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
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。