至顶网CIO与应用频道 08月28日 北京消息:PTC (纳斯达克代码:PTC)于近日发布年中《工业创新现状》系列研究报告,其中描述了创新企业为终端客户构建工业物联网及增强现实体验的发展和技术应用趋势。
作为PTC正在进行的一系列市场研究与分析的一部分,首个《工业创新现状》研究报告于今年早些时候发布。该系列报告深入探讨了工业物联网(IoT)和增强现实(AR)市场所带来的稳健且日益复杂的机遇。利用PTC长达30年的技术专长、全球3万名客户和1000位技术和服务合作伙伴资源,该系列报告在整个工业物联网生态系统中提供了可行性趋势和见解。
延续首份报告 ,基于最近几个季度的调查结果,新版报告涵盖以下主要见解:
从试用到生产,AR技术正以前所未有的速度得到应用
随着AR技术应用的显著增加,进行数字化转型的企业不能坐以待毙。无论是为了提升向客户提供的产品、服务和解决方案,还是在企业内部推动卓越运营,AR技术都具有造成严重经济破坏和冲击的可能。
“工业AR现状:聚焦工业创新” 重点关注战略差异化的主要用例,这指的是企业通过创新的产品、服务和解决方案向客户提供AR体验,以区别于竞争对手。报告收集的数据显示,大多数计划采用AR技术的企业都将在12个月内建立项目并获得投资回报(ROI)。这种快速应用既是一种机遇,也是一种破坏性的威胁。
PTC增强现实产品执行副总裁Mike Campbell表示:“AR技术现已被应用。各组织都开始积极涉足这一领域,意识到能够快速实现投资回报,但随着越来越多的企业将AR技术应用到实际产品中,利用该技术来实现差异化的机会变得有限。在撰写该报告时,我们观察到,试点是从内部的概念证明开始,随后很快在多个领域得到应用,包括面向客户的产品及服务计划。企业和消费者都即将真正体验到AR的颠覆性力量。”
下载完整版报告,请访问:https://www.ptc.com/en/resources/ar/white-paper/state-of-industrial-ar。
远程监控、维护和服务是工业物联网的最佳用例
“工业物联网现状:聚焦工业创新”重点关注企业构建工业物联网体验,以提升面向客户的产品、服务及解决方案的发展和技术应用趋势。主要对外应用工业物联网的企业往往规模较小。大型企业通常具有庞大的服务网络,旨在提高效率和生产力,而规模较小的企业则专注于增加市场份额,并高度关注吸引和留住新客户所需的产品和服务差异化。
为寻求早期价值,企业常常在并行创新的同时进行远程监控,利用这种新功能作为基础,然后开发或识别全新且独特的用例。下一步通常是对机器学习和预测分析进行分层。这使得公司能够预测故障,并帮助客户优化他们的产品使用。这些以服务为导向的应用程序还使离散制造商能够识别服务机会,否则,这些服务机会可能被定向到第三方,由客户内部执行,或通过紧急客户呼叫和升级来应对。
肿瘤放射设备全球制造商Varian就是这样一个例子,其利用物联网技术增加了机器在现场的正常运行时间,同时大大降低了与服务相关的成本。通过部署预测性维护,Varian将每台机器的访问次数减少了42%。这一做法提高了其服务利润率,同时能确保更长的运行时间,并为客户提供更优质的体验。
PTC物联网首席技术官Joe Biron说道:“物联网技术可以说是工业企业成败的关键所在。基本看来,各种规模的企业都在他们的物联网应用中找到了真正的商业价值,无论是内部的制造操作还是外部的服务和维护。很明确的是,企业必须即刻启动商业模式转型,以在市场干扰中抢占灵活性和速度。”
下载完整版报告,请访问:https://www.ptc.com/en/resources/iot/white-paper/state-of-the-iiot。
好文章,需要你的鼓励
这篇研究提出了OThink-R1,一种创新的大型推理模型,能够像人类一样在快速直觉思维和慢速深度推理之间自动切换。研究者发现,现有推理模型即使面对简单问题也会生成冗长的推理过程,导致计算资源浪费。通过分析推理轨迹并使用LLM评判员区分冗余和必要推理,OThink-R1能根据问题复杂度动态调整思考深度。实验表明,该方法平均减少了23.4%的生成文本量,同时保持或提高了准确率,代表了向更高效、更人性化AI推理系统迈出的重要一步。
这项研究提出了SHARE,一种新型文本到SQL修正框架,它利用三个小型语言模型(SLM)协同工作,实现高效精准的SQL错误修正。SHARE首先通过基础行动模型将SQL转换为行动轨迹,再经过模式增强模型和逻辑优化模型的层次化精细化修正。研究团队还创新性地提出了层次化自演化训练策略,大大提高了训练数据效率。实验结果表明,SHARE在多个基准测试上显著提升了SQL生成准确率,计算成本仅为传统方法的十分之一,并展现出强大的泛化能力,适用于各种生成器模型和SQL方言。
这项由香港大学和南京大学等机构研究人员联合开发的双专家一致性模型(DCM)解决了高质量视频生成中的效率难题。研究团队发现扩散模型蒸馏过程中存在优化冲突:早期阶段负责语义布局与运动,后期阶段关注细节精修,两者学习动态差异显著。DCM创新性地将这两个任务分配给不同的专家模型,通过参数高效的实现方式,使模型仅需4步即可生成接近50步原始模型质量的视频,大幅提升生成速度,为实用化AI视频创作铺平道路。
这项研究介绍了QARI-OCR,一种基于Qwen2-VL-2B-Instruct模型微调的阿拉伯文字识别系统。研究团队通过三阶段合成数据训练,成功解决了阿拉伯文字识别中的主要挑战:曲线连笔特性、上下文变化的字母形状和发音符号。QARI v0.2模型创下了0.061的字符错误率和0.160的单词错误率,超越了现有开源解决方案,为阿拉伯文化遗产的数字化保存提供了重要工具。