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
树莓派基金会调查发现,尽管60%的家长认为编程是孩子的重要技能,但超过70%的家长表示孩子在正常课程中没有学习编程。该基金会CEO指出,随着AI技术快速发展,年轻人掌握技术理解和创造能力比以往更重要。超半数家长认为编程应成为必修课程,并相信学习编程能提升孩子未来职业前景。为填补学校教育空白,基金会呼吁在学校和图书馆广泛设立编程俱乐部,目标到2035年全球教授1000万儿童编程技能。
Patronus AI发布突破性研究,构建了首个系统性AI代理错误评估体系TRAIL,涵盖148个真实案例和21种错误类型。研究发现即使最先进的AI模型在复杂任务错误识别上准确率仅11%,揭示了当前AI代理系统在长文本处理、推理能力和自我监控方面的重大局限,为构建更可靠的AI系统指明方向。
文章介绍了AI大语言模型中最新的深度研究功能,这是目前最令人印象深刻的新功能之一。作者详细解析了ChatGPT、Claude和Gemini等主流模型的使用方法,并重点展示了深度研究功能的实际应用。通过实际测试,作者用ChatGPT 4.5的深度研究功能生成了一份关于1990-2025年最令人厌烦歌曲的详细报告,展示了AI如何通过思维链进行深度研究和分析。文章还提到了语音交互模式将进一步改变用户与AI的交互体验。
这项研究首次从理论和实践证明AI模型可通过模仿生物睡眠-学习周期显著提升性能。研究发现AI训练中存在自发的"记忆-压缩循环",并据此开发了GAPT算法,在大语言模型预训练中实现4.8%性能提升和70%表示效率改善,在算术泛化任务中提升35%,为AI发展指出了注重信息整理而非单纯数据扩展的新方向。