至顶网软件频道消息:达索系统全球渠道销售负责人Guido Porro上任后出访的第一站就来到了中国。在这里,他不仅嗅到了浓烈的工业气息,而中国企业的热情好客更是让他提起了“撸起袖子”般的干劲儿。他说,中国市场很多客户有一个接受新事物的心态,所以不会有任何包袱。与Guido这份“破釜沉舟”高度契合的是达索系统在中国市场的“野心”。
达索系统全球渠道销售负责人 Guido Porro(右)和达索系统大中华区渠道销售副总裁李智军(左)
根据达索系统2月1日最新公布的财报显示,2017年全年,达索系统收入增长11%。
对于达索系统而言,远大目标以及华丽成长数字的实现背后,都离不开一个关键,即业务在大中华区的拓展。因为中国市场已具备三个重要要素:世界第二大经济体、工业完备性、人才储备与培养,达索系统非常看好中国的创新环境,但等待它的仍有一项严峻挑战。
“一带一路”和“中国制造2025”是中国全面融入全球经济,实现可持续发展的关键。通过创新提升“中国制造”的国际影响力和竞争力,《中国制造2025》的十大重点领域建设正全面落实,创新体系建设正在深入推进,核心技术的攻关将是下一步的工作重点。
目前达索系统业务分为12个行业,每个行业再细分,整个加起来大概60多个子行业,如何有效整合更专注攻关核心技术?达索系统的做法是归类为三大板块,包括中国制造、中国建造以及大医疗大健康三个方向以点带面。
其中,中国制造划分为航空、国防、高科技、工业设备等,达索系统擅长的领域;中国建造,即超级工程的输出能力,比如中国高铁,实际已经有达索系统3D体验平台做幕后推手;最后是大医疗健康,包括生命科学以及新材料,达索系统也有相应平台和解决方案与之匹配。
尽管如此,达索系统在中国市场仍有一个难以逾越的鸿沟,即“中国速度”。达索系统大中华区销售副总裁李智军进一步解释,他认为,达索系统在中国想要寻求更好的发展,就必须抗住“响应政府、本地市场和企业的速度”带给达索系统的压力。
为了应对中国客户市场快速多变的需求,达索系统内部也非常重视。一方面达索系统总裁兼首席执行官Bernard Charlès每年都要来中国好几次,高度重视中国市场;另一方面,达索系统正加大中国本地的授权和决策力,包括人才培养及与政府的互动,深入理解中国政府及本地化速度的要求。
随着中国不断向高附加值制造迈进,达索系统这家软件巨头也在努力扩大其在中国的影响力,希望促成并推动制造业发展,全面响应“中国速度”。
与人们印象中法国红酒慢文化不同,达索系统作为一家近40年历史的法国公司,嗅觉却十分敏锐。就像上世纪80年代,当3D一词还如同天方夜谭般存在时,达索系统已经开始用三维技术为飞机、汽车行业提供设计方案了。
当然,这种独特而深刻的见解还在传承与延续。2013年,达索系统将“3D体验平台”(3DEXPERIENCE Platform)正式推向市场,不同于PLM着重产品的视角,3D体验平台将服务对象瞄准了人,先于市场提出尊崇人的体验和感受。
这也是达索系统一直强调的“统一”。目前达索系统一共有12个品牌,每个功能都不同,它们之间如何做到有效的串联?达索系统大中华区总裁张鹰在接受至顶网采访时表示,看似复杂背后实际是两个维度的交织。
“我们产品分成四大类,从设计、数据模拟、协同到生产自动控制,这是品牌维度,再把这四类放进12个细分行业不同组合,就构成了行业解决方案。这两个维度(品牌+行业)交叉,就构成了达索系统的工业能力。”
事实上,3D体验平台自发布之时起,它所希望呈现给用户的是前端的统一平台和统一体验。一方面无论达索系统12个品牌之间在产品功能上有多少重叠和互补,其目的都是为了带给用户更好的体验,并聚合在同一平台上使用;另一方面,统一平台也意味着所呈现界面的统一以及操作、使用的简化和形象、直观,为了实现这一切,达索系统3D体验平台还融入了移动、社交、云等功能。
在3D体验之外,云业务在达索系统全球12个国家地区名列前茅。比如,达索系统与华为云深度合作,计划把华为云上的3D体验平台组合解决方案定位为客户实施数字化转型计划的重要支柱,给不同行业的客户提供完整的企业设计、认证和制造的一体化解决方案。
当下,达索系统正用行动一步步兑现“用创新赋能制造”的诺言。正如达索系统全球总裁Bernard Charlès所言,在很多中国企业内部,追求产能已经不是放在最首要位置的了,最重要的是创新,用创新力带动国力和生产力。这之中,达索系统正扮演着非常重要的角色,用行动“复兴”工业。
好文章,需要你的鼓励
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。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。