ZD至顶网CIO与应用频道 03月13日 北京消息:近日,PTC(纳斯达克代码:PTC)宣布ThingWorx合作伙伴再添新员,其物联网(IoT)合作伙伴生态系统得到进一步拓展。
迄今为止已有数百家工业物联网合作企业选择以ThingWorx®工业物联网平台来加速其物联网项目,并为客户创造价值。这些企业中包含解决方案开发商、服务提供商、渠道合作伙伴,以及硬件和软件技术公司。作为PTC合作伙伴网络的一部分,“ThingWorx Ready”计划帮助合作企业凭借ThingWorx平台进行有效的产品整合,从而使解决方案开发商能够借助预集成产品、扩展程序以及ThingWorx Marketplace™中的入门套件来加快上市速度。
在ThingWorx Marketplace平台中能提供ThingWorx Ready产品的合作伙伴又新增了以下几家:工业通讯和工业物联网产品领先提供商HMS工业网络有限公司;设计、开发和制造工业物联网通讯设备的领先企业MultiTech;为智慧建筑、智慧设施和智慧城市等应用领域提供多协议网关的领军企业Sierra Monitor Corporation,其产品可将现场设备连接到ThingWorx平台;以及支持用户利用ThingWorx数据快速开发一流业务应用程序的领先平台ViziApps。此外,提供企业级技术产品和服务的龙头企业BETSOL也加入了PTC合作伙伴网络,成为ThingWorx授权服务提供商,并将在ThingWorx市场上推出其物联网服务。
ThingWorx Marketplace能够为基于或针对ThingWorx物联网平台开发而成的第三方物联网解决方案、技术及服务提供资源。该平台同时面向工业物联网解决方案开发商和买家,旨在简化ThingWorx与第三方服务及工具的整合过程——它为客户及合作伙伴提供了大量易于获取和使用的预集成、预认证产品、扩展程序及入门套件,帮助其构建自己的解决方案并加快上市速度。
PTC物联网合作伙伴销售副总裁Kevin O’Brien称:“合作是在当今物联网市场上赢得成功的关键之一。ThingWorx合作伙伴生态系统的持续拓展强化了该平台对于构建全新物联网解决方案的价值。ThingWorx拥有世界一流的组件,而这些合作伙伴则拥有配套技术以及市场知识和解决方案专长,双方的强强联合将进一步推动物联网的创新和普及。”
MultiTech业务开发总监Michael Finegan表示:“使用物联网平台正迅速成为开发物联网解决方案的首选。通过与PTC合作,我们不仅可以利用ThingWorx平台的强大功能,还能通过ThingWorx Marketplace推出自己的解决方案。这样的双重支持让我们得以简化客户体验,并进一步接触更广阔的市场。”
ThingWorx物联网平台囊括了快速应用开发功能、连通性、机器学习能力、增强现实,并整合了领先的设备云。这些能力共同形成了一个综合全面的物联网技术堆栈,让客户能够安全连接资产、快速创建应用、开辟价值获取的新途径。
PTC构建了强大而多样化的ThingWorx合作伙伴生态系统,将众多物联网解决方案开发商汇集一处,支持其合作发掘和利用物联网领域的商机。ThingWorx专门面向在特定市场或垂直行业——如制造、石油天然气或智慧城市——拥有专长的物联网解决方案开发商。开发商深知这些行业需要哪种类型的物联网解决方案,但需要借助连通性、应用开发以及增强现实等基础物联网技术来实现自己的开发构想。ThingWorx通过一个快速、易用而又安全的平台提供了一套强大的技术组件,让开发商能够专注打造能为客户提供价值的最终解决方案。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。