ZD至顶网软件频道消息: 在吴军写的《智能时代》里,他提到一个观点,“互联网+”是一个热词,但他觉得“+互联网”更为合适。回溯数百年前,英国人进行了一场“+蒸汽机”的革命,最终远远甩开了各个古老文明。而随着近十年大数据的爆发,世界也正在经受一场来自互联网技术的洗礼。
从大洋彼岸的美国说起,特斯拉在过去5年中几乎不再雇佣生产线上的工人,更多地招募IT人才,在它的汽车生产车间,忙碌并不失有序的机器人成为新的图景。不再将自己定位为汽车公司,而是一家IT公司,特斯拉很快从汽车这个诞生了数百年的传统行业中崛起,打破了旧格局,成为一枝备受推崇的、具备稳定性能和质量,同时又不乏精神体验的汽车新秀。
像特斯拉一样的例子同样正从美国、德国、中国这些制造大国的生产版图里涌出。
作为老牌的制造大国,德国率先提出了工业制造4.0的计划,随后中国推出中国制造2025概念,核心是希望通过智能机器、大数据云计算这些互联网时代的新技术来推动工厂进步。这一次,中国喊得早,同样也跑得快。
倘若你走进徐工集团的车间,也许你会以为自己晃了眼,头脑中满是衣着白褂的工人、紧张燥热但又悄无声息的画面远去了。你迎面感受到的,的确还是宁静,但不是流水线工人日复一日劳动的压抑,却是机械臂的快速、准确和井井有条:机械手准确迅速地执行着程序设定的指令,设备上安装的传感器给后台回传实时数据,计算平台对历史数据和实时数据进行分析,并修正生产程序的输出。
与此同时,徐工集团还在搭建云上的徐工工业云平台,期望将自己的制造能力赋予更多生产企业,打造一个“中国Predix平台”。
在离徐工集团不远的苏州,协鑫光伏的生产技艺也在悄然升级。去年8月,协鑫光伏开始通过大数据分析提高生产效率。很快,在光伏切片生产过程中的数千个生产参数得到了提取归类,通过对生产过程中关键因子的控制,协鑫光伏的切片生产良品率大大提高,而每提高千分之一点,就能节省上千万的生产成本。
巧合的是,这两家典型的制造企业采用的都是来自互联网公司阿里巴巴的技术支持。阿里巴巴为了支撑庞大的电商平台,打造了中国最大的云计算平台——阿里云,这也成为了中国制造的转型基础,因为工厂们终于可以“即开即用”地获得计算设备数据的能力,并且这样的计算能力并不需要付出海量的资本投入。
以上两个例子还只是沧海一粟。1月3日,阿里巴巴集团披露其2016年度纳税238亿元,带动平台纳税超过2000亿元,十年来不计成本投入研发的云计算平台成为了全球最大的三家云服务商之一。
“冲击传统产业的不是电子商务,而是互联网。互联网是一次伟大的技术革命,它必定像那时电的到来一样冲击各行各业,甚至比电更加猛烈。”马云在2016年杭州云栖大会上曾提出“五新”观点。当世界曾经被“+蒸汽机”、“+电”,我们欣喜地发现,“+互联网”正在成为新的方向,而在这个方向上,中国第一次没有被甩在世界诸君的后头:波士顿咨询在2016年发布的一项报告中分析认为,中国作为世界制造中心,以云计算、大数据和人工智能为代表的工业4.0新技术将成为制造业提升效能的关键。
不能免俗地要给这个趋势一个市值,波士顿咨询认为应该是6万亿:“基于云计算为社会带来的强大。计算能力,人工智能将为中国制造业带来25%的生产效率提升。”
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。