ZD至顶网软件频道消息: 通用电气公司(纽证代码NYSE:GE)投入了大量资源,务求成为“数字工业公司”。 通用电气的旗舰数字工业项目是Predix。Predix是基于云计算的工业操作系统,可以分析和管理通用电气设备、设施和系统的数据和操作。听起来很响亮,但Predix实际上能干些什么呢?
下面是通用电气及合作伙伴微软 (NASDAQ:MSFT) 和Exelon (NYSE:EXC)利用Predix改善客户的表现和他们自己的表现的三个用途。
通用电气的Predix分析软件可以提高植物的性能和降低维护成本。图片来源:盖蒂图片社。
Predix的水晶球用途
工业机械非常的复杂。即便是通用电气主要产品之一的汽轮机都有几千个变量,如热、压力、摩擦、温度和速度,这些都需要编程控制、实时监控和调整,而且经常是在机器运行时要实时实现。所以,这种机器可以产生令人难以置信多的数据点也就不足为奇了。据通用电气的介绍,一个工厂可以在一天内可生成两个TB的数据。
云计算系统Predix可以收集和分析数据,可以提供如何操作一台机器的关键信息。这是好事,因为可以显露可能出现的机器低效率并可以检测问题。但Predix可以做更多一步,它可以在问题出现前检测潜在的问题,有时可以提前几个月。
Exelon是美国最大的电力公司。Exelon有这方面价值的第一手经验。通用电气最近在旧金山举行了思想+机器会议,Exelon在会上演示了如何利用Predix资产绩效管理应用程序识别机器里一对轴承的上升温度,最后诊断出机器里其他地方另外一个冷却系统阀故障。如果没有Predix的话,就可能要等到轴承出毛病后才能发现问题,或是要等到阀故障导致其他更严重后果时才会发现问题。
对于诸如Exelon一类的客户来说,这些事加在一起可能节省一大笔钱。事实上,通用电气首席数字官Ganesh Bell估计,部署一个APM应用就可以为GE电力客户在10多年里节省3900亿美元。
Predix的大师用途
Predix不仅仅可以识别问题。Predix甚至可以推荐解决方案
为达到此目的,Predix为现实里的机器创建了一个 “孪生数字版”。 Predix将来自机器操作的实际数据与数字版产生的理论数据比较后就可以找到实际机器运作和 理想机器运作的差异。Predix还可以模拟不同的可能解决方案对未来机器运作的影响。
例如,在思想+机器大会上,通用电气软件研究副总裁Colin J. Parris博士讲了一个例子,南加州的一个单D11涡轮圈出现了少量损害。Predix识别了该问题并作出“如果不及时矫正机器的寿命将减少69%”的诊断。
Predix还可以利用机器的历史数据,可以利用来自世界各地其他D11涡轮机的数据以及近60000套数字模拟数据提出最佳的解决方案,方案涉及到数字调整缓变率和热压力,这样做的另一个作用是烧的燃料更少,并且自然就避免了价值1200万美元的设备出现故障。
Predix的小兵与长官用途
诚然,Predix可以优化每个机器的寿命和操作。当然,这颇有其价值,而通用电气和微软的合作后,Predix则可以在业界引起一场革命。
微软智能云计算和物联网业务发展公司副总裁Kevin Dallas展示了Predix的一个用途,而且发生在思想+机器会上。微软和通用联手,利用Predix帮助一家未给出名字的电力传输公司客户。客户拥有超过50000英里的“传输资产”,包括线路、塔、夹和变压器。到目前为止,该公司需要超过2000人的维护人员检查线路,在偏远地区的维护还用到直升飞机,整个过程颇为昂贵。
而通过一款由微软开发的Predix应用程序,该公司现在可以用无人机沿电力线自主飞行,从多个角度拍摄每个资产。该应用然后再分析照片和其他传输数据,进行问题识别,如检查螺栓销的缺失。当问题被识别后,系统就会标出来,真人操作员可以检查是不是虚报。如果问题得到确认,系统会自动创建一个工作订单并将其发送给维修人员。
听起来像是一场变革,也确实是的。而最令人惊奇的是,微软该软件的开发只花了6个星期。是的,没有听错:仅仅6周就创建一个完整的自主系统,每年可以为公司节省数百万美元。微软曾经是个 “即”软件提供商,现在微软有找到一个额外的收入来源,那就是与客户合作创建这种定制的应用程序。
投资者要点
Predix功能令人印象深刻,毫无疑问。而这些功能可以为诸如Exelon的通用电气客户创造价值,堪称锦上添花。Predix既然可以节省巨大的成本,显然,庞大的市场机会在等着通用电气和其合作伙伴微软。通用电气预计,短短三年内,工业互联网将达到消费互联网的近50倍。
当然,一个未开发的巨大市场通常意味着竞争对手的出现,通用电气和微软在各自的领域富有竞争力。确实,在不同的发展阶段将会涌现很多物联网软件平台。但通用电气以其独特的生产巨型工业机械的能力,再加上其软件组件,而且,通用电气的这些技术在实用中得岛国验证,可以说,通用电气在这个利润丰厚的空间明显领先业界其他同行。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。