至顶网软件频道消息: 全球最大的汽车制造商大众汽车(Volkswagen)正在AWS云平台上实现自身制造基础设施的标准化。
大众汽车公司和AWS于今天宣布了一项为期多年的协议,构建一个处理来自大众汽车全球所有122家工厂数据的云分析平台——Volkswagen Industrial Cloud。
未来该平台还将与大众汽车的1500家合作伙伴和供应商设施连接起来,目标是利用这些站点生成的运营信息,来确定改善整个供应链所采取的方式。
Volkswagen Industrial Cloud构建在AWS S3对象存储服务上的企业级数据湖,大众汽车将利用该平台集中来自各个工厂、工业系统和合作伙伴设施的信息,以便统一集中地处理所有这些信息。
大众汽车计划利用这些数据,通过分析来减少制造设施的浪费,以及提高预测业务变化的能力。此外,Volkswagen Industrial Cloud还将被用于更为日常化的工作中,例如跟踪汽车零部件在整个供应链中的流动情况。
大众汽车将很大程度上依赖AWS自己的数据处理服务来支持目标。两家公司表示,Volkswagen Industrial Cloud将采用AWS的连接设备管理和分析产品,以及SageMaker人工智能开发工具包。
Volkswagen Industrial Cloud还有一个内部部署的组件。大众汽车计划将该平台一部分构建在AWS最近发布的AWS Outposts上。AWS承诺在今年晚些时候投产AWS Outposts,让企业能够在他们自己的数据中心内部部署一些AWS的服务。大众汽车打算利用AWS Outposts为延迟敏感的应用提供支持,这种应用不容忍将数据发送到云进行处理、然后等待结果返回这之间的延迟时间。
鉴于大众汽车拥有庞大的供应链,因此该项目可能为AWS带来相当可观的收入。大众汽车在全球拥有超过30万名员工,在2018年累计销售1080万辆汽车。
AWS并不是大众汽车在基础设施现代化方面展开合作的唯一一家主流云提供商。6个月前,大众汽车与微软达成了一项类似的协议,旨在Azure上建立一个联网汽车服务平台,该项目中交付的服务将从2020年开始在每年出厂的500万辆新车提供给用户。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。