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
随着AI模型规模不断扩大,GPU内存容量已成为瓶颈。Phison和Sandisk分别提出了软硬件解决方案:Phison的aiDAPTIV+软件通过创建跨GPU内存、CPU内存和SSD的虚拟内存池,支持高达700亿参数的模型;而Sandisk的高带宽闪存(HBF)则采用类似HBM的硬件架构,通过TSV连接器将NAND闪存与GPU紧密集成。Phison方案适合中小企业和边缘系统,Sandisk方案则针对大型GPU服务器,两种技术可共存互补。
上海AI实验库推出YUME系统,用户只需输入一张图片就能创建可键盘控制的虚拟世界。该系统采用创新的运动量化技术,将复杂的三维控制简化为WASD键操作,并通过智能记忆机制实现无限长度的世界探索。系统具备强大的跨风格适应能力,不仅能处理真实场景,还能重现动漫、游戏等各种艺术风格的虚拟世界,为虚拟现实和交互娱乐领域提供了全新的技术路径。
法国AI初创公司Mistral AI发布了首个大语言模型全面生命周期评估,量化了AI的环境代价。其Mistral Large 2模型训练产生20,400吨二氧化碳当量,消耗281,000立方米水。运营阶段占环境影响85%,远超硬件制造成本。研究表明地理位置和模型大小显著影响碳足迹,企业可通过选择适当规模模型、批处理技术和清洁能源部署来减少环境影响。这一透明度为企业AI采购决策提供了新的评估标准。
上海AI实验室研究团队开发了革命性的AI编程验证方法,让大语言模型能够在最小人工干预下自动生成和验证程序规范。该方法摒弃传统的人工标注训练,采用强化学习让模型在形式化语言空间中自主探索,在Dafny编程验证任务上显著超越现有方法,为AI自主学习开辟新道路。