近日,西门子和微软宣布与W3C(W3C Consortium,万维网联盟)合作,致力于将DTDL(数字孪生定义语言)与国际标准组织W3C的Thing Description(事物描述)标准融合。
这些组织表示,通过统一这两种语言,用户将获得更加一致的数字孪生建模体验。将这两种语言标准化的举措有现实的原因,终端用户经常混合部署供应商的技术,可能会遇到锁定以及集成工作量巨大的问题。
微软的Digital Twin Definition Language(数字孪生定义语言)可利用Azure服务对物理世界进行建模,而W3C Thing Description标准则提供了一种可互操作的设备接口表示法,并将其纳入标准行业之中。在融合的初始阶段,微软表示发现这两种语言在概念上有许多相似之处。
根据W3C的定义,Thing Description描述了事物的元数据和接口,“事物”(Thing)是物理或虚拟实体的抽象概念,它提供了与物联网的交互并参与其中。Thing Descriptions基于小型词汇表提供了一套的交互方式,使整合不同设备和允许不同应用互操作成为可能。
西门子和微软表示,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。
微软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 Thing Description 合并,是我们在行业内实现数字孪生民主化的旅程中自然而然的下一步。”
西门子正在推动 W3C Thing Description在其未来的楼宇管理、配电和智能电网产品中的应用。
西门子智能基础设施首席技术官Thomas Kiessling表示:“我们认为,像DTDL和W3C Thing Description这样两种非常相似的数字孪生语言的融合是一项重要举措,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。”
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。