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
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。