ZD至顶网软件频道消息:对于制造业来说,提高生产的良品率非常重要,哪怕只是1%也能产生巨大的价值。2016年8月,在工业重镇苏州,国内大型能源巨头协鑫光伏尝试用阿里ET优化标准化车间的生产参数。
据了解,光伏切片生产有着十分精密的工艺流程:一根仅0.1mm粗细的钢线不断摩擦硅锭,最终切出一片片仅0.2mm厚的硅片。车间的湿度、温度、砂浆上下部温度、导轮上下部温度等上千个参数在实时影响着生产。如此复杂的生产环境下,人工经验很难100%地保障产品质量。
ET工作的第一步,是将标准化车间所有端口的数据传入工业大脑,随后通过人工智能算法,对所有关联参数进行深度学习计算,精准分析出与良品率最相关的60个关键参数,并搭建参数曲线,并在生产过程中实时监测和控制变量。
经过ET的介入,目前,协鑫光伏的生产良品率已经提升1个百分点,每年可节省上亿元的生产成本,成为首个“中国智造1%”的威力范本。
3月29日,在云栖大会深圳峰会上,阿里云正式发布ET工业大脑,让工业生产线上庞大的钢铁躯体拥有智能大脑。阿里云总裁胡晓明表示,我们希望利用人工智能技术发挥“中国智造1%”的威力。中国制造业如果提升1%的良品率,意味着一年可以增加上万亿的利润。
目前,ET已马不停蹄地参与到新能源、化工、环保、汽车、轻工业、重工业等不同制造领域的工作中。除了协鑫外,徐工集团、中策橡胶、吉利等制造领域的标杆企业都在积极引入ET工业大脑,投入智能制造的浪潮之中。
阿里云人工智能科学家闵万里表示, 与其他领域相比,将人工智能技术应用到工业生产的复杂度更高。单从数据而言,一台民用涡轮风扇发动机的转速就能达30000转/分钟,不同型号涡轮发动机转动次数也不同,这相当于1分钟内就可以产生海量不同标准的数据。
ET工业大脑的背后是阿里云自主研发的云计算操作系统飞天——可将遍布全球的百万级服务器连成一台超级计算机。借助飞天的计算能力,阿里云ET才能胜任工业大脑的工作,指挥工业生产线上的庞大躯体。
闵万里透露,目前ET工业大脑已经在流程制造的数据化控制、生产线的升级换代、工艺改良、设备故障预测等方面开展工作。ET的目标是成为一个不断吸收专业知识的 “大脑”,可以指挥各种类型的工业躯体。“我们希望用21世纪的机器智能,帮助人类更好地指挥20世纪的机器”。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。