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
VMware宣布将终止现有渠道合作伙伴计划,新计划采用邀请制,大幅减少授权合作伙伴数量。未受邀合作伙伴将于2025年7月15日收到不续约通知,可继续交易至10月31日。白标计划也将同时终止。此举是18个月内VMware第二次重大合作伙伴调整,旨在专注与少数核心云服务提供商深度合作。客户可能面临续约困难、服务质量下降和成本上升等影响。
StepFun公司推出的Step1X-Edit是首个能够媲美GPT-4o和Gemini2 Flash等商业模型的开源图像编辑AI。该模型通过整合多模态语言理解和扩散图像生成技术,能够处理11种编辑任务,在新构建的GEdit-Bench基准测试中表现优异,为图像编辑技术的民主化开辟了新道路。
谷歌DeepMind和伦敦大学学院研究发现,大语言模型在面对反驳时会迅速失去信心并改变答案,即使反驳是错误的。研究显示LLM既会对自己的答案过度自信,又对批评异常敏感,表现出与人类相似但又独特的认知偏差。这种行为对多轮对话AI系统构成威胁,最新信息可能对LLM推理产生不成比例的影响。
BluOrion公司开发的ZClip是一种智能梯度裁剪算法,解决了大型语言模型训练中的梯度爆炸和损失飙升问题。通过Z分数统计检测和动态调整策略,ZClip能够自适应地控制梯度幅度,相比传统固定阈值方法提升训练效率35%以上,同时显著降低训练失败风险,为大模型训练提供了更稳定、高效的解决方案。