亚马逊网络服务周四宣布,通用电气已将其选为首选云提供商。
据悉,通用电气于2014年开始全面迁移到AWS,并将数千个核心应用迁移到AWS公共云端平台之上。现在已经有包括GE Power、GE Aviation、GE Healthcare、GE Transportation和GE Digital在内的多个部门已经在AWS上运行了多个云应用。
通用电气的首席技术官兼集团副总裁Chris Drumgoole在一份声明中表示,“通过AWS采用云优先战略,帮助我们的IT团队摆脱了构建和运行数据中心的业务,并重新将我们的资源重新聚焦在创新上,因为我们正在经历通用电气历史上最大、也是最重要的变革之一。”
Chris Drumgoole表示,“我们选择AWS作为通用电气的首选云提供商,因为AWS的业界领先的云服务使我们能够推动边界,从大处着眼并为通用电气带来更好的成果。”
八月份路透社报道,通用电气的数字化战略正在发生重大转变。该公司最初计划建立自己的数据中心来运行GE Predix Cloud,但在一年前放弃了该计划。路透社还表示,除了依靠AWS之外,通用电气还将在十月底之前使用微软Azure。
上个月,通用电气新任首席执行官John Flannery在LinkedIn上发表了一篇文章《通用电气全力以赴数字化之路》。Flannery写道,该公司正在“重视我们知道会有用的东西”,侧重于具体的垂直行业。
此外,Flannery写道:“我们将利用我们在能源、石油和天然气、航空、医疗保健、铁路和采矿方面最好的经验,并利用我们的核心资产和设备来提供最好的价值和执行。”
好文章,需要你的鼓励
来自耶路撒冷希伯来大学的研究团队开发了WHISTRESS,一种创新的无需对齐的句子重音检测方法,能够识别说话者在语音中强调的关键词语。研究者基于Whisper模型增加了重音检测组件,并创建了TINYSTRESS-15K合成数据集用于训练。实验表明,WHISTRESS在多个基准测试中表现优异,甚至展示了强大的零样本泛化能力。这项技术使语音识别系统不仅能理解"说了什么",还能捕捉"如何说"的细微差别,为人机交互带来更自然的体验。
这项研究提出了"力量提示"方法,使视频生成模型能够响应物理力控制信号。研究团队来自布朗大学和谷歌DeepMind,他们通过设计两种力提示——局部点力和全局风力,让模型生成符合物理规律的视频。惊人的是,尽管仅使用约15,000个合成训练样本,模型展现出卓越的泛化能力,能够处理不同材质、几何形状和环境下的力学交互。研究还发现模型具有初步的质量理解能力,相同力量对不同质量物体产生不同影响。这一突破为交互式视频生成和直观世界模型提供了新方向。
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。