两家厂商正在开发一种新的系统工程和资产管理组合软件解决方案,以支持可追溯性和可持续性产品的开发——连接机械、电子、电气和软件工程等领域。
Siemens Digital Industries Software和IBM宣布,将通过合作开发一个组合式的软件解决方案来扩大双方的长期合作伙伴关系,该组合软件解决方案集成了各自的系统工程、服务生命周期管理和资产管理产品。
日益增加的竞争压力、紧张的劳动力市场和不断增长的环境合规性目标,要求企业组织采用跨越产品和资产生命周期的、更为全面的管理方法。两家厂商将开发一个组合式的软件解决方案,帮助组织优化产品生命周期,更容易地在开发早期阶段更早地改进跨流程、原型和测试概念的可追溯性,并采用更具可持续性的产品设计,其目标是帮助组织加快创新和上市时间,从而提高质量并降低成本。
在这个新组合中,基于SysML v1标准的集成工程软件套件有望使用连接了机械、电子、电气工程、软件设计与实施的数字主线,来支持可追溯性和可持续产品的开发,跨越了产品生命周期,从早期设计和制造到运营、维护、更新和生命周期结束管理。最初,两家厂商致力于将用于系统工程的IBM Engineering System Design Rhapsody与西门子Xcelerator软件服务组合式解决方案连接起来,其中包括了用于产品生命周期管理(PLM)的西门子Teamcenter软件和用于电气/电子(E/E)系统开发和软件实施的Capital软件。此外,两家厂商还将用于资产管理的IBM Maximo Application Suite套件与西门子的Teamcenter软件相连接,支持服务工程、资产管理和服务执行之间的集成数字线程。
这些集成将侧重于流程和材料的有效再利用,以实现可持续产品开发的可追溯性,从而帮助企业在设计和工程的早期做出明智决策,以推动成本、性能和可持续性方面的改进,例如,企业可以更快速地识别性能不佳的组件,或者是消耗过多电力、或者需要维护或者提前更换的设计元素,并且可以通过将物理和软件资产连接回产品开发的集成数字主线来推动产品创新。
IBM软件产品管理和增长高级副总裁Kareem Yusuf博士说:“产品创新和差异化的很大一部分包含了电气、电子和软件组件。然而,制造企业正在努力按时将新产品推向市场,因为当前管理这些组件的工具、流程和信息都是孤立的、不连贯的。为了解决这一差距,IBM和西门子正在数字主线环境上展开合作,在产品整个生命周期(从设计、生产、运营、维护等)整合可持续性的实践,从而有助于加快创新和合规准备的时间,并全面提高产品质量。”
西门子和IBM还合作搭建基于SysML v2的解决方案,该解决方案的迁移路径可以帮助客户过渡到下一代系统工程。SysML支持规范、分析、设计、以及在广泛系统上的验证,以及特定系统体系。服务生命周期管理可以通过将服务工程与服务维护联系起来,促进OEM和运营商之间的新协作流程,从而实现产品服务化的最大商业价值。
Siemens Digital Industries Software总裁、首席执行官Tony Hemmelgarn表示:“西门子和IBM将共同提供一个仿真驱动的系统和软件工程解决方案,以涵盖整个运营生命周期,帮助我们的客户在整个产品运营生命周期内降低产品开发的成本、推动持续改进、提高运营效率,从而实现创新。我们正在开发中,通过在开放生态系统中使用基于标准的解决方案,提高系统模型和相关数据的可扩展性和重用性,帮助企业实现真正的转变,让我们的客户能够开发出更好的产品。”
斯柯达集团首席信息官、同时也是该服务生命周期和资产管理解决方案的早期采用者Kamil Mrva表示:“我们与西门子还有IBM展开密切合作,帮助我们实现可持续发展目标,帮助我们的客户降低总体拥有成本(TCO),并通过更加注重服务来支持我们的业务转型。”
IBM新推出的Partner Plus计划将支持西门子,西门子也将把该解决方案作为Siemens Xcelerator生态系统的一部分提供给客户。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。