西门子数字化工业软件与 IBM(纽约证券交易所股票代码:IBM)日前宣布将进一步扩展合作伙伴关系,共同开发软件解决方案组合,集成各自在系统工程、服务生命周期管理及资产管理等领域的优势。
面对日益加剧的竞争压力、供不应求的劳动力市场以及不断提高的环境合规要求,企业必须采取覆盖产品与资产全生命周期的全面管理方法。西门子与 IBM 计划合作开发一套综合性软件解决方案,帮助企业优化产品生命周期,使其在开发早期即可提高流程、原型及测试理念的可追溯性,实现更可持续的产品设计,进而加快创新和上市速度,提高质量并降低成本。
新的工程软件套件基于 SysML v1 规范,可充分利用连接机械、电子、电气工程以及软件设计和实施等环节的数字主线,为产品开发的可追溯性和可持续性提供支持。该套件覆盖从早期设计和制造到运营、维护、更新直至生命末期管理的整个产品生命周期。在初期合作阶段,双方将打通 IBM 系统工程解决方案 Engineering System Design Rhapsody 与西门子 Xcelerator 数字商业平台的软件与服务解决方案组合,包括西门子的产品生命周期管理(PLM)软件 Teamcenter® 和电气/电子(E/E)系统开发与软件实施软件 Capital™。同时,双方还将 IBM 的智能资产管理平台 Maximo Application Suite 与西门子的 Teamcenter 相结合,为集成服务工程、资产管理和服务执行的数字主线提供支持。
这些集成将侧重于流程和物料的高效重用,实现可持续产品开发的可追溯性,帮助企业在设计和工程过程中及早制定决策,以降低成本,提高绩效并实现可持续发展。企业可以更快地识别功率过大或者需要维护/替换的不良组件或设计元素;同时,通过集成式数字主线将物理和软件资产重新接回产品开发,助力产品创新。
IBM 软件产品管理与发展高级副总裁 Kareem Yusuf 博士表示:“产品创新与差异化在很大程度上取决于电气、电子和软件组件。然而,由于当前用以管理此类组件的工具、流程及信息互为独立、互不关联,制造企业很难及时向市场交付新产品。为了解决这一难题,IBM 与西门子合作共建数字主线环境,集成贯穿产品全生命周期的可持续发展实践,连接设计、生产、运营和维护等各个阶段,旨在帮助客户以更快的速度实现创新,做好合规认证准备,同时提高产品的整体质量。”
此外,西门子与 IBM 还将合作打造基于 SysML v2 规范的解决方案,为企业提供向下一代系统工程过渡的迁移路径。SysML 支持广泛的系统与系统对系统的规范、分析、设计、验证和确认。服务生命周期管理有助于打通从服务工程到服务维护的过程,在 OEM 与运营商之间建立新的协作流程,帮助企业优化产品服务化的业务价值。
西门子数字化工业软件总裁兼首席执行官 Tony Hemmelgarn 表示:“西门子与 IBM 将合作推出仿真驱动型系统和软件工程解决方案,全面覆盖运营生命周期。该解决方案将帮助客户降低产品开发成本,实现持续改进,在产品全生命周期内提升企业运营效率。双方的合作旨在构建一个开放式生态系统,依托基于规范的解决方案,帮助企业提高系统模型及相关数据的可扩展性及重用性,在初期即可提升产品研发的质量。”
作为服务生命周期和资产管理解决方案的早期用户之一,斯柯达集团首席信息官 Kamil Mrva 表示:“斯柯达与西门子及 IBM 紧密合作,旨在实现斯柯达的可持续发展目标,降低客户的产品总拥有成本(TCO),帮助我们向以服务为重心的业务进行转型。”
IBM 新发布的合作伙伴计划 Partner Plus 将持续赋能西门子,其解决方案也将作为西门子Xcelerator 数字商业平台的一部分。
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。