情况分析: 西门子试图解决什么问题?
工业领域面临着多个挑战,包括安保和安全法规、环境可持续性以及技术专家短缺等等。 西门子首席技术官兼首席战略官 Peter Koerte 表示,西门子公司的目标是利用人工智能解决其中的许多问题。
他告诉记者,“人工智能在工业应用场景中最重要的是必须安全、可靠且值得信赖。”西门子在人工智能领域的投资已有约 50 年的历史,提供的多种工业人工智能产品可以帮助汽车和航空航天等行业的制造商利用数据分析预测维护需求、提升员工生产力。
Koerte 表示,“我们相信,如果我们能够从现实世界获取数据,并在数字世界中模拟这些数据,理解这些数据,我们就能更快地为客户提供服务,因此我们的客户就更加具有竞争力、更具韧性和可持续性。”
关键员工和利益攸关者
Koerte表示,西门子在开发旗下的工业人工智能产品和服务方面与许多技术合作伙伴进行合作,包括谷歌、微软、英伟达、亚马逊网络服务和Meta。西门子公司约有1500名具备人工智能专业知识的员工,他们与这些科技公司密切合作,同时西门子的内部产品开发团队也参与其中。
人工智能实践
西门子的工业人工智能工作的重点是预测性维护、辅助工人的技术以及生成式产品设计。
其中的一个产品是 Senseye 预测维护工具,这个工具可以与制造商的数据源进行整合并利用人工智能分析信息。西门子表示,Senseye 预测维护平台可以提供有关机械、工具和其他基础设施运行状况的洞察。Senseye 预测维护技术还可以帮助预测维护问题,从而提高生产力,并帮助客户公司加快在业务中采用技术的步伐。
西门子首席技术官兼首席战略官 Peter Koerte (图:西门子)
西门子不久前首次推出了一款面向工业环境中工程师的人工智能生成式助手,名为 Industrial Copilot。该助手可以自动生成代码、快速识别问题并提供建议,支持设备维护的故障排除等工程任务。西门子表示,该工具可以提升“人机协作”,帮助解决企业在保持竞争力的同时解决劳动力短缺问题。
Koerte 表示,Industrial Copilot 可以在设备或软件出现问题时通知员工,收到通知的员工可以使用任何语言的口头命令创建工单,工单会自动发送给其他国家的团队,以便采取行动解决问题。他表示,“人工智能打破了障碍,使许多技术可以平民化,因为我们简化了这些技术的复杂性。”
有效吗?领导怎么知道呢?
西门子发现,使用 Senseye 预测维护平台的公司的维护成本降低了 40%,维护人员的工作效率提高了 55%,机器因维护无法使用的时间减少了 50%。
澳大利亚钢铁公司 BlueScope 在2021年实施了预测性维护平台,目的是最大限度地减少各工厂的停机时间、增加运营时长、加快产品生产速度并降低成本。Senseye 和 BlueScope 的物联网传感器合在一起能够及早检测设备的异常振动,从而预防维护问题的出现,为公司节省成本。
德国汽车和工业供应商 Schaeffler 集团在旗下的一款生产设备上整合了 Industrial Copilot。 现在,Schaeffler 集团的工程师能够更快地为可编程逻辑控制器(控制机器的设备)生成代码。 西门子表示,这项技术正在帮助 Schaeffler 集团实现重复性工作的自动化,减少错误,并将工程师解放出来从事“更高价值的工作”。
下一步是什么?
Koerte 表示,西门子将继续研究和开发新的人工智能应用案例。
西门子正在开展的一个项目将一些诸如模型和数字图纸等计算机辅助设计数据输送给大语言模型,并提供相应的提示词让大语言模型创建各种产品。
该项目仍处于早期开发阶段,但 Koerte 表示,这个项目可以使设计工程师(尤其是汽车行业的设计工程师)创造出更多的变种产品,并更快地生产出质量更高的产品。
好文章,需要你的鼓励
铠侠正在测试最新的UFS v4.1嵌入式闪存芯片,专为智能手机和平板电脑设计,可提供更快的下载速度和更流畅的设备端AI应用性能。该芯片采用218层TLC 3D NAND技术,提供256GB、512GB和1TB容量选择。相比v4.0产品,随机写入性能提升约30%,随机读取性能提升35-45%,同时功耗效率改善15-20%。新标准还增加了主机发起碎片整理、增强异常处理等功能特性。
上海AI实验室团队提出创新的异步拍摄方案,仅用普通相机就能实现高速4D重建。该方法通过错开相机启动时间将有效帧率从25FPS提升至100-200FPS,并结合视频扩散模型修复稀疏视角导致的重建伪影。实验结果显示,新方法在处理快速运动场景时显著优于现有技术,为低成本高质量4D内容创作开辟新路径。
谷歌在伦敦云峰会上发布Firebase Studio更新,新增Gemini命令行界面集成、模型上下文协议支持和"代理模式"。代理模式提供三种AI协作层次:对话式"询问"模式用于头脑风暴,人机协作代理需开发者确认代码变更,以及几乎完全自主的代理模式。尽管谷歌声称已有数百万应用使用该平台,但目前仍需精心设计提示词,非工程师用户还无法直接创建成熟应用。
上海AI实验室联手复旦大学提出了POLAR方法,这是一种革命性的奖励模型训练技术。通过让AI学会识别不同策略间的差异而非死记评分标准,POLAR在多项任务上实现了显著提升,7B参数模型超越72B现有最强基线,为AI对齐问题提供了全新解决思路。