至顶网CIO与应用频道 01月30日 北京消息:数物融合一直是PTC的愿景,在这个过程中PTC正通过3D打印、智能制造、IoT、AR、VR五大方面进行推动。
在数物融合的基础下,PTC制定了产品创新、运营创新、增强现实技术融合创新的发展路线,重新定义了其产品组合支持工业创新。
PTC产品组合共分为产品全生命周期层、工业创新平台层、解决方案层三层。
产品全生命周期层基于Creo、Windchill、Integrity、Servigistics等工业软件,形成需求、系统工程、研发、工艺生产、服务的全生命周期一体化管理能力;
工业创新平台则依赖ThingWorx平台实现互联、建模、分析、体验的综合能力,并提供Navigate、Manufacturing App等App应用;
解决方案层则由各个合作伙伴提供联合的解决方案,如GE、美国国家仪器、EAC等借助PTC工业创新平台能力为制造业等行业提供工业物联网解决方案。
在产品组合中ThingWorx平台的定位就是数字世界和物理世界的融合实现工业领域创新,这也是ThingWorx的新定位“工业创新平台”。
尤其在企业数字化转型的档口,各种新技术正在不断应用,产品特性、研制以及服务模式上都发生了改变。ThingWorx从支撑未来技术框架上重新进行定位,PTC全球资深副总裁兼大中华区总裁刘强表示,ThingWorx平台一方面强调技术平台而非运营平台,另外一方面通过平台以及平台的解决方案推动工业领域创新,帮助企业加速数字化业务转型。
2017年6月8日,ThingWorx 8正式发布,目前已经迭代到8.2版本,升级版的ThingWorx拥有更强大的平台能力,提供针对工程和制造领域而设计的角色应用、庞大的合作伙伴和客户生态系统,以及包含丰富的教学课程在内的一系列专为工业物联网客户和合作伙伴设计的全新服务。
平台:ThingWorx 8将Kepware(设备互联)、ColdLight(机器学习及大数据分析)、ThingWorx Foundation(数据建模及应用创建)进一步整合,形成了统一的ThingWorx平台,具备了互联、分析、建模、应用创建的完整能力。
APP:发布了ThingWorx Navigate以及Manufacturing App。ThingWorx Navigate主要面向数字化工程领域,通过系统整合和数据聚合,实现基于角色的多源数据快速浏览;Manufacturing APP则分别面向控制工程师、设备运维工程师、产线管理人员等提供相应APP应用。
支持服务:为合作伙伴及用户,提供平台开发者社区和应用市场(Marketplace)。Marketplace支持IoT开发人员利用一些已有的服务去快速构建新的APP。目前已经有600多个APP,每周大概平均有1000多个客户去使用,每周平均下载500多项。
除了三大组合外,ThingWorx 8的技术架构还包含了五方面能力:
数据采集:实现多源数据的采集,包括工厂设备端数据、交付出去的产品运营数据、基于云端的设备数据、以及CAD&PLM和AEC&BIM的数据等,形成全息数据的聚合。
信息建模:在数据采集后,实现信息建模,并将数据与业务上下文进行关联。
分析仿真:采用机器学习及数据分析能力,支持数据分析及应用,如设备故障异常监测、故障预测等,以及支持基于多源数据的互联仿真及设计优化。
业务集成:提供与ERP、CRM等各个业务系统的集成接口,实现企业级多要素业务整合。
用户体验:提供各类APP应用以及虚拟现实、数字映射技术,提升用户体验。
ThingWorx在中国已经拥有大量用户,他们有的关注用户协同体验,有的希望借助平台提升服务能力,有的希望提升远端产品运维效率。PTC中国区国防及北方区技术总监陈继忠说,在传统工业生产制造领域,目前的转型更多侧重在精益生产,在优化生产管理模式时,通常首先考虑资产互联互通,并借助构建App实现智能化生产。
同时ThingWorx跨行业的能力也让PTC需求更多的合作伙伴,主要分为四类,第一、自动化设备合作伙伴,像ABB、施耐德等;第二、制造业信息系统厂商,像CAD、PLM等;第三、ERP核心厂商,像SAP、Oracle等;第四、非制造业领域以系统集成商为主,像太极、中软国际、东软等。总体按照不同行业结合各自优势专长的生态合作伙伴。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
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。