西省“赣企服”工业大数据协同制造服务平台
江西融合科技有限责任公司
江西
20
工业设计产学研融合共创全产业链公共服务平台
山东省工业设计研究院有限公司
山东
21
有人云制造业数字化赋能远程运维服务平台
山东有人物联网股份有限公司
山东
22
中华电气网电气行业供应链协同平台
许昌纪年电气技术有限公司
河南
23
起重机全生命周期服务平台
河南省矿山起重机有限公司
河南
24
智慧物流系统总集成服务平台
湖北九州通达科技开发有限公司
湖北
25
中电云网电子信息行业自主安全服务型制造平台
中电工业互联网有限公司
湖南
26
华南电子电器综合服务平台
威凯检测技术有限公司
广东
27
广电计量一站式计量检测综合服务平台
广州广电计量检测股份有限公司
广东
28
尚品宅配面向定制家具和家居解决方案的服务平台
广州尚品宅配家居股份有限公司
广东
29
机械工业电工材料产品质量监督检测中心
桂林电器科学研究院有限公司
广西
30
轻推冶金行业生产协同服务平台
中冶赛迪重庆信息技术有限公司
重庆
31
汽车检验检测公共服务平台
中国汽车工程研究院股份有限公司（国家机动车质量监督检验中心（重庆））
重庆
32
宏图工业供应链数字化物流服务平台
宏图智能物流股份有限公司
四川
33
智慧产业园区特色专业型公共服务平台
工业云制造（四川）创新中心有限公司
四川
34
贵州工业云公共服务平台
贵州航天云网科技有限公司
贵州
35
天行健智能云互联感知平台
陕西天行健车联网信息技术有限公司
陕西
36
兰石能源装备制造综合服务平台
兰州兰石集团有限公司
甘肃
37
可视化矿山数字化转型综合管理服务平台
宁夏广天夏电子科技有限公司
宁夏
38
铸造行业数字化转型综合服务平台
共享智能铸造产业创新中心有限公司
宁夏
39
百成零距离食材供应链管理服务平台
新疆百成零距离物联网有限公司
新疆
40
冰山工业制冷技术服务云平台
冰山技术服务（大连）有限公司
大连
41
柠檬豆中小制造企业供应链管理综合服务平台
青岛檬豆网络科技有限公司
青岛
42
卡奥斯COSMOPlat数字化转型场景生态解决方案服务平台
海尔卡奥斯物联生态科技有限公司
青岛
43
数智化智慧服务云平台
青岛日日顺乐信云科技有限公司
青岛
44
文具生活用品产业链及文创产业生态服务平台
贝发集团股份有限公司
宁波
45
融合多模态信息的生产协同与质量管控服务平台
厦门亿联网络技术股份有限公司
厦门
46
金蝶云星空一体化协同供应链服务平台
金蝶软件（中国）有限公司
深圳
47
蘑菇物联通用工业设备产业链全生命周期管理服务平台
蘑菇物联技术（深圳）有限公司
深圳
48
华测检测认证公共服务平台
华测检测认证集团股份有限公司
深圳
（三）示范平台（共享制造类）
序号
名称
运营单位
地区
1
黄骅模塑公共服务示范平台
河北新林坡孵化器股份有限公司
河北
2
“云汉芯城Ickey”电子产业数字化云制造综合服务平台
云汉芯城（上海）互联网科技股份有限公司
上海
3
爱陶瓷共享制造平台
福建省中瓷网络科技有限公司
福建
4
忽米H-IIP高附加值制造行业产业链资源共享平台
重庆忽米网络科技有限公司
重庆
5
宝象智慧供应链共享平台
云南省物流投资集团有限公司
云南
6
高端制造业战略产品增材制造共享服务平台
西安增材建造国家研究院有限公司
陕西
7
大连奥托焊装资源共享平台
大连奥托股份有限公司
大连
8
速加网机械零部件制造一站式服务平台
深圳市速加科技有限公司
深圳
（四）共享制造示范项目
序号
名称
运营单位
地区
1
创新药综合性研发生产共享工厂
凯莱英医药集团（天津）股份有限公司
天津
2
血液健康管理设备和服务共享平台项目
唐山启奥科技股份有限公司
河北
3
顺风新材料智能共享制造项目
沈阳顺风新材料有限公司
辽宁
4
沈阳永安机床小镇服务型共享制造项目
辽宁东升智能产业发展有限公司
辽宁
5
蒸汽眼罩个性化服务及共享制造项目
上海暖友实业有限公司
上海
6
澳拓美盛纺织服装产业集群共享制造项目
苏州澳拓美盛自动化设备有限公司
江苏
7
面向新一代汽车产业的共享能力建设及创新服务项目
清华大学苏州汽车研究院（吴江）
江苏
8
基于新一代信息技术的钢板切割共享制造项目
嘉兴云切供应链管理有限公司
浙江
9
基于三维设计及互联网应用的丝绸产业共享制造服务项目
浙江嘉欣丝绸股份有限公司
浙江
10
红爱纺织服装行业柔性制造能力建设项目
安徽红爱实业股份有限公司
安徽
11
体育制造业共享仓配服务一体化项目
福建安踏物流信息科技有限公司
福建
12
物泊科技钢铁冶金产业现代物流服务项目
物泊科技有限公司
福建
13
景德镇陶瓷共享制造工厂
景德镇伊人如瓷陶瓷企业孵化基地有限公司
江西
14
中威中央空调通风全产业链协同共享制造项目
山东中威空调设备集团有限公司
山东
15
溶剂回收节能产线定制化服务与装置共享制造项目
肥城金塔酒精化工设备有限公司
山东
16
房车家园房车专用零部件公共服务平台
荣成康派斯新能源车辆股份有限公司
山东
17
荥阳市阀门产业园区智能共享喷涂项目
郑州市智慧环境机器人产业研究院有限公司
河南
18
智能机电技术服务型共享制造项目
湖北香城智能机电产业技术研究院有限公司
湖北
19
汉江生态经济带增材技术柔性共享制造项目
湖北恒维通智能科技有限公司
湖北
20
PCB行业协同生产共享制造项目
广州裕申电子科技有限公司
广东
21
金品多元化产业共享智造平台项目
珠海市金品创业共享平台科技有限公司
广东
22
通用零部件制造行业服务与制造新模式项目
四川德恩精工科技股份有限公司
四川
23
台正机床装备联盟体数控机床共享制造平台
昆明台工精密机械有限公司
云南
24
细胞产业集群创新公共技术服务平台项目
云南省细胞工程中心有限公司
云南
25
制造业数字化转型的共享制造项目
大连共兴达信息技术有限公司
大连
（五）示范城市
无锡市、杭州市、成都市、青岛市、宁波市
（六）示范城市（工业设计特色类）
上海市浦东新区、烟台市、重庆市、深圳市
END

编辑：杨凯；审核：张凡；发布：杨凯

⑧ 问下，亚美车智汇， 实力怎么样

车智汇不错。它的亮点是能够提供汽车安全监测、驾驶评测、油耗评估、寻找车辆、碰撞/防盗提醒、保养顾问、违章提渗闷醒、紧急救援、酒后代驾、语音导航等。从目前大家车智汇提供的功能来看，主要有车辆体检，电瓶电压监控，行车日报，行车轨迹、节油专家以及驾驶测评（急加速、急刹车、急转弯），其他还有一些如追踪定位、防盗等基本功能。这些功能有没有用，有用，但用处不大，属于低频级的柔性需求。还有些与汽车后市场有关的服务内容，如，加油、美容、违章查询、紧急救援、代驾、机场停车、驾驶证查分等功能。这类服务，基本上导航地图上也有，至于这些功能体验如何，就看平台对接的商家数量了，只有用户自己去判断是否有用。车智汇是一款U盘式的车载设备（即插即用，方便快捷），堪称"浓缩中的精华"，主要有违章及时提醒、宏喊睁评测驾驶行为、24小时救援服务、酒后代驾服务、车务管家帮手、手机远程防盗、汽车安全监测、油耗监控分析八项功能，硬件拥有中国平安质量承保，品质有保障，手机安装上车智汇相关APP后即可实现人车互联互通，数据显示在手机蔽岁，一键掌控。

⑨ 天行，东风vpn 哪个更好

东风vpn好。

1、C/S应用加速服务冰峰虚拟发布技术其核心特性在于强调C/S应用加速服务，程序执行全程为即时指令包提交，提升线路的利用率，出错信息即时反馈，避免原C/S构架下的整体录入后，一次性存盘提交带来的大数量问题，使得用户操作速度大幅度提升。

2、在普通操作模式下，C/S结构应用的一次提交数据时长约为30秒，对于大数据量的提交则远不指这个数；在寻常广域网加速模式下，由于采用了优化协议与数据压缩，可以在原有状态下提升20%-30%的速度；而采用冰峰虚拟发布技术则可提升原有速度的4-5倍，近似于本地操作的提交速度。

3、随时随地访问服务资源冰峰虚拟发布技术在实现C/S转B/S应用的过程中，所有的应用服务资源，都是通过快捷图标调用远程应用服务器的客户端程序，并直接在本地打开运行，进而满足用户在不同应用环境下的随时随地访问需求。

4、全面实现本地化打印用户在进行远程数据访问操作时，可以随时将需要打印的内容直接通过本地化打印在用户本地打印机上进行打印，方便快捷。

5、和Win7的远程打印方式不同，运程打印的操作是本地电脑搜索网络上的远程打印机，通过预装运程打印机的驱动，将本地文件发送到远程的打印机上进行打印操作。