锐驰智光成立于2016年，是一家持续创新的激光传感器及解决方案供应商。我们专注于研发更好的激光传感器产品和解决方案，为人工智能提供强大的感知能力和丰富的数据支持。锐驰智光深入洞察激光传感技术在不同行业所面临的复杂挑战和多样需求，以集成芯片等专利技术为基础，不断突破技术边界，开发了广泛应用于自动驾驶物流、交通、机器人、自动化、测绘等领域的激光传感器和创新解决方案，创造更多价值，助力行业发展。
锐驰智光向客户提供Lakibeam、Lorabeam、Korabeam、Metabeam等系列产品及系统解决方案。 锐驰智光已成功服务逾500家企业，并持有100多项创新专利。
公司以强大的持续创新能力为驱动，研发精确、高效、智能的激光传感器技术，为人工智能的广泛应用提供良好的感知能力和数据支持。随着人工智能的发展，环境感知成为关键技术，而激光雷达在自动驾驶、机器人、智慧终端等典型场景中有着重要作用。
目前，锐驰智光主要专注于激光传感器在自动驾驶及智能交通领域的相关应用。面对自动驾驶技术的发展趋势以及激光传感器技术的现状，该公司综合考虑性能、稳定性、制造成本等因素，创造性地提出芯片化激光雷达方案，开发了世界第一款激光雷达集成芯片，并基于此设计制造了适用于自动驾驶及高级辅助驾驶的多种激光传感器，为自动驾驶汽车提供“眼睛”。
其产品具有以下特点：
锐驰智光的产品线丰富，包括工业级32线激光雷达 metabeam 系列、工业级单线激光雷达 lorabeam 系列等。
metabeam 系列稳定性高，单回波点频最高可达480,000点/秒，内置自研光学芯片，价格更低、性能更高、寿命更长，可广泛应用于工业 agv/amr、室内外机器人、清洁小车、测绘等场景。
lorabeam 系列主要应用于工业 agv、室内外机器人等中低速自动驾驶场景，以及测绘、智慧港口、智慧矿山、周界安防等静止场景。
此外，锐驰智光还在不断拓展激光传感器的应用范围，将优秀的传感技术与更多的人工智能场景、产品紧密融合，为合作伙伴提供更好的感知技术，助力创造更美好的生活。
该公司入选了第三批北京市专精特新中小企业名单。其核心团队成员来自激光雷达领域，具备丰富的行业经验。在技术方面，拥有多项专利，其集成式方案在体积、重量、功耗、测距精度、角度分辨率和生产成本等方面具有优势。并且，受益于自研芯片，产品可定制化能力强，能够迅速响应市场需求，配合客户的个性化产品研发需求。
锐驰智光在北京设立营销中心，在苏州建立了生产工厂。自创立以来，已累计服务500多家企业，布局专利100余项，获得多项布图设计登记证书。公司的产品核心部件国产率达100%，解决了供应链“卡脖子”问题。其激光雷达产品可广泛应用于自动驾驶、物流、交通、机器人、自动化、测绘等多个领域。
1 年前
1. 博世AI工具开发的核心理念与目标 博世集团作为全球领先的技术和服务供应商，始终秉持“科技成就生活之美”的理念，致力于通过人工智能（AI）技术解决全球性挑战，提升生活质量。博世的AI开发目标聚焦于两大方向：一是推动AI在核心业务中的应用，如智能出行、工业技术和消费品领域；二是通过技术创新增强公众对数字技术的信任，确保AI应用的伦理性和安全性。 2. 博世AI工具的主要应用领域 博世的AI工具已广泛应用于多个领域，展现了其技术的前瞻性和实用性： （1）智能出行 自动驾驶与辅助驾驶：博世开发了基于AI的多功能摄像头，能够准确识别行人、车辆和道路标志，提升驾驶安全性。 生成式AI的应用：与微软合作，博世探索生成式AI在自动驾驶中的应用，通过模拟复杂路况（如降雪）加速系统训练，提升车辆应对突发情况的能力。 （2）智能家居与健康 智能婴儿床：博世推出的智能婴儿床搭载AI和传感器，可监测婴儿的生命体征，并在异常情况（如哭闹或呼吸受阻）时发出提醒，荣获CES 2025创新奖。 智能传感器：博世的MEMS传感器集成AI算法，广泛应用于智能手机、可穿戴设备和智能家居，提供精准的数据分析和节能功能。 （3）工业技术与智能制造 生成式AI优化生产：博世利用生成式AI生成合成图像，加速光学检测系统的开发，将AI应用的部署时间从6-12个月缩短至几周。 AI辅助搜索引擎：内部开发的AskBosch平台通过自然语言处理技术，帮助员工快速检索公司内部数据，提升工作效率。 3. 博世AI工具的技术创新与突破 博世在AI工具开发中展现了多项技术创新： 边缘AI：博世的AI算法可直接在传感器内运行，无需依赖云端，显著降低延迟和功耗，同时保障数据隐私。 生成式AI：通过与微软、Aleph Alpha等企业合作，博世将生成式AI应用于自动驾驶、语音识别和制造业，推动行业变革。 AI伦理与信任：博世制定了AI道德准则，确保AI技术的透明性和安全性，增强公众对数字技术的信任。 4. 博世AI及软件的市场表现与未来展望 市场表现：博世的AI工具已取得显著成果，例如其MEMS传感器在2024年交付量超过10亿颗，市场占有率连续四年位居全球第一。 未来目标：博世计划到2030年实现软件和服务相关销售额超过60亿欧元，其中三分之二将来自智能出行业务。 5. 总之 博世在AI工具开发和应用上的创新实践，不仅推动了技术进步，也为全球社会带来了切实的便利与安全保障。未来，博世将继续深耕AI领域，致力于通过技术创新解决全球性挑战，实现可持续发展目标。
1 年前
传感器在自动驾驶、智能家居、医疗健康和工业制造领域的AI赋能上用途极其广泛。
1 年前
传感器技术支持AI发展，还是AI技术支持传感器发展？
1 年前
传感器是 AI 系统的“眼睛”和“耳朵”，为 AI 提供了感知世界和获取数据的能力。
21 天前
AiPPT: 一句话、一分钟、一键搞定
28 天前
Ralph 就是一个让 AI "自己干活直到做完"的循环机制，特别适合复杂的编程任务，解放人力。这里介绍具体怎么搭建和使用 Ralph 循环。 📋 前置准备 你需要准备以下内容： 工具 用途 Claude Code Anthropic 的 AI 编程助手 CLI Docker Desktop 提供隔离的沙盒环境 Anthropic API Key 调用 Claude API 🛠️ 搭建步骤 方法一：使用 Claude Code 插件（推荐） Step 1: 安装 Claude Code # 安装 Claude Code CLI npm install -g @anthropic-ai/claude-code Step 2: 初始化项目 mkdir my-ralph-project cd my-ralph-project claude init Step 3: 添加插件市场 claude plugins add-marketplace Step 4: 安装 Ralph Wiggum 插件 claude plugins install ralph-wiggum Step 5: 配置 Stop Hook 在 .claude/hooks/ 目录下创建 stop-hook.json： { "hook_type": "stop", "decision": "block", "conditions": { "check_tests": true, "check_type_errors": true, "check_git_changes": true }, "max_iterations": 20, "prompt": "任务未完成，请继续迭代修复问题" } 方法二：手动搭建（完全控制） Step 1: 创建项目结构 my-ralph-project/ ├── .claude/ │ ├── hooks/ │ │ └── stop-hook.sh │ ├── skills/ │ │ └── ralph-loop.json │ └── config.json ├── prd/ │ └── requirements.json └── workspace/ Step 2: 配置核心文件 config.json - 核心配置 { "max_iterations": 15, "auto_commit": true, "run_tests_after_each_iteration": true, "stop_conditions": { "all_tests_pass": true, "no_type_errors": true, "prd_completed": true } } skills/ralph-loop.json - 技能定义 { "name": "ralph-loop", "description": "自主迭代循环实现 PRD 任务", "trigger": "when_task_incomplete", "actions": [ "analyze_current_state", "identify_blockers", "fix_issues", "run_tests", "commit_if_passing" ] } hooks/stop-hook.sh - Stop Hook 脚本 #!/bin/bash # 检查测试是否通过 TESTS_PASS=$(npm test 2>&1 | grep -c "passed") # 检查是否有类型错误 TYPE_ERRORS=$(npx tsc --noEmit 2>&1 | grep -c "error") # 检查 PRD 是否完成 PRD_COMPLETE=$(node check-prd.js) if [ "$TESTS_PASS" -eq 0 ] || [ "$TYPE_ERRORS" -gt 0 ] || [ "$PRD_COMPLETE" = "false" ]; then echo "BLOCK: 任务未完成，继续迭代" exit 1 else echo "ALLOW: 任务已完成" exit 0 fi Step 3: 准备 PRD 文件 prd/requirements.json { "project_name": "My Feature", "tasks": [ { "id": 1, "description": "创建用户登录页面", "criteria": ["表单验证正常", "API 调用成功", "错误处理完善"], "status": "pending" }, { "id": 2, "description": "实现用户注册功能", "criteria": ["邮箱验证", "密码强度检查", "重复密码确认"], "status": "pending" } ] } 🚀 使用方法 启动 RALPH 循环 # 方法一：插件方式 claude run --skill ralph-loop --prd ./prd/requirements.json # 方法二：Docker 隔离环境 docker run -it \ -v $(pwd):/workspace \ -e ANTHROPIC_API_KEY=$ANTHROPIC_API_KEY \ claude-ralph:latest 监控循环状态 # 查看当前迭代次数 cat .ralph/iteration_count # 查看任务完成状态 cat .ralph/task_status.json # 查看日志 tail -f .ralph/loop.log 🔧 高级配置 1. 自定义 Stop Hook 规则 { "stop_conditions": { "all_tests_pass": { "enabled": true, "command": "npm test", "success_pattern": "all tests passed" }, "no_lint_errors": { "enabled": true, "command": "npm run lint", "success_pattern": "no problems" }, "coverage_threshold": { "enabled": true, "threshold": 80 } } } 2. 添加代码审查步骤 { "after_each_iteration": [ "run_tests", "run_linter", "code_review", "commit_if_passing" ], "code_review_prompt": "审查代码质量、安全性、性能问题" } 3. 设置成本控制 { "cost_limits": { "max_tokens_per_iteration": 50000, "max_total_cost": 50, "alert_at_cost": 30 } } 📊 典型工作流程 ┌─────────────────────────────────────────────┐ │ 1. Claude 读取 PRD 任务列表 │ └─────────────────┬───────────────────────────┘ ↓ ┌─────────────────────────────────────────────┐ │ 2. 选择下一个待完成任务 │ └─────────────────┬───────────────────────────┘ ↓ ┌─────────────────────────────────────────────┐ │ 3. 实现代码、编写测试 │ └─────────────────┬───────────────────────────┘ ↓ ┌─────────────────────────────────────────────┐ │ 4. 运行测试套件 │ └─────────────────┬───────────────────────────┘ ↓ ┌─────────────────────────────────────────────┐ │ 5. Stop Hook 检查是否完成 │ │ • 测试通过？ │ │ • 无类型错误？ │ │ • PRD 要求满足？ │ └─────────────────┬───────────────────────────┘ ↓ ┌───────┴───────┐ ↓ ↓ 未完成 完成 ↓ ↓ 返回步骤 2 结束循环 💡 最佳实践 建议 说明 PRD 要清晰 任务描述具体、可验证，避免模糊需求 设置最大迭代 防止无限循环消耗过多成本 使用 Docker 隔离环境，避免污染本地系统 定期检查 每 10 轮查看一次进度和日志 成本监控 设置预算警报，避免超支 ⚠️ 注意事项 成本控制：每次迭代消耗 tokens，长时间运行成本较高 质量检查：AI 可能"认为"完成但实际有 bug，需要严格测试 安全边界：在沙盒环境运行，避免 AI 误删重要文件 人工介入：复杂任务仍需人工审查结果
28 天前
Ralph Loop 是一种让 AI 自主迭代的机制，主要用于解决 AI 编程助手"半途而废"的问题。
1 个月前
OpenClaw 本质是“开发者基础设施”，而非面向大众的 SaaS 产品。
Minimax（海螺AI）已由大模型名Minimax替换原海螺AI。现海螺AI为Minimax视频生成产品名。
海螺AI