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
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。