至顶网CIO与应用频道 02月07日 汉诺威消息(文/王聪彬):当我们谈论汉诺威时,我们不能不谈的就是汉诺威工业博览会(HANNOVER MESSE),其已经当之无愧的成为工业界的世界级展会,覆盖了自动化和机器人、软件和IT、动力传动和流体技术到综合能源系统、分包和轻量化设计以及研发的全套工业技术。
今年汉诺威工业博览会将于4月23-27日在德国汉诺威展览中心举行。“连接与协作”是今年的大会主题,这也充分表达了技术对于工业的深刻影响和变革。
而且今年也是第一次,汉诺威国际物流展览会(CeMAT)将与汉诺威工业博览会在同期同地举办,两者的协同将更好的展现出工业4.0与物流4.0的结合。
因为物流是智能工厂的重要组成部分,汉诺威国际物流展览会将展示多种互联供应链解决方案,为供应链数字集成提供驱动力,尤其是物流4.0这一重点。
不管是工业4.0还是物流4.0,IT技术现在都已经是其中不可分割的一部分。工业、能源、物流领域正经历着数字化的整合,这是IT行业常说的数字化转型。“传统的模式正在被颠覆,各种新型商业模式将不断出现。”Deutsche Messe AG CEO Jochen Koeckler说,数字化生产、综合能源系统、智能物流解决方案将从根本上改变我们的生活、工作、经营模式。
工业4.0的下一阶段要做什么?
工业4.0本就是由德国政府《德国2020高技术战略》中所提出的十大未来项目之一,它代表着工业的数字化、智能化发展。
数字化可以让工厂变得更加高效和智能,帮助工厂中人和机器这两个重要组成部分可以展现出最佳的人机协作。Jochen Koeckler表示,自动化技术、IT平台、机器学习的结合将工业4.0推向新的阶段。
其实数字化已经深深的嵌入到制造价值链的各个环节中。一个明显的例子就是多种工业互联网平台的出现,通过数据的收集、分析帮助从设计、制造、销售、服务等全过程实现整体的优化与创新,不管是德国、美国,甚至中国也涌现出大量的工业互联网提供商。
工厂工人可以直接访问所有生产和机器相关数据,而新的连接也改变了他们所扮演的角色。而且随着人工智能的发展,尤其是机器学习让机器人可以进行自主决策为工人提供辅助。
生产物流一体化的崛起
在制造中的物流环节,数字化也成为成功的关键因素。物流4.0代表了数据化和智能化,和工业4.0异曲同工,通过IT技术管理和完成复杂物流过程,不断提高效率和灵活性,从而降低成本。
中国的物流更多还停留在1.0阶段,也就是简单的机械化位移,这种粗放式的经营和管理模式显然已经不适合现在的环境,如何才能实现物流1.0向4.0的跨越。
亚马逊作为电子商务的代表,其拥有庞大的客户群和物流体系,通过订单自动化传递、自动化跟踪、自动化库存管理等等信息化的手段,让亚马逊实现了产品的快速交付,让用户感受到极致体验。
这种物流的能力也将逐渐出现在传统工业领域。未来生产物流一体化也将快速崛起,物流4.0之父曾说过,物流是任何行业运作成败最具决定性的因素,没有物流就没有工业4.0,因此工业4.0时代其实就是物流4.0时代。
墨西哥展现出的竞争力
最后再来说说今年汉诺威工业博览会的合作伙伴国墨西哥,这是第一个拉美国家和唯一一个讲西班牙语的国家成为合作合作伙伴国。
目前墨西哥国内生产总值达到1.3万亿美元,在拉丁美洲排名第二。2017年经济增长率为2.2%,预计2018年将达到2.4%。
在汉诺威工业博览会上,墨西哥将重点关注五大主题:工业生产、能源和环境技术、劳动力发展、初创企业和外国投资。
墨西哥要向世界证明,其并非是一个低成本的投资平台,而是一个有竞争力的工业中心,这都要归功于高素质的人才、良好的经济、庞大的自由贸易协定、现代化物流和字化的基础设施。
好文章,需要你的鼓励
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。