ZD至顶网软件频道消息:1%的效率提升能够产生多大的能量?从浙江的产业规模看,这个数字将是数百亿。
近日,浙江省信息化工作领导小组发布《浙江省“企业上云”行动计划(2017)》,指出要通过引导,让10万家企业有能力利用最新技术来提升效率,向云要发展新动能,加速向智造大省迈进。
“云上浙江”推动10万家企业创新
在今年的全国两会上,国务院总理李克强指出,要加快大数据、云计算、物联网应用,深入实施《中国制造2025》。浙江省是全国率先采取行动的省份之一。
浙江省经信委信息资源与基础设施处洪杰表示,新发布的行动计划贯彻了《省政府工作报告》的精神,从各个层面联合多方力量帮助企业利用好新技术,建设“云上浙江”。政府对企业的推动正从退税、资金援助等显性方式向鼓励采用新技术等隐形方式转变。
事实上,浙江省不少工农业企业已经在生产制造中感受到了云计算、大数据带来的技术红利。
阿里云人工智能科学家闵万里在现场介绍,工业生产是最典型的人工智能应用场景,每个传感器一秒钟可以采集数千次数据,几十个生产环节环环相扣,每个环节都有参数,面对这样海量的数据,人类的经验往往心有余而力不足。
面对这一历史机遇,阿里云已制定了完整的方案计划,在培训、咨询、诊断、上云方案、流程改造、应用、新技术赋能、部署、升级改造等方面发挥阿里云生态的优势。同时,基于自身在云计算、大数据、人工智能领域的深厚积累,阿里云能以ET工业大脑、ET城市大脑、ET医疗大脑等一系列产品与服务为工农商各领域企业提供数字化转型的全方位支持。
技术带来巨大的产业红利
中策橡胶集团有限公司是目前国内最大的轮胎制造企业,2016年产值376亿元,在国际市场上广受欢迎,产量位列全球前三。作为杭州市首批“两化融合”企业,中策橡胶在研发、质检、生产等产业链环节积累了信息数据,但如何有效处理海量数据成为了现实问题。
阿里云ET工业大脑自2016年底入驻中策橡胶的生产车间,对中策橡胶生产端的各类数据进行深度学习。
以轮胎生产中的主要原材料橡胶为例,中策橡胶每天从全球采购千吨量级的橡胶块,将橡胶块合成混炼胶最终进入生产线。不同胶源产地、加工厂、批次等数千个复杂因子都会影响橡胶块质量,这些因子的相亲相斥也直接影响了是否能合成优质混炼胶。
和以往更依托经验的质检方式不同,ET工业大脑通过人工智能算法,能在短时间内处理分析每一块橡胶的出身,匹配最优的合成方案,极大地稳定了混炼胶性能,大大降低在加工环节的成本投入。目前,阿里云已帮助中策橡胶提升混炼胶平均合格率3%-5%。
而另一家享受技术红利的企业吉利,已将汽车模拟仿真等多个核心领域部署在阿里云上。依托阿里云的高性能计算技术,吉利能够在数千核集群的计算机环境下进行仿真测试,包括对车辆的模拟碰撞。
最典型的是汽车碰撞测试,计算机辅助工程软件(CAE)软件可以模拟整个碰撞过程,不同强度的材料在碰撞时的变化以及如何逐步吸收能量保护驾驶者安全,微小如伤员的骨骼碎裂等状况,对汽车的安全性加以验证。
阿里云高性能计算HPC承担了CAE软件的计算需求,可提供突破 16 Tflops 的单精度计算能力,用户可以根据各种高性能计算场景搭建自己的计算系统,如气象预测、到金融分析、地质勘探、计算化学、动力学模拟等。
吉利还是国内第一家将核心营销系统部署在云上的汽车制造商。依靠在阿里云公共云上建立营销服务平台,吉利构建了全新的信息通道,让到决策层可以清晰了解到客户的需求和痛点,并实时反馈到生产、设计、制造等环节中来。
在阿里云公共云平台上部署了全新的营销平台后,吉利进行了一次秒杀尝试, 2017台吉利博越汽车在75分钟内全部售罄,成交额达2.6亿元。吉利集团因此积累了大量精准的目标客户群,帮助吉利充分了解消费者的喜好,智能应对互联网时代的个性化需求。消费者只需一个账号,就可享受到吉利汽车的个性化定制、在线预约售后、网络呼叫代驾等贴心服务。
“我们希望通过技术的革新去帮助中国制造业提升1%的良品率,按照浙江当前的产业规模,这相当于每年能增加数百亿利润。”阿里巴巴副总裁刘松表示。
好文章,需要你的鼓励
北京交通大学与西蒙弗雷泽大学联合研发的混合神经-MPM方法实现了实时交互式流体模拟。该方法巧妙结合神经物理学与传统数值求解器,在低时空分辨率下运行神经网络并设置保障机制自动切换到MPM,显著降低计算延迟同时保持高保真度。团队还设计了基于扩散模型的控制器,支持用户通过简单草图直观控制流体行为,为游戏、VR和设计领域提供了实用解决方案。
这项研究介绍了EgoZero,一种创新的机器人学习系统,能够仅通过Project Aria智能眼镜捕获的人类示范数据,训练出零样本迁移的机器人操作策略。研究团队提出了一种形态无关的状态-动作表示方法,使用点集来统一人类和机器人数据,并开发了从原始视觉输入中提取准确3D表示的技术。在没有任何机器人训练数据的情况下,EgoZero在7种真实世界操作任务上实现了70%的成功率,展示了强大的泛化能力,为解决机器人学习中的数据瓶颈问题提供了新思路。
FLAME-MoE是卡内基梅隆大学团队开发的首个全透明混合专家语言模型研究平台,包含7个规模从3800万到17亿活跃参数的模型。它采用每层64位专家、top-8选择和2位共享专家的架构,公开所有训练数据、代码和检查点。实验显示,FLAME-MoE比相同计算量的密集模型提升3.4个百分点,并揭示了三个关键发现:专家逐渐专注于特定词汇子集,专家协同激活保持稀疏多样,路由行为在训练早期就趋于稳定。这一平台为MoE模型的系统研究提供了前所未有的开放基础。
这篇论文介绍了ModernGBERT,一个由维尔茨堡大学研究团队开发的高性能德语编码器模型家族(1.34亿和10亿参数版本)。研究将ModernBERT的创新架构应用于德语,同时通过LLM2Vec方法将德语解码器模型转换为编码器以进行对比研究。在SuperGLEBer和MTEB等基准测试中,ModernGBERT 10亿参数模型不仅超越了之前最先进的德语编码器,还在性能和参数效率方面优于转换后的编码器。研究团队还证明了更大模型能有效利用大规模单语语料库,为德语自然语言处理提供了全透明、高性能的资源。