ZD至顶网CIO与应用频道 01月12日 评论消息:如今,中国经济进入新常态,促使企业不得不加快数字化的转型速度。从传统制造业来看,向智能制造的转型是所有企业的主攻方向。但在转型过程中存在了很多问题,其中较为明显的一个就是投入过大,增加了成本负担,导致许多企业犹豫不决。所以我认为未来中国制造业转型的趋势,一定是在一些关键的生产单元、生产线等方面的改造、重建,通过智能制造来解决企业最棘手的问题。
江苏徐工信息技术股份有限公司总经理 张启亮
我们看到在近几年数字化转型中,很多领域已初见成效。例如工程机械领域,通过大数据、云计算和物联网等技术的支撑,正努力向服务型制造业的转变,并已经呈现出包括金融租赁、二手车交易、备件的销售、电子商务以及以总包模式售卖设备,几大方面的特征趋势。
传统制造业和互联网行业进行的双向渗透,成为了中国制造业转型升级的重要特征。从传统企业角度来看,互联网的本质是业务在线化和数据化。制造企业需要有大数据的分析来辅助其决策,这是一个趋势。
数据是灵魂。针对大部分的制造企业,除了企业运营和管理的数据以外,至关重要的数据实际上主要来源于设备端。在整个转型过程中,类似生产过程的自动化并不能实现真正的智能化。真正作为“饲料”推动企业转型的,是将信息和硬件紧密的结合在一起。
通过将所有设备安装上传感器和定位系统,接着再透过从设备上传来的数据,即可分析出每一个配件的生命周期。这样利用信息化手段挖掘隐藏在背后数据的显性特征,从而帮助管理者分析出下一步的实施步骤,为企业带来价值。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。