西门子在科技年度盛会——国际消费类电子产品展览会(简称 CES 2024)上展出西门子 Xcelerator 开放式数字商业平台的最新技术,致力于连接现实世界与数字世界,助力各行业客户创新发展。西门子同时宣布其在人工智能(AI)和沉浸式工程领域建立新的合作伙伴关系,并已取得重要突破,加速行业的工业元宇宙布局。
西门子股份公司董事会主席、总裁兼首席执行官博乐仁(Roland Busch)表示:“我们将工业元宇宙设想成一个与现实世界紧密相连的数字世界,人们能够在这一空间中与 AI 实时协作,以应对在现实中遇到的种种挑战。在工业元宇宙的帮助下,客户能够加快创新,增强可持续性,并迅速且大规模地采用新技术,推动整个行业实现高质量发展。西门子很荣幸能够与我们的客户及合作伙伴携手并进,让工业元宇宙离我们的生活更近一步。”
西门子股份公司管理委员会成员、数字化工业集团首席执行官奈柯(Cedrik Neike)表示:“西门子正努力让工业元宇宙变得更易访问,让各行各业以及不同规模的客户,能够更快、更高效、更可持续地运用工业元宇宙的能力,将优秀创意转化为改变世界的创新力量。”
西门子与索尼合作打造沉浸式工程解决方案
西门子和索尼在本届 CES 上合作推出沉浸式工程解决方案,将西门子 Xcelerator 的工业软件与索尼新的空间内容创建系统相结合,该系统包含 XR 头戴式显示器、4K OLED 微型显示器和控制器,可与 3D 对象进行直观交互。这一解决方案能够使设计师和工程师在沉浸的工作空间中创建和探索设计概念,创建工业元宇宙的相关内容。西门子计划于 2024 年推出西门子 NX Immersive Designer,在西门子旗舰型的产品工程解决方案中集成索尼技术,增强沉浸式设计和协同产品工程能力。
索尼执行副总裁兼技术与孵化主管 Yoshinori Matsumoto 表示:“索尼致力于用尖端技术赋能创作者。在空间内容创作领域,我们通过索尼专有的运动和显示技术,持续助力用户工作方式创新。索尼的技术与西门子在工程方面的专业知识相结合,能够打造更具沉浸感的工程解决方案,高质量、逼真的渲染和直观的交互将为设计师和工程师提供沉浸式的创作过程,从而推动工业元宇宙的进一步创新。”
此外,西门子与亚马逊云科技(AWS)也进一步深化合作,将 Amazon Bedrock 与 Mendix 低代码开发平台相连接,帮助各行业以及各规模企业轻松构建和扩展生成式 AI 应用。Amazon Bedrock 可以通过统一的 API 提供来自领先 AI 公司的基础模型,并获得安全、私有和可靠的 AI 能力;Mendix 是西门子 Xcelerator 平台的重要构成,专注于卓越的低代码开发。
西门子同时在 CES 2024 设立一系列主题演讲和展览,讲述客户如何利用西门子 Xcelerator 开放式数字商业平台在“Live, Work, Play, Make”四个方面实现创新:
进一步扩展西门子 Xcelerator 生态
除在 CES 2024 上提供访客体验,西门子 Xcelerator Developer Experience 还将为客户、合作伙伴和开发者提供机会。随着西门子 Xcelerator Developer Portal 的推出,西门子能够整合自身所有的 API 和开发者资源,并遵循开放和协作的原则,为开发人员提供探索和访问西门子及其合作伙伴 API 的统一平台。
西门子同时与微软合作,为 Developer Portal 引入聊天机器人功能,通过创新的 AI 陪同形式,增强开发人员的开发体验。西门子 Xcelerator 开发者门户与 Postman 等业界领先的 API 平台无缝集成,能够实现简单的部署过程。
好文章,需要你的鼓励
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。