今年的两会上,工业互联网不出意外被第四次写入《政府工作报告》,报告明确指出要“发展工业互联网,搭建更多共性技术研发平台,提升中小微企业创新能力和专业化水平”。
数字经济发展进入“下半场”,国家对工业互联网建设指出了向深、向实、下沉、集群的发展方向。如何在当下市场环境及政策推动下,助力更多工业、制造业等实体经济走出有中国特色的工业互联网“高质量发展”之路,是对以软通动力为首的软件与信息技术服务商在今后工作中提出的重要议题。
数字经济下半场 工业互联网呼唤深化服务
经过近五年的发展,尤其是在疫情的推动下,数字技术与实体经济加速融合,以工业互联网为代表的新型基础设施为我国“双循环”新发展格局提供了强有力的支撑。有数据显示,产业数字化占数字经济比重已超过80%,数字经济发展进入名副其实的“下半场”。
同时,也要看到,在现有成绩之外,我国仍然有部分实体经济企业,尤其是中小企业,在数字化转型方面存在费用紧张、人才匮乏、基建薄弱、产业融合缓慢等问题。
本次两会《政府工作报告》强调了“搭建更多共性技术研发平台,提升中小微企业创新能力和专业化水平”,其实质是对行业的转型升级提出了服务平台化、产品化、标准化、智能化等更高要求,以此减少中小微企业在数字化转型过程中资金紧张和基建薄弱等方面的弱点,并依靠专业而深入的数字化转型服务,达到量质齐升,真正做实、做深、做优产业数字化“高质量发展”之路。
端到端一体化服务 打通数字转型新路径
在助力企业数字化转型方面,软通动力坚持以客户为中心,深入了解行业发展及客户需求,凭借多年成功行业经验及专业优势技术能力,以端到端的一体化数字化服务能力,在技术端、企业端、行业端等不同角度助力企业工业互联网建设及完善,成为企业数字化转型可信赖合作伙伴。
在技术端,软通动力以5G、云计算、大数据、数字孪生等技术为基础,积极构建“云-边-端”的技术服务能力,通过重构行业的产业链和价值链,推动传统企业向智能化、数字化方向进化。其中,基于5G网络升级优化后打造的云智能工厂,成为工业互联网赋能工业的典型样板;结合物联网创新的应用集成性,打造了通用性极强的端云一体化平台,可以拖拽式快速完成应用开发,加快应用创新速度,从而实现快速推向市场的需求;在汽车制造领域打造的“数字化工厂”也能为汽车行业构建整体的信息化、数字化解决方案。
在企业端,软通动力搭建高效灵活的企业服务平台作为中台组织,为前台提供高质量、专业、高效、低成本的企业服务;在后台,以精益管理和数字化手段,支撑公司规模化高质量发展,提升集团综合销售、服务和管理能力。
在行业端,软通动力凭借强大的技术实力、技术创新能力和交付能力,积累了丰富的成功解决方案经验,为工业互联网精细化、标准化发展提供可能。此外,软通动力多年来一直坚持创新驱动和产学研融合,多种形式的技术创新平台和人才培养平台,为行业发展和客户共赢创造了优势条件。
经历了“十三五”的大力发展,2021年作为“十四五”的开局之年,承担了新的百年征程的发展希望。作为国之重器,工业互联网在2021年乃至整个“十四五”期间,都将会是国家重点关注的目标。软通动力将凭借自身优势帮助更多工业企业完成向深、向实、下沉、集群的数字化转型,真正走出工业互联网高质量发展之路。
好文章,需要你的鼓励
这篇研究重新审视了循环神经网络中的双线性状态转换机制,挑战了传统观点。高通AI研究团队证明,隐藏单元不仅是被动记忆存储,更是网络计算的积极参与者。研究建立了一个从实数对角线到完全双线性的模型层级,对应不同复杂度的状态跟踪任务。实验表明,双线性RNN能有效学习各种状态跟踪任务,甚至只需极少量训练数据。研究还发现,纯乘法交互比加法交互更有利于状态跟踪,为循环网络设计提供了新视角。
这项研究探讨了多模态大语言模型在增强推理能力时出现的视觉幻觉问题。研究发现,模型生成更长推理链时,对视觉信息的关注减少,导致幻觉增加。研究者提出RH-AUC指标和RH-Bench基准来评估模型在推理与幻觉间的平衡,发现较大模型表现更好,纯强化学习训练优于监督微调加强化学习,且训练数据的类型比数量更重要。这些发现对开发既具推理能力又保持视觉准确性的AI系统具有重要意义。
这篇研究探讨了大语言模型在自动推理任务中的不确定性问题。研究者提出,模型生成形式规范时的概率不确定性不是缺陷,而是宝贵的信号源。通过引入概率上下文无关文法框架分析SMT-LIB程序分布,他们发现不确定性信号具有任务相关性(如逻辑任务中的语法熵AUROC>0.93)。他们的轻量级信号融合方法能减少14-100%的错误,仅需最小弃权,将大语言模型驱动的形式化转变为可靠工程学科。研究揭示当模型正确理解逻辑关系时会产生稳定的语法模式,为判断何时信任模型提供了可靠指标。
来自沙特阿拉伯王子苏丹大学和阿尔法萨尔大学的研究团队开发了GATE(General Arabic Text Embedding)模型,这是一套专为阿拉伯语设计的文本嵌入系统。该研究结合了套娃表示学习和混合损失训练方法,解决了阿拉伯语特有的语义处理挑战。GATE模型在MTEB基准测试的语义文本相似度任务中表现卓越,比包括OpenAI在内的更大模型高出20-25%,同时保持了多维度(768至64)的高效表现。研究通过详细的错误分析揭示了模型在不同相似度水平上的表现特点,为阿拉伯语NLP领域提供了新的研究方向。