至顶网软件与服务频道消息:工程和工业软件领域的全球领导者 AVEVA,向全球正在进行数字化转型项目的工业和资本密集型企业展示了业经客户验证的业务优势。尽管物联网、人工智能和大数据已经在金融、保险、医疗和零售等行业快速部署,以满足客户不断变化的需求,但工业领域在采纳这些新技术上则进展缓慢。ARC Advisory Group (ARC)最近对157家加工业制造商进行的研究发现,数字化转型在组织责任、文化和员工变革管理方面仍存在不少障碍。
AVEVA World 2019 年大中华区用户大会
打破中国企业转型障碍的最佳时机已经来临
根据ARC的研究,尽管超过80%的加工业制造商正在试点先进技术,但目前只有5%到8%的制造商准备好进行数字化转型。ARC认为,转型的主要障碍是用户的组织结构和用例的可扩展性,而工业领域数字化转型的最大推动因素则是控制计划外停机导致业务后果的需求。
AVEVA 首席执行官Craig Hayman表示:“现在是中国启动数字化转型计划的最佳时机,低廉的云计算接入、强大的网络连接、融合的边缘和企业,再加上分析和机器学习技术,这些都意味着在工业领域,以数字化技术推动产能已经唾手可得。正在推动新一代转型的中国企业领导者都清楚,转型的关键在于迅速行动。作为合作伙伴,AVEVA致力于推动企业的数字化进程,帮助他们加快数字技术的应用,实现数字孪生体的价值,并建立数字化团队。”
数字化转型为中国工业领域带来的巨大益处
“数字化转型为中国工业领域带来的益处很多。设备运行健康状况的改善将减少计划外停机时间并提升设备性能,而事件预测能力则可降低运营风险并保障员工安全。”AVEVA大中华区总经理万世平评论道,“此外,认知学习可以提供数字化智能,从而使知识和经验可以在整个企业内自由流通。”
AVEVA总结了推动企业数字化转型的三个关键步骤:首先,各企业需要“抢占”一体化的运营中心,实现他们已有的工业数据可视化;其次,企业需要使用数据以节省运营成本或运营预算,建立关于资产的知识图表,并利用机器学习和人工智能来预测故障会在什么时候发生,这个过程就是所谓的资产绩效管理(Asset Performance Management,简称APM),是一个随着大量创新而迅速发展的热门领域。最后,企业应该使用数据来消除风险,将仿真模拟引入工程设计,并使用云计算来取代老旧的工作流程。
Craig Hayman先生评论道:“随着时间的推移,这三个步骤将会融合形成一个端到端的数字孪生体,包括一个组织的原始工程数据,乃至运行绩效和维护工作安排。通过利用个别数字孪生体的集成数据和分析能力,中国企业可以开始实现真正的数字化,以优化其资产的生命周期。这个过程从最初的资本投资开始,贯穿于现代工厂、炼油厂或智能城市的整个运营阶段。”
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。