至顶网CIO与应用频道 01月31日 北京消息(文/王聪彬):“工业互联网是面向工业智能化的需求。”中国信息通信研究院院长刘多曾说过,工业互联网不仅仅是一个网络,在打造网络的同时可以产生新的业态和模式,这对于制造业转型发展是非常重要的。
工业物联网、工业互联网、工业云虽然名称繁多,但它们都代表着同一个含义。不仅仅是收集数据、分析数据,工业互联网是关注资产从设计、制造、销售、服务等全过程,实现整体的优化与创新。
传统的工业互联网的架构主要分为三层:终端设备层、数据采集平台层、应用层。其中设备层和平台层是工业物联网中最关键的环节。
对工业互联网一个形象的比喻是,设备就好比感知器官,平台就好比大脑。感知器官负责数据的采集,大脑负责数据的分析处理,也就是常说的端到云。
随着数据量的增长,工业互联网平台的负担会越来越大,如果在边缘设备上就可以进行预处理就可以更快的进行响应。“边缘计算”的出现就像人的感知器官一样,并不是全部回到大脑作出反应,很多是感知器官会直接作出反应。工业互联网则通过在设备端加入盒子的方式,让一些数据在边缘就可以得到简单的计算。当然平台层仍然是工业物联网的核心,支撑工业应用的开发。
市面上工业互联网平台少则数十,多则上百。几个代表像GE Predix工业互联网平台、西门子MindSphere、PTC ThingWorx工业创新平台、树根互联根云平台、徐工Xrea工业互联网平台、海尔COSMO工业互联网平台都有着各自的特色和发展路径。
GE Predix工业互联网平台以资产为中心,从边缘到云再回到边缘。其推动垂直工业领域应用,平台将聚焦航空、能源、医疗领域,围绕资产绩效管理、现场服务、智慧工厂为客户开发有价值的应用,加速工业互联网生态圈的建设。
西门子MindSphere是基于云Cloud Foundry而构建的开放式物联网操作系统。可帮助企业实现真实世界中的产品、工厂、机器和系统的连接,以提取并分析真实的性能和应用数据。
PTC ThingWorx工业创新平台倡导将数字世界和物理世界融合实现工业领域创新,拥有强大的平台能力,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,以及专为工业物联网客户和合作伙伴设计的全新服务。
树根互联根云平台以服务中国企业,特别是中小企业作为开发目标,以N+IIoT用互联网和物联网技术来提能工业应用,通过端到端的价值输出,为需要物联应用的工业企业,提供从硬件接入、电信网络流量购买、机器间通信、云资源编排、大数据处理到物联应用开发的打包解决方案。
徐工Xrea工业互联网平台是一个“能为设备提供精准服务的平台”,其可以实时、精准监测设备的运营及运行情况,从而为设备提供全生命周期服务、预测性维护服务和创新商业模式等三大核心价值。
海尔COSMO工业互联网平台是海尔在打造互联工厂的实践中,逐步构建的一个开放共享的生态体系。其让用户全流程参与产品设计研发、生产制造、物流配送、迭代升级等环节,真正实现了人人定制。
虽然有这么多的工业互联网平台,但都殊途同归,利用数据在各个层面进行创新。
当然中国制造企业在信息化、自动化水平上存在参差不齐的问题,能否快速接入是一个需要探讨的问题。当然还有像设备采集复杂度过高,缺乏标准,以及没有一个平台可以聚集所有的生态系统等问题。
中国工程院院士倪光南也提出,建设广泛兼容、安全可靠的工业互联网平台,对中国工业界的国际竞争力培育具有战略意义。无论从国家发展战略层还是从单纯的市场发展趋势出发,中国都必须建立完全自主、安全的工业互联网平台。
其实工业物联网大多都是闭源,通过API进行连接,这也为很多制造企业带来顾虑,尤其是数据层面安全。制造业不同于互联网行业的特性,其试错风险太高,未来标准化的部署则可能突破这一瓶颈。
好文章,需要你的鼓励
随着AI策略成熟,CIO开始重新考虑对公有云的依赖,私有云和本地环境重新受到关注。调查显示,67%的企业领导计划在未来12个月内将部分AI数据迁移至非云环境。主要原因包括成本可预测性、数据隐私保护、安全问题和云集成挑战。对于持续的AI工作负载,购买自有GPU比租用公有云更经济。私有云支出增长更快,预计2025年将有54%的组织在私有云上投入超过1000万美元。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
本文深入分析了从传统AI发展到AGI过程中可能出现的智能爆发现象。基于AI专家共识的2040年AGI实现预期,文章探讨了七种主要发展路径,重点关注突破性的"登月路径"。智能爆发理论认为,智能可以像原子链式反应一样相互促进,快速产生大量新智能。文章预测2038-2039年可能发生智能爆发,随后在2040年实现AGI,但也指出了关于智能爆发的启动、控制和潜在风险等争议问题。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。