至顶网CIO与应用频道 03月29日 北京消息:在2018年11月1-2日举办的「研华物联网共创峰会上」,研华发布了WISE-PaaS 3.0版本,推出包括流程可视化云端组态工具WISE-PaaS/SaaS Composer、设备联网远程运维服务架构WISE-PaaS/APM、人工智能模型训练与部署服务架构WISE-PaaS/AFS以及微服务(Microservices)开发架构等四大功能模块,以提供更完整的核心服务。
「核心服务」,正是这次WISE-PaaS 3.0的重头戏。过去不论是WISE-PaaS 1.0或2.0,较多着重于对整体架构的微幅修改,但这次3.0版本最大的不同之处,在于此次更加突显云端与服务的元素,往数据驱动创新的模式迈进。
从WISE-PaaS 3.0释出的几项服务来看,特别是针对人工智能开发环境所推出的WISE-PaaS/AFS备受瞩目,主打让开发者快速进入人工智能模型的训练与边缘端的部署。未来十年,人工智能之势锐不可挡,推出WISE-PaaS/AFS工具,也显示研华在人工智能市场的布局,已深入服务化的思维。
整合AI开发工具加速进入边缘部署
研华以工业计算机起家,硬件见长,在物联网十分火热的这几年,从数据收集、设备联网与管理、可视化工具等底层基础环境的部署,研华凭借在各领域的丰富经验,已协助众多客户完成案场的布建。这道物联网的入门关卡,看似简单,但却是业者企图从传统制造模式转型,最难以跨越的第一步。
研华科技技术长杨瑞祥表示,在物联网蓬勃发展下,许多业者已投资进行设备连网与数据收集,但对于数据如何产生价值,仍处于摸索阶段。基于此,研华进一步将WISE-PaaS云平台拓展至整合AI开发工具的服务,同时也升级了以往的产品,以符合现在AI的开发需求。例如,WISE-Stack正是基于客户对于数据保密的需求,开发出完全私有云的环境,让客户既可享受公有云的完整体验,也能享有私有云的保密性。
研华科技IoT.SENSE项目经理叶韦贤表示,以往在AI的开发环境中,从硬件资源的配置、开发环境的部署、算法的开发到模型的训练,甚至部署到终端环境等,都需要透过不同的系统逐一建立,而由于系统的分散,开发环境破碎,开发者通常需要很多的精力及时间去搭建开发环境。但并非所有企业都具备AI人才,因此AI的开发流程要简易上手。
叶韦贤说,“我们的目的很简单,就是要让用户专注于算法与模型的开发。在项目开发,大部分的时间应该要被利用来对数据进行分析、探索数据的意义,而不是耗费时间苦恼于开发环境如何建置,或是如何在不同开发环境中切换模型的训练与推论引擎的部署。”
因此在研华所推出的WISE-PaaS/AFS开发工具中,已预先配置好开发AI项目所需要的工具,通过操作简易的用户接口,开发者可以快速导入产业数据,结合人工智能算法,建立有效的推论引擎。叶韦贤认为,预先建置好的开发环境,除了可以减少开发时间,还可以让系统集成商快速进行功能验证,在短时间内就能让客户看到实际成效。
携手伙伴共创加速物联网落地
值得一提的是,不仅限于开发环节,结合研华擅长在终端部署的能量,完成模型的训练后,也可以通过WISE-PaaS/AFS将推论引擎自动部署到边缘运算平台,甚至针对每一终端装置上的模型进行调整,提供模型准确度管理。叶韦贤认为,模型具有生命周期,随着案场环境的变化,模型也有可能出现失准的情形,因此在终端上线后,使用者仍能通过AFS进行持续修正,透过终端大数据持续回馈至系统进行再优化,提高其准确度,达到模型的自我监督。
WISE-PaaS/AFS主要强调两个功能,一是用以加速项目的开发,二是是维护项目的质量。简单地说,就像是在“保养”这个AI模型,从模型的训练与生成、将推论引擎部署到边缘装置,甚至日后在终端进行模型的维护与修改等。
数据是人工智能的宝贵资产,安全永远是业者最迫切关心的问题。研华WISE-PaaS目前已通过工业互联网联盟组织的“工业互联网平台可信服务评估”,针对稳定性、安全性、攻击防护、边缘运算连结以及侦测安全漏洞等项目提供严谨的认证机制。目前中国的物联网云平台服务多达逾数百个,但却仅有少数云平台脱颖而出取得这项认证,而研华的WISE-PaaS云平台也在其中,在竞争相对激烈的市场中占有一席之地。
随着安全问题的日益重视,部署私有云环境的需求也日益加大。研华此次也透过WISE-PaaS 3.0的升级, 在WISE-Stack私有云方案上强化在地部署,让业者在享有云服务的同时自主保有数据权限。
WISE-Stack整合了研华工业级服务器与WISE-PaaS云平台,因此使用者在自己的企业内除了同时拥有与公有云相同的体验及完整的开发工具之外,藉由从端点连结到平台上完整的隐私措施,用户可完全控制网络链接的机制,并自主管理其数据资产,放心地将数据及 AI模型存于WISE-Stack私有云环境中。
从硬件产品为销售主力,到软硬件整合的SRP(Solution-Ready Package),再到云端与服务的布局,研华看似正在从工业计算机制造商转型,但更适切的说法,应该称之为“延伸”。物联网的市场单靠一家厂商是撑不起来的,研华透过共创伙伴的加入,在原有的硬件基础下走向软件服务,甚至往云端延伸,在共创这个生态圈中,客户可以同时找到其所需的资源,再加上,过去研华对各工业领域的物联网十分熟悉,更可协助客户将项目快速落地,而这正是传统IT厂商所不能。
透过WISE-PaaS 3.0 AIoT端到云的完整架构,研华将携手产业伙伴共创云服务,实现物联网生态系共赢。
好文章,需要你的鼓励
今年是AI智能体的爆发年。聊天机器人正演进为能代表用户执行任务的自主智能体,企业持续投资智能体平台。调研显示,超半数高管表示其组织已在使用AI智能体,88%在智能体上投入过半AI预算的公司已从至少一个用例中获得投资回报。Gartner预测,到2026年40%的企业软件应用将包含智能体AI,2035年智能体AI可能驱动约30%的企业应用软件收入。企业开始将AI智能体视为员工,建立招聘培训体系。
NVIDIA联合多所高校开发的SpaceTools系统通过双重交互强化学习方法,让AI学会协调使用多种视觉工具进行复杂空间推理。该系统在空间理解基准测试中达到最先进性能,并在真实机器人操作中实现86%成功率,代表了AI从单一功能向工具协调专家的重要转变,为未来更智能实用的AI助手奠定基础。
谷歌的Nano Banana Pro AI模型生成的图像逼真度令人震惊,其关键在于完美模拟了手机相机的拍照特征。这些AI生成的图像具备手机拍照的典型特点:明亮平坦的曝光、较大的景深范围、略显粗糙的细节处理,甚至包含噪点。该模型还能自动添加符合情境的细节元素,如房产照片的水印等,使图像更加真实可信。这种技术进步意味着辨别AI生成内容变得更加困难。
这项研究解决了现代智能机器人面临的"行动不稳定"问题,开发出名为TACO的决策优化系统。该系统让机器人在执行任务前生成多个候选方案,然后通过伪计数估计器选择最可靠的行动,就像为机器人配备智能顾问。实验显示,真实环境中机器人成功率平均提升16%,且系统可即插即用无需重新训练,为机器人智能化发展提供了新思路。