重型设备制造商小松在Cloudera 和微软助力下实现了工业物联网分析平台
重型设备制造商小松(Komatsu)实施了一款以Cloudera 产品和微软Azure作为支撑的工业物联网分析平台,以帮助全球采矿企业监控行业中使用的巨型设备的性能。该平台还能提高资产利用率和生产率,为全球经济提供必要的资源(包括能源和工业矿产)。
小松的JoySmart解决方案是为了帮助客户利用机器数据和分析来优化机器性能。它摄取、存储和处理从世界各地的采矿设备收集到的多种数据,每台机器每分钟可以产生3万到5万条带有时间戳的记录。
“随着客户需求的增加和联网机器的增多,我们预计数据量将达到每月30TB。以前的环境限制了我们的规模、增长和创新能力,”小松公司分析部高级经理Anthony Reid说。
“借助Cloudera的全新平台,我们使用先进的数据分析和机器学习来推动我们在工业物联网方面的成功。我们现在为客户提供更好的机器使用建议,并更快地提供服务。例如,我们能够为一家大型煤矿公司提供建议,使他们的Joy长壁开采系统的日利用率增加一倍。
“通过在微软Azure上部署Cloudera 平台,我们的团队将不可见的数据变为可见,获得有价值的洞察,帮助客户优化生产率和挖掘效率。Cloudera提供了快速的性能、数据安全和客户支持,使我们的团队能够访问机器数据分析,并与世界各地的不同用户群体合作。”
小松需要一个现代化的数据平台,不仅要在云计算中提供下一代机器学习和先进的分析能力,而且要具有可扩展性,以提高客户的设备利用率和生产率。有了Cloudera,小松现在可以利用大量的数据,帮助矿业客户应对日益增长的压力,以更低的运营成本实现更智能的环保和更高的生产率。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。