AWS今天宣布全面上市一项名为AWS IoT TwinMaker的新服务,让企业能够创建建筑物、工厂、产品和生产线设备等物理资产的数字孪生。
企业采用AWS IoT TwinMaker可以创建数字孪生以模拟物理系统,并使用真实的数据定期对其进行更新。这些数字孪生可以被用于设计模拟以预测特定产品、工艺和设备部件在不同条件下的性能。
以前如果一家公司想在现实世界中测试某款新产品,唯一的方法就是创建一个物理复制品,而现在还可以利用AWS IoT TwinMaker完成。IoT TwinMaker通过连接来自应用和视频流等来源的信息,可以轻松创建数字孪生,而无需先将这些数据移动到某个存储库。
这一点是可以实现的,因为AWS IoT TwinMaker带有内置连接器可连接到AWS IoT SiteWise等服务,AWS IoT SiteWise是一种托管服务,可以帮助用户轻松地收集、组织和分析工业设备数据。此外,AWS IoT TwinMaker还连接到提供其他有用数据的Amazon Kinesis Video Streams及S3存储服务。
AWS IoT TwinMaker一旦连接到必要的数据源,就会启动一个知识图来映射这些数据源的关联方式,然后确保所有内容都是实时更新的。此外,客户可以导入现有的3D模型(如BIM和CAD文件)来创建3D可视化,覆盖知识图数据以创建更详细的数字孪生。
随着客户启动并运行数字孪生,他们就可以在创建了数据的物理环境上下文中对数据进行可视化。为此,AWS IoT TwinMaker还可以创建一个数字孪生图,将互连数据源之间的关系与用户物理系统的虚拟表示相结合,也就是说,用户能够对他们的真实世界环境进行建模。
用户可以导入现有的3D模型以更准确地表示现有空间,例如工厂车间。此外,他们可以添加交互式视频和传感器数据叠加,以及来自机器学习服务的洞察。该服务还包括Amazon Managed Grafana插件,Grafana可视化平台的一个托管版本。

AWS物联网总经理Michael MacKenzie表示,AWS IoT TwinMaker自去年11月推出预览版以来就引起了客户的极大兴趣。他解释说,即使是那些技术最为先进的组织,也很难构建数字孪生。
“现在,客户借助AWS IoT TwinMaker可以获得以前无法获得的、关于运营情况的洞察,从而实时改进他们的建筑设施、工厂、工业设备和生产线,毫不费力地准确预测系统行为。”
AWS表示,AWS IoT TwinMaker的早期客户包括John Holland Group,是澳大利亚领先的综合基础设施、铁路、多模式运输和建筑公司之一,该公司采用AWS IoT TwinMaker对其建设项目的环境影响进行监控。
正如John Holland公司首席数字信息官Bastian Uber所介绍,该公司有很多项目都受到环境法规、证据收集和环境因素监测(如噪音、灰尘、振动和空气质量)的约束。
Uber说:“我们使用AWS IoT TwinMaker打造建筑数字孪生的目标,是让环境管理人员能够360度全方位地了解项目所带来的环境影响,我们的平台以建筑工地的逼真3D展示,可以收集、分析和显示环境数据,这样环境管理人员就能够监控绩效、调查索赔、收集全面的历史证据。”
AWS表示,AWS IoT TwinMaker上市意味着越来越多的客户将能够构建反映现实世界系统的数字孪生,以提高运营效率并减少停机时间,而且使用这些服务是没有前期成本的,客户只需为数字孪生所需的数据访问付费。
现在该服务已经在Amazon美国东部(弗吉尼亚北部)、美国西部(俄勒冈)、亚太地区(新加坡)、亚太地区(悉尼)、欧洲(法兰克福)、欧洲(爱尔兰)等区域全面提供,未来还将在其他更多地区推出。
好文章,需要你的鼓励
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
本期《Quick Charge》播客涵盖多个热点话题:特斯拉疑似试图删除FSD欺诈相关证据以规避巨额赔付;卡特彼勒持续推进建筑领域电气化布局;住宅太阳能30%税收抵免即将到期。此外,嘉宾Tom Pacheco就高压系统与电池技术培训展开探讨,强调电动车技术人才培养的紧迫性。节目同时提醒有意安装太阳能的用户尽快行动,可通过EnergySage平台比较多家安装商报价。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。