近日,AVEVA剑维软件发布了“云优先”。“云优先”是AVEVA剑维软件产品组合长期战略的一个重要组成部分,专注于在云端提供核心服务,以确保高可用时长和可用性、用户管理以及尝试新解决方案的灵活性。该战略包括场景驱动的产品间的集成,以快速实现价值。
作为该战略的一部分,AVEVA剑维软件还宣布了其行业领先的云平台所取得的重大进展,即AVEVA Connect-AVEVA Unified Engineering(一体化工程)以及AVEVA Insight Guided and Advanced Analytics。这些新解决方案可在云端获取,将降低企业总拥有成本,帮助用户提高效率,并通过与工业人工智能(AI)结合实现决策支持。
由于AVEVA剑维软件的解决方案被安全地托管在云端,AVEVA Connect已经实现了1,900多名客户和25,000多名用户通过单点登录的方式在一个平台获取多种产品。在云端实现团队、数据和流程的互联正是目前AVEVA剑维软件解决方案与众不同之处。尤其是在工作模式发生改变、工业产生海量数据以及需要通过一个源头整合多个不同流程的当今,这种互联至关重要。它有助于改善横跨所有资产的用户管理,改进对整个AVEVA剑维软件产品组合的订购积分使用情况的监控。
AVEVA剑维软件首席云计算官兼首席产品官Ravi Gopinath表示:“新常态要求业务重点和需要发生转变。未来,企业将见证资本投资的减少、工作流程的不断变化、对可视化工具需求的增加,以及对整个价值链更强的敏捷性和更快响应,从而最大限度地减少价值损失、优化生产,以增加盈利机会。企业重点已经转移,其将要求更高的灵活性、更多的实时协作、智能应用和更精简的用户体验。AVEVA Connect将针对所有这些要求提供‘一站式服务’。”
新的AVEVA Connect解决方案将改善工业企业的效率
AVEVA Unified Engineering(一体化工程)可打破信息孤岛,提供以数据为中心、在整个工程生命周期中有单一责任来源的协作环境。业主运营商和EPC的多专业团队现在可以在几天内建立起云环境,并在安全的云环境中协作、实施具有高可追溯性的新建和改造项目,从而加快实现价值并降低总安装成本。AVEVA Insight Guided and Advanced Analytics现已在云端推出,用于高级模式识别,以增强自动分析和状态监控。该解决方案提供了快速价值实现,客户可以在不需要复杂建模或数据科学的情况下启动基于预测性分析的资产绩效策略。新的AVEVA Connect解决方案允许用户针对特定设备建立易于部署的模型,实现以最小配置提供可靠的异常检测。
AVEVA剑维软件的云优先战略满足新常态的需求
从操作信息分析、低代码应用开发到复杂的工程可视化,用户可以对AVEVA Connect的新功能进行简单的试用。这将使客户可以在云端访问所有最新、最具创新性的产品并从中受益。
“云优先”包括场景驱动的产品之间的集成,以快速实现价值。今年下半年,AVEVA剑维软件还将推出软件开发工具套件。合作伙伴可以在AVEVA Connect平台内提供他们的解决方案,以增加客户使用的功能范围。
AVEVA剑维软件首席云计算官兼首席产品官Ravi Gopinath总结道:“向云端的转变不是关于选择的问题,而是必须积极追求的目标。在部署和拥有成本方面的巨大优势、完全根据自身需求而灵活消费的能力,以及消除本地化障碍以实现前所未有的工作效率和协作水平,意味着我们将继续增加我们产品组合中丰富的行业内容,因为这不仅仅是技术问题,而是客户业务的实际需要和具体情况。”
好文章,需要你的鼓励
是德科技高级副总裁兼通信解决方案事业部总裁Kailash Narayanan现场指出,算力固然重要,但如果能耗过高,技术的实用性将大打折扣,因此,所有的高速、高性能计算,都必须在极低的功耗下实现,这是AI等技术能否大规模落地的核心前提。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
来自上海交通大学和浙江大学等机构的研究团队开发出首个AI"记忆操作系统"MemOS,解决了AI系统无法实现人类般持久记忆和学习的根本限制。该系统将记忆视为核心计算资源进行调度、共享和演化,在时间推理任务中相比OpenAI记忆系统性能提升159%。MemOS采用三层架构设计,通过标准化记忆单元实现跨平台记忆迁移,有望改变企业AI部署模式。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。