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
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。