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
CPU架构讨论常聚焦于不同指令集的竞争,但实际上在单一系统中使用多种CPU架构已成常态。x86、Arm和RISC-V各有优劣,AI技术的兴起更推动了对性能功耗比的极致需求。当前x86仍主导PC和服务器市场,Arm凭借庞大生态系统在移动和嵌入式领域领先,RISC-V作为开源架构展现巨大潜力。未来芯片设计将更多采用异构计算,多种架构协同工作成为趋势。
KAIST AI团队通过深入分析视频生成AI的内部机制,发现了负责交互理解的关键层,并开发出MATRIX框架来专门优化这些层。该技术通过语义定位对齐和语义传播对齐两个组件,显著提升了AI对"谁对谁做了什么"的理解能力,在交互准确性上提升约30%,为AI视频生成的实用化应用奠定了重要基础。
Vast Data与云计算公司CoreWeave签署了价值11.7亿美元的多年期软件许可协议,这标志着AI基础设施存储市场的重要转折点。该协议涵盖Vast Data的通用存储层及高级数据平台服务,将帮助CoreWeave提供更全面的AI服务。业内专家认为,随着AI集群规模不断扩大,存储系统在AI基础设施中的占比可能从目前的1.9%提升至3-5%,未来五年全球AI存储市场规模将达到900亿至2000亿美元。
乔治亚理工学院和微软研究团队提出了NorMuon优化器,通过结合Muon的正交化技术与神经元级自适应学习率,在1.1B参数模型上实现了21.74%的训练效率提升。该方法同时保持了Muon的内存优势,相比Adam节省约50%内存使用量,并开发了高效的FSDP2分布式实现,为大规模AI模型训练提供了实用的优化方案。