ZD至顶网软件频道消息:7月11日—14日,由物联网产业技术创新战略联盟、W3C(万维网联盟)和中国电子科技集团公司主办,中国电子科技集团公司信息科学研究院承办的“2016国际开放物联技术与标准峰会暨W3C万维物联网工作组会议”在北京举行。
本次会议所讨论的“开放物联”是一个备受关注的热点话题,但是对于物联网的标准化、开放融合以及变革创新,坦率讲目前并没有明确的答案。市场大,但是挑战更大,这就是物联网发展所面临的现状。
对于物联网标准化,无论此次与会的W3C联盟还是中国电子科技集团公司,都在进行积极的标准化制定、推进等工作。
据中国电子科技集团公司董事长、物联网产业技术创新战略联盟理事长熊群力介绍:中国电子科技集团公司牵头,联合40家首批成员单位,发起成立物联网产业技术创新战略联盟,2016年1月的ITU SG20标准会议上,联盟核心企业共同获得“物联网物体描述”标准制定权,意味着我国将拥有全球物联网时代定义“万物”的主导权。
作为全球最权威的万维物联网标准制定组织,W3C联盟也在致力于物联网标准的制定和推进工作,去年年初宣布设立Web of Things计划,成立Web of Things兴趣组,开发支持基于互联传感器及作动器等为代表的物联网资源,以及基于Web数据的应用和服务及其开放市场及其所需要的开放Web标准。
对于目前物联网标准化制定以及物联网所面临的开放融合、发展创新等问题,记者在采访中国工程院院士刘韵洁的时候,他对此进行了详解。在刘院士看来,物联网无论是在医疗这一关乎民生的领域,还是在工业、制造业这一关乎经济发展的领域,都是大有可为的。未来网络是中国实现弯道超车的机会所在,具体到工业互联网、能源互联网、车联网等领域的加快发展,这才是互联网的下一个蓝海。
提及中国发展物联网所面临的挑战,刘院士认为最关键在于核心芯片、传感器的研发和制造能力,这方面既需要创新能力,也需要人才的培养。在刘院士受聘担任主任的北京工业大学“北京未来网络科技创新中心”,目前已经在开展工业互联网、能源互联网、车联网与产业端结合的实验项目,这其中也将创新能力作为一大重点。
在此次“2016国际开放物联技术与标准峰会暨W3C万维物联网工作组会议”上,国家科技部高新技术发展及产业化司杨咸武副司长在致辞中表示:“物联网应用前景广阔,大有可为,下一步科技部将一如既往的继续支持物联网技术和产业的发展,以此推动技术创新,引领带动产业发展,积极推动重点研发计划中,物联网与智慧城市重点专项的启动实施,这个已经有了规划,有可能会在今年启动。力争在前沿技术布局、重大核心技术研究等方面取得一些突破,提升我国物联网技术的核心竞争力。”
国家标准化管理委员会工业标准二部戴红主任致辞中指出:希望依托联盟这一平台,强化物联网技术研发、标准、知识产权和产业化的互动和协同,推动标准更符合应用需求,符合产业发展需要,进一步提高标准的适用性、可行性,提升标准的影响力和权威性;另外,继续坚持标准制定与国际接轨,让中国的技术通过标准进入国际舞台,推动与国际标准和国外先进标准的互通互融,满足中国产业国际化需求的同时,为国际标准化贡献中国智慧,提升国际水平。
工业和信息化部科技司卢希副司长致辞中指出:为进一步推动两化融合的建设,工信部将重点推动物联网规模应用,推进物联网在消费领域的应用创新,以及加快物联网在各个领域的深度融合。工信部还将深化物联网在智慧城市领域的应用,推进物联网感知设施规划布局。
好文章,需要你的鼓励
YouTube在年度Made on YouTube活动中发布多项更新,包括Studio新增"相似度"检测和唇同步配音功能,YouTube Live支持迷你游戏和双格式同步直播,Shorts集成Veo 3 AI视频生成模型。此外还推出播客AI剪辑工具、新的货币化选项如品牌合作和购物标签功能,以及YouTube Music的粉丝互动新特性。
Orange Research团队开发的DivMerge技术实现了AI模型合并的重大突破,通过基于信息论的Jensen-Shannon散度优化,能够将多个专门模型智能组合成保持各自专长的"超级模型"。该技术在双任务合并中达到99.18%性能保持率,显著优于传统88.48%的水平,且在多任务场景下展现更好扩展性,仅需25个样本即可有效工作,为AI应用降本增效提供了新路径。
英国政府与美国数据分析公司Palantir达成国防合作协议,该公司将投资15亿英镑并在英国设立欧洲国防总部,创造350个就业岗位。双方将合作开发AI驱动的军事决策和目标定位系统,这些技术已在乌克兰得到测试。该协议是英国战略防务评估的重要组成部分,旨在提升军事规划和目标选择能力。此次合作是美国科技巨头对英国310亿英镑投资承诺的一部分。
腾讯AI实验室联合多所知名高校开发了一种名为CDE的新型AI训练框架,通过模仿儿童的好奇心学习机制,让大语言模型能够自主探索未知领域。该方法使用两套"好奇心传感器"指导模型学习,在数学推理任务上平均提升3个百分点,同时解决了传统方法中的"校准崩塌"问题,为开发更智能自主的AI系统开辟了新路径。