通过与W3C联盟的合作,西门子和微软宣布致力于将数字孪生定义语言 (DTDL)与国际标准组织W3C的事物描述标准相融合。
通过统一两种语言,客户可以获得一致的建模体验,从而在不断发展的物联网环境中减少碎片化。由于客户通常会在基础设施中选择多家供应商,从而造成了锁定和非常多的集成工作,这种融合将简化系统集成和互操作性。
作为物理对象、流程或系统的虚拟复制品,数字孪生能够在数字环境中反映其现实世界中的对应物,使企业能够监控、预测并提升其资产的性能,从而提高效率并降低成本。因此,数字孪生语言的标准化对于互操作性至关重要,可确保不同数字孪生系统和平台之间的无缝通信和集成。
西门子已经为楼宇管理、配电和智能电网领域这些未来产品的W3C事物描述标准提供了便利,将这一互操作性战略扩展到Microsoft Azure将为客户带来巨大的好处。
西门子智能基础设施首席技术官Thomas Kiessling表示:“我们认为,将DTDL和W3C事物描述这两种非常相似的数字孪生语言融合在一起是一项重要举措,这将使客户能够以一种与特定物联网平台无关的方式描述物理世界。”“这一战略联盟彰显了我们促进合作、拥抱开放的承诺。”
微软的数字孪生定义语言(Digital Twin Definition Language)可以利用Azure服务对物理世界进行建模,而W3C事物描述标准(W3C Thing Description standard)则为设备接口提供了可互操作的表示方法,并将标准行业本体纳入其中。在融合的最初阶段,这两种语言在概念上已经显示出有许多相似之处。
微软公司Azure边缘和平台团队标准、联盟和工业物联网首席架构师Erich Barnstedt表示:“自从我们发明了数字孪生定义语言并将其规范和参考实现开源以来,我们就计划通过像W3C这样的联盟将其标准化。因此,与西门子密切合作,将DTDL与W3C事物描述合并,是我们在行业内实现数字孪生民主化之旅中自然而然的下一步。”
好文章,需要你的鼓励
武汉大学研究团队提出DITING网络小说翻译评估框架,首次系统评估大型语言模型在网络小说翻译方面的表现。该研究构建了六维评估体系和AgentEval多智能体评估方法,发现中国训练的模型在文化理解方面具有优势,DeepSeek-V3表现最佳。研究揭示了AI翻译在文化适应和创意表达方面的挑战,为未来发展指明方向。
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
参数实验室等机构联合发布的Dr.LLM技术,通过为大型语言模型配备智能路由器,让AI能根据问题复杂度动态选择计算路径。该系统仅用4000个训练样本和极少参数,就实现了准确率提升3.4%同时节省计算资源的突破,在多个任务上表现出色且具有强泛化能力,为AI效率优化开辟新方向。