至顶网CIO与应用频道 06月13日 北京消息(文/王聪彬):近年来,GIS(地理信息系统)软件厂商越来越重视向BIM(建筑信息模型)市场的渗透。BIM与GIS的融合价值正在被双方领域中的供给侧和需求侧所认可。
中国地理信息产业协会常务副会长胥燕婴曾指出,“BIM+GIS”在工程建设、水利、电力以及公共服务的运维和管理等方面都大有可为,并且其应用前景还将更为广阔。
北京超图软件股份有限公司总裁宋关福曾在2018 GIS软件技术大会上表示,以GIS为平台支持的空间信息服务将由“ABCDE”技术所驱动,其中B既代表着区块链技术对于空间数据底层的支持,也代表了BIM技术和GIS融合的应用前景。
近日,达索系统与北京超图软件股份有限公司宣布达成全球战略合作。其实,从达索系统董事会副主席兼首席执行官伯纳德·查尔斯第一次来北京到访超图,宋关福就和伯纳德·查尔斯成为了微信好友,之后去年十月宋关福到访巴黎达索系统,每一次会面双方都有更进一步的设想和推进。
达索系统与北京超图软件股份有限公司战略合作签约
根据谅解备忘录,双方将基于3DEXPERIENCE平台的3DEXPERIENCity解决方案和超图的SuperMap GIS基础软件、应用平台,自中国市场开始,在全球范围内推动智能运营和协作创新,实现建筑、城市和地域开发行业的科技转型,并为这些领域的地理建模和仿真工作制定新的标准,为数字孪生、智慧建筑、智慧园区和智慧城市创造更多价值。
双方经过了长时间的沟通,定义了完整的合作框架,达索系统和超图的平台将实现数据的共享和交换,在融合之后建立三维数字化环境,为城市和建筑行业提供完整的解决方案。
具体将在产品技术、品牌建设和市场营销三个层面的深度合作,其中既有平台级产品,也有解决方案的合作,双方将实现互相集成,根据不同客户和不同的项目需求决定有哪一方为主面向客户。
伯纳德·查尔斯指出,BIM和GIS是基于客户具体的应用场景整合解决方案,解决方案由市场需求驱动,共同将双方优势发挥到最大。
“城市建筑领域的数字化转型进程是比较缓慢的,可能也是因为目前市场上的解决方案不能满足当前智慧城市、智慧建筑的发展需要。” 伯纳德·查尔斯说,为行业提供BIM甚至是CIM城市信息模型全新的解决方案。
而且现在也是合作最好的时机,一方面建筑行业市场容量很大,有着良好的机遇,一方面现在是2D向3D的转折点,市场上需要面对转型需求的解决方案。
因为城市都在追求高质量发展,包括为市民提供良好的服务、提升基础设施管理水平、提供更加便捷的交通出行服务、提供更加创新安全的解决方案等。而双方的合作能够很好地覆盖市场上的需求,一起创新现在的城市和建筑行业。
智慧城市建设是一个长期的过程,达索系统专注微观世界的设计和管理,超图软件擅长宏观世界的设计,让设计更加优化,就需要从微观向宏观迈进。达索系统BIM技术和超图GIS技术的结合,将提供给用户宏观微观一体化、室内室外一体化、地上地下一体化设计和管理能力,将共同定义设计、建设、管理真正全生命周期的技术平台,给各行业带去全新的价值。
此次联手或将解决中国和全球多个城市和地域的问题,世界各地的智能城市和大型交通基础设施项目为预测和规划更宜居、更富弹性的城市带来了潜力,同时也需要共同提供成功的协作创新和智能运营。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。