至顶网CIO与应用频道 05月11日 北京消息(文/王聪彬):10年前,制造领域的供应商由于产品的单一竞争一场激烈,现如今,仿真、3D、物联网各家业务的发展方向逐渐出现了差异化,竞争的格局也发生了变化。
PTC也正在经历转型阶段,PTC中国区总裁Kerry Grimes表示,我们不再是一个传统的CAD公司,我们要把物联网带入CAD领域,这伴随而来的就是全球代理商和渠道的增长。
PTC中国区总裁Kerry Grimes
2013年Kerry Grimes在加入PTC时,担任全球渠道销售高级副总裁,当时全球渠道销售总额在8000万美元,4年间已经增长了40%,达到1.14亿美金。
在中国PTC也有着很多增长和发展的机会,Kerry Grimes现在担任PTC中国区总裁已有5个多月,他来到中国后第一件事就是重组销售团队,包括重新分配直销和渠道资源。目前直销除了一些大行业会制定一些直销客户外,其他客户全部通过代理,未来渠道比例要达到85%。行业发展也有侧重,像航空行业主要发展SLM,零售行业主要发展FlexPLM。
PTC在传统的PLM和CAD领域都有大型的合作伙伴,现阶段目标是要进一步拓展IoT领域的合作伙伴。
因为PTC在收购ThingWorx后,2013年也启动了物联网战略。数据显示2016年PTC物联网业务大幅增长,收入约为1亿美元,总预订量同比增长115%,其中包含了来自Kepware和Vuforia的贡献以及53%预订量的自然增长。
Kerry Grimes认为,转型物联网的PTC更关注智能可连接的产品,所以要重新考虑业务的流程,从创建、运营、制造、服务各个方面的合作伙伴。
PTC正在寻找一个全新的合作伙伴类型和组合,所以未来可能会有OEM等类型的合作伙伴加入。例如AWS、阿里云、腾讯云等云服务供应商,他们可以把PTC传统的解决方案通过云的方式进行部署和提供,以及合作推出解决方案。
在物联网云平台的发展上PTC已经收购了ThinkWorx、Axeda、ColdLingt、Kepware等公司,当然PTC的重点还是建立整体数据分析的架构,如何对云中的数据进行分析和使用,这和其他的工业云提供商有着明显的不同。
当然PTC也在和GE深化战略关系,致力通过“ThingWorx for Predix”工业解决方案更有效地优化ThingWorx与Predix平台的结合。
拓展更多的渠道合作伙伴,也可以为中国更多中小企业提供服务。同时PTC还设立了渠道合作伙伴管理部门帮助渠道合作伙伴提高销售能力,售前团队会配合代理商更好地和客户进行前期沟通。
Kerry Grimes还提到了最新的三年订阅模式带动了第一季度20%的销售增长,在北美和西欧订阅的比例都占到了75%。中国目前有30%的订阅客户,但因为很多中国企业需要永久性的许可证,新的订阅模式可以让中国客户在三年期满后选择永久买断软件许可证,而且政策适用于PTC所有软件产品。
在本地化上PTC非常重视中国战略规划,在配合“中国制造2025”战略上,PTC将整个产品线进行匹配,规划出路线图。PTC认为物联网对于今后的制造业有着非常大的改变。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。