ZD至顶网CIO与应用频道 04月12日 北京消息:全球领先的汽车技术与服务供应商博世近日宣布,博世汽车电子事业部中国区武进工厂正式投入使用。作为博世汽车电子在中国的第二个生产基地,新工厂将为中国市场提供汽车自动驾驶和互联领域的电子产品与服务。位于常州市武进经济开发区的新工厂总建筑面积34,000平方米,截至2019年,总投资额将达8亿元人民币,员工人数将超过1,300多名。
“博世汽车电子在中国建成投产第二个生产基地,不仅强化了我们‘根植本土,服务本土’的战略,同时见证了博世对快速发展的中国与亚太市场的坚定信心,也表明了我们长期深耕本土的决心。” 博世汽车电子事业部全球总裁Klaus Meder先生表示,“这是我们捕捉未来业务机遇的又一重要举措。武进新工厂将被全力打造成一座现代化的智能互联工厂,以更精益的生产方式更灵活、迅速地满足多样化的市场需求。”
专注服务中国市场
博世汽车电子中国区自2006年在苏州落户以来,专业提供高质量、具有创新性和竞争力的电子产品与服务。2016年,博世汽车电子中国区年度销售总额同比增长26%。随着中国汽车市场的迅速发展,博世汽车电子持续加强对华投资,在中国积极扩大产能规模,以满足不断攀升的本土客户需求。
顺应全球汽车行业互联化、自动化和电气化的三大趋势,新落成的武进工厂将主要为中国市场提供汽车自动驾驶和互联领域的电子产品与服务,例如为驾驶员辅助系统提供摄像头和雷达传感器,为车联网市场提供中央网关等互联产品,同时也提供汽车电子助力转向系统控制器。预期到2019年,新工厂将实现4100万个电控单元(ECU)的年产能,更好地满足中国市场持续增长的需求。
高标准打造工业4.0精益生产示范基地
武进工厂应用了博世精益生产管理系统,从供应商到客户的订单履行过程中力求消除浪费,提高交货性能,并采用先进的生产技术和加工设备,确保产品安全、可靠,质量达到博世全球统一标准。
未来是互联的世界,制造业也正进入全新的工业4.0时代。博世把工业4.0纳入精益生产管理体系,将其作为不断改善和优化精益生产的驱动力,推动生产制造迈入互联时代。武进工厂将被全力打造成一座基于精益价值链互联的工业4.0智能工厂,积极践行博世集团工业4.0领先践行者和卓越供应商的双重战略,助力中国制造业转型升级,向“中国制造2025”迈进。
当前,武进工厂应用了博世苏州工厂工业4.0的成熟方案,比如在表面贴装技术产线采用自主物料输送方案,通过机器自主对话实现自主叫料和自动化物料运输。通过应用本地研发的博世智能工作站项目,武进工厂能实时监控和收集数据,并由大数据分析来实现早期质量预警;同时通过数字化文档管理实现产线的无纸化生产,并逐步拓展到办公区域,将武进工厂打造成一座无纸化办公工厂。
未来,武进工厂还将应用博世最先进的生产计划控制管理系统,对工厂进行透明高效灵活的生产管控,将人、机器和物料置于同一生态系统内,实时上传所有数据到博世物联网云端,实现工厂内部的垂直互联,并初步实现价值流的互联。最终,武进工厂将建立开放的工业4.0云系统,实现工业链上下游的同步化、协同化,实现精益互联的全价值流以及内外部制造网络的水平互联,成为全方位的智能工厂。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。