ZD至顶网CIO与应用频道 03月13日 人物访谈(文/王聪彬):与制造相关的企业都离不开在设计研发上的持续投入,但设计思维也会随着客户的需求不断变化,就像最近几年比较火的电动汽车、互联汽车变化趋势。
所以说机会来自于对产品思维的变化,设计什么样的产品去符合这样的趋势。当然制造业还要在这个过程中创造新型价值点,这就需要在技术上不断革新,实现从设计思维转变到技术思维转变。
本文的主人公是一个年过半百的传统制造企业,1966年信昌机械厂股份有限公司于台北县新庄市正式创立。1991年随着业务逐渐扩展到大陆,首先在无锡市成立了信昌集团(以下简称“信昌”),2004年成立福州设计研发中心。经历20多年的发展,信昌的足迹已遍布大江南北,在无锡、福州、上海、天津、北京等地拥有20余家汽车零部件配套企业。
信昌作为国内五大汽车零部件制造商,制造范围涵盖汽车机构件、内饰件及模夹量治具等各种产品。50年间信昌已经从一个接受委托的专业代工生产商,成长为可以帮助客户进行设计与制造相关产品的制造商。
作为主机厂的配套厂,拥有大量车厂客户的信昌可以说是产品发展变化的第一个触点。
台湾信昌机械福州设计中心副总经理、董事长特别助理奚仲强在与客户多年的接触中看到其中的变化,之前汽车技术基本是从欧美导入,在比较成熟后才会进入中国。而现在外资品牌在新技术上已经同步发布,这一效应也影响到中国自主品牌更快的接触和接受这些新技术,当然这一变化也要求信昌要放眼全球更早的理解各种新技术,走到价值链的前端影响主机厂。
台湾信昌机械福州设计中心副总经理、董事长特别助理奚仲强
在客户需求演进的过程中,设计的变化也逐渐影响到技术的变化。尤其随着信昌业务的不断扩展,跨部门的沟通让信息非常分散,不能有效利用。信昌的想法是把研发、设计、产品制造、业务整合在一个平台之上让数据得到共享,所有部门都可以同一时间获得最新的信息,快速的响应客户需求的变化。
奚仲强提到设计领域的数据整合是最困难的,工程师大多是独立工作,很难在工作的同时及时分享,这很可能造成重复投入相同资源产生出相似或者效果类似的产品设计。
信昌先后采用达索系统CATIA、ENOVIA、SIMULIA等3DEXPERIENCE平台,应用与设计研发、验证分析与模拟仿真等程序。同时Bid To Win解决方案能够帮助信昌快速发现问题,以及调整实际运作中发生的问题。
信昌的理念是不设定哪些零件在某一地区进行设计,目前信昌的研发团队分别在台湾和福州两地,两个设计中心实现了在不同设计环境下信息的整合、管控、运作,实现设计的协同,达到缩短产品制造周期、资源整合、降低成本的效果。
在航空航天、汽车行业之外,作为渠道代理商广州杰索信息技术有限公司总经理杨晓春看到涉及机械、电子、软件的智能产品,在整个系统优化时同样非常需要CAD、PLM、3D体验平台软件的支持信息的共享。
这就不得不提到另一个在制造过程中跨越信息鸿沟实现互通的案例“格力”。
这既是一个危机也是一个机会,中国家喻户晓的品牌格力在家电上早已开启了智能时代,其在智能产品上需要解决从工程BOM到制造BOM中间的管控。格力有研发和制造系统但中间过程没有支撑,使得信息不能有效的传递和沟通,产生信息的鸿沟。通过达索系统DELMIA可以帮助企业根据客户需求进行调整,真正实现两者之间的管控。
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。