中国工程院副院长田红旗:我国经济正从要素驱动转向创新驱动,从注重增长速度转向注重发展质量和效益转变
尊敬的李强书记,石泰峰省长,辛国斌副部长,各位嘉宾,女士们、先生们、朋友们,大家上午好。
很 高兴出席2016年世界智能制造大会高峰论坛,受周季(音)院长委托,我代表中国工程院对论坛的召开表示热烈地祝贺。智能制造,正在开启全球制造业发展的 新时代,自上世纪80年代开始,出现智能制造概念与技术,并逐渐兴起,近年来,更是呈现爆发式发展,世界发达国家均将智能制造作为重振和发展制造业战略的 重要抓手,深度运用信息技术推进生产模式和产业形态变革,抢占高端制造市场,不断扩大竞争优势,美国发布先进制造业伙伴计划,制造业创新网络计划,提出工 业互联网概念,支持智能制造装备发展,德国发布实施工业4.0战略建议书,鼓励深度应用信息通讯技术和网络物理信息系统,推进智能生产,建设智能工厂,英 法等国发布英国工业2050战略,新工业法国计划等等,抢占未来产业发展制高点,日本在2014年制造业白皮书,提出大力调整制造业结构,将机器人3D打 印技术等作为今后制造发展的重点领域,随着以互联网、物联网和大数据为代表的信息技术的快速发展,智能制造的范畴有了较大的扩展,以CPS,大数据分析为 主要特征的智能制造,已成为制造企业转型升级的巨大推动力,当前,新一代信息技术与制造业的加快融合创新发展,物联网、大数据、云计算、人工智能,增才制 造(音)等新技术持续演进,先进制造技术正在向信息化、网络化,智能化方向发展,智能制造正在开启全球制造发展的新时代。
当前我国经济已经 进入由要素驱动向创新驱动转变,由注重增长速度向注重发展质量和效益转变新常态,智能制造是推动我国制造业实现中高端发展的战略举措,为加速智能制造业转 型升级,提质增效,国务院发布实施的中国制造2025,明确提出将智能制造作为主攻方向,加速培育新的经济增长动力,抢占新一轮产业竞争制高点。政府也正 在以构建新型制造体系为目标,实施智能制造工程,整合全社会资源,统筹兼顾智能制造各个环节,突破发展瓶颈,系统推进技术与装备开发,标准制定,新模式、 培育和集成应用,推动智能业数字化、网络化、智能化发展。江苏是全国的制造大省,制造业总量已连续多年位居全国第一,江苏不仅产业基础好,生产体系完备, 而且加工制造和研发创新能力均位居全国前茅,在若干细分行业中,已有一批企业达到或接近世界先进水平,在国家制造强国建设和一带一路战略布局中占有极其重 要的地位,中国工程院正在以江苏开展全方位的深度合作,近两年来,周院长亲自带队就推进江苏制造强省和中国制造2025苏南城市群,试点示范建设,到江苏 经济专题调研,去年7月,中国工程院与江苏省又签署了关于实施中国制造2025共同推进制造强省建设合作协议,双方将在推进苏南地区制造业高端发展,推进 产业技术创新等方面开展更为紧密的合作,中国工程院将继续发扬发挥国家高端智库作用,以助推江苏制造业的发展,助推中国制造强国战略。最后,预祝此次论坛 圆满成功,祝各位嘉宾工作顺利,身体健康,万事如意。谢谢大家。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。