重型设备制造商小松在Cloudera 和微软助力下实现了工业物联网分析平台
重型设备制造商小松(Komatsu)实施了一款以Cloudera 产品和微软Azure作为支撑的工业物联网分析平台,以帮助全球采矿企业监控行业中使用的巨型设备的性能。该平台还能提高资产利用率和生产率,为全球经济提供必要的资源(包括能源和工业矿产)。
小松的JoySmart解决方案是为了帮助客户利用机器数据和分析来优化机器性能。它摄取、存储和处理从世界各地的采矿设备收集到的多种数据,每台机器每分钟可以产生3万到5万条带有时间戳的记录。
“随着客户需求的增加和联网机器的增多,我们预计数据量将达到每月30TB。以前的环境限制了我们的规模、增长和创新能力,”小松公司分析部高级经理Anthony Reid说。
“借助Cloudera的全新平台,我们使用先进的数据分析和机器学习来推动我们在工业物联网方面的成功。我们现在为客户提供更好的机器使用建议,并更快地提供服务。例如,我们能够为一家大型煤矿公司提供建议,使他们的Joy长壁开采系统的日利用率增加一倍。
“通过在微软Azure上部署Cloudera 平台,我们的团队将不可见的数据变为可见,获得有价值的洞察,帮助客户优化生产率和挖掘效率。Cloudera提供了快速的性能、数据安全和客户支持,使我们的团队能够访问机器数据分析,并与世界各地的不同用户群体合作。”
小松需要一个现代化的数据平台,不仅要在云计算中提供下一代机器学习和先进的分析能力,而且要具有可扩展性,以提高客户的设备利用率和生产率。有了Cloudera,小松现在可以利用大量的数据,帮助矿业客户应对日益增长的压力,以更低的运营成本实现更智能的环保和更高的生产率。
好文章,需要你的鼓励
在AI智能体的发展中,记忆能力成为区分不同类型的关键因素。专家将AI智能体分为七类:简单反射、基于模型反射、目标导向、效用导向、学习型、多智能体系统和层次化智能体。有状态的智能体具备数据记忆能力,能提供持续上下文,而无状态系统每次都重新开始。未来AI需要实现实时记忆访问,将存储与计算集成在同一位置,从而创造出具备人类般记忆能力的数字孪生系统。
中国人民大学和字节跳动联合提出Pass@k训练方法,通过给AI模型多次答题机会来平衡探索与利用。该方法不仅提升了模型的多样性表现,还意外改善了单次答题准确率。实验显示,经过训练的7B参数模型在某些任务上超越了GPT-4o等大型商业模型,为AI训练方法论贡献了重要洞察。
OpenAI首席执行官阿尔特曼表示,公司计划在不久的将来投入数万亿美元用于AI基础设施建设,包括数据中心建设等。他正在设计新型金融工具来筹集资金。阿尔特曼认为当前AI投资存在过度兴奋现象,类似于90年代互联网泡沫,但AI技术本身是真实且重要的。他承认GPT-5发布存在问题,并表示OpenAI未来可能会上市。
南加州大学等机构研究团队开发出突破性的"N-gram覆盖攻击"方法,仅通过分析AI模型生成的文本内容就能检测其是否记住了训练数据,无需访问模型内部信息。该方法在多个数据集上超越传统方法,效率提升2.6倍。研究还发现新一代AI模型如GPT-4o展现出更强隐私保护能力,为AI隐私审计和版权保护提供了实用工具。