AWS IoT SiteWise Edge现已在Siemens Industrial Edge Marketplace上推出。今后,客户可以将其部署在Siemens Industrial Edge上,进行集中式的应用和设备管理,并将其与各种其他应用和边缘设备结合起来。AWS IoT SiteWise Edge是一款本地软件,是亚马逊网络服务公司工业物联网服务产品组合的一部分,即使没有互联网连接,它也可以在本地手机、处理并监控设备数据。
西门子于2018年推出了开放式Industrial Edge平台,并于2021年10月通过Industrial Edge Marketplace对其进行了扩展,后者是一个独立的跨供应商应用商店,工业客户可以在这里从不同的物联网提供商处购买应用。Industrial Edge platform and Marketplace是Siemens Xcelerator的一部分,Siemens Xcelerator是一个开放式数字业务平台,为客户、西门子和互补的第三方之间的协作创建了一个开放的生态系统。因此,它们也是Industrial Operations X 的一部分,这是一个用于自动化和工业生产运行的开放且可互操作的产品组合。
西门子工厂自动化首席执行官Rainer Brehm表示:“将AWS IoT SiteWise Edge添加到我们的Industrial Edge Marketplace,为大规模部署边缘和云应用程序以及管理闭环自动化工作流程创造了新的机会。”“我们的客户不断面临新的挑战——提高生产流程的生产力、灵活性和可持续性。为了帮助他们,西门子正在扩展其传统的强大OT产品组合,通过Industrial Operations X,将IT和软件功能集成到自动化中。” 通过Industrial Operations X,西门子还为客户提供了与开放式生态系统相结合的集成式运营软件组合。
利用边缘和云来简化 IT/OT 集成
借助 AWS IoT SiteWise Edge on Industrial Edge,AWS和西门子将加速并简化“机器到边缘”和“边缘到云”的体验。客户只要花更少的时间就可以开始将数据提取到AWS云中,并使用更多的AWS服务,例如,可以简化数据和工作流管理,或在边缘和云上实现工业人工智能 (AI)工作流。如今,大多数(74%)的客户物联网项目仍然是孤立的尝试(来源:Beecham Research的《为什么物联网项目会失败》),需要很长时间才能大规模部署,或者由于OT(运营技术)和IT 系统的异构环境而无法实现预期的投资回报 (ROI)。
这导致数据难以访问和使用,因为它们通常被限定在单台机器或车间中。客户现在可以开始在工作流中处理工业数据,以此释放它们的价值,而以前他们必须选择在边缘或云中运行这些工作流。Siemens Industrial Edge上的 AWS IoT SiteWise Edge有助于构建安全、灵活的“边缘到云”基础设施,可以在需要的地方提供数据并运行混合工作流,简化IT/OT融合。
物联网用例的快速开发、可扩展性和可重复性
使用AWS IoT SiteWise Edge和Siemens Industrial Edge的客户将受益于跨边缘和云的各种工业连接选项、数据存储和管理、安全功能以及分析和可视化技术。借助此产品,自动化工程师、维护技术人员和运营经理可以决定需要收集哪些数据以及在哪里存储、处理或分析这些数据。借助Industrial Edge,物联网解决方案的开发和部署变得简单、安全且可扩展。
从工业物联网数据中提取价值以优化工业运营
借助AWS IoT SiteWise Edge,企业可以通过监控性能指标来提高生产效率、改善制造运营,并利用历史数据和实时数据进行远程资产监控,优化资产维护。
Siemens Industrial Edge Ecosystem正在不断发展壮大,越来越多的边缘应用和设备正在进入Siemens Industrial Edge Marketplace。今天的发布表明,西门子和AWS让工业自动化(OT)和云(IT)强强联合,为制造业客户提供简化的“机器到边缘”以及“边缘到云”的体验。
好文章,需要你的鼓励
亚马逊云服务部门与OpenAI签署了一项价值380亿美元的七年协议,为ChatGPT制造商提供数十万块英伟达图形处理单元。这标志着OpenAI从研究实验室向AI行业巨头的转型,该公司已承诺投入1.4万亿美元用于基础设施建设。对于在AI时代竞争中处于劣势的亚马逊而言,这项协议证明了其构建和运营大规模数据中心网络的能力。
Meta FAIR团队发布的CWM是首个将"世界模型"概念引入代码生成的32亿参数开源模型。与传统只学习静态代码的AI不同,CWM通过学习Python执行轨迹和Docker环境交互,真正理解代码运行过程。在SWE-bench等重要测试中表现卓越,为AI编程助手的发展开辟了新方向。
当今最大的AI数据中心耗电量相当于一座小城市。美国数据中心已占全国总电力消费的4%,预计到2028年将升至12%。电力供应已成为数据中心发展的主要制约因素。核能以其清洁、全天候供电特性成为数据中心运营商的新选择。核能项目供应链复杂,需要创新的采购模式、标准化设计、早期参与和数字化工具来确保按时交付。
卡内基梅隆大学研究团队发现AI训练中的"繁荣-崩溃"现象,揭示陈旧数据蕴含丰富信息但被传统方法错误屏蔽。他们提出M2PO方法,通过改进数据筛选策略,使模型即使用256步前的陈旧数据也能达到最新数据的训练效果,准确率最高提升11.2%,为大规模异步AI训练开辟新途径。