至顶网CIO与CTO频道 04月07日 人物访谈(文/王聪彬):4月1日,数字孪生全要素场景行业领导者51WORLD联合各行业生态伙伴发布十大行业应用,涵盖智慧政务、智慧园区、智慧交通、5G车联网、智慧水务、智慧工厂、智慧楼宇、智慧机场、智慧文旅、智慧能源十大领域,以数字孪生技术助力新基建。
这也是51WORLD最新提出的“5+5”战略,从五个成熟领域向外进行扩张,其中成熟的5个领域进入规模化量产,新扩展的5个领域已落地标杆案例。
对于51WORLD而言最成熟的就是数字地产业务,但是到今年智慧园区已经成为增长最快的业务。因为政府新区、产业园区正在驱动城市经济的发展,所以对于前期规划、招商引资、运营管理监控都是刚需的存在。
51WORLD创始人兼CEO李熠表示,51WORLD目前已经进入到企业发展的第三阶段,从第一阶段聚焦在细分行业应用,效果做到极致,到第二阶段把效率做到极致、增强数据兼容性、扩展应用边界,例如自动驾驶仿真,再到第三阶段成为垂直通用化平台方向演进,联合生态合作伙伴将垂直行业做的更深更透,并且重视与“新基建“的融合应用。
51WORLD创始人兼CEO李熠
李熠也看到市场对于“新基建”的积极反馈,各地新基建项目并非指向短期拉动效应,而是“四两拨千斤”,着眼于经济社会数字化的长远转型。对于51WORLD来说,新基建是将数字孪生与各行各业联结的纽带,更是数字孪生的广阔舞台。
基于核心技术在细分领域的深入应用,51WORLD在市场发展中脱颖而出。自动化生产工具链的打造,更减少了行业客户对数字孪生技术的接纳成本,进一步塑造了51WORLD的核心竞争力。
数字孪生赋能智慧城市
在智慧城市领域,51WORLD三维城市大数据管理系统的服务分为四个阶段,第一、智慧规划;第二、智慧建设;第三、智慧招商;第四、运营管理。
51WORLD产品与解决方案中心总监刘晓伦介绍了某城市新区案例,提到该区域之前由于各委办局权限等限制,数据都是相对隔离,现在通过主管部门牵头将数据汇总起来,并且使用数字孪生技术在虚实融合的数字孪生城市里面统一做数据分析和呈现,其中涉及了党建、规划、招商、公共安全、环保等,将城市各元素在一个平台进行管理。
51WORLD在智慧交通领域也提供了交通流大数据仿真模拟平台,对城市道路规划方案及优化验证方案,对城市交通拥堵和事故多发地识别及预警,对城市微观实时交通流还原及单车级仿真模拟。
在智慧园区领域,51WORLD与华为联合打造基于物联网感知及业务联动的华为坂田总部园区智能运营中心,其中包括综合态势、综合安防、便捷通行、资产管理、能效管理、设施管理、环境空间、智能预警八个标准功能模块。
在5G+车联网领域,自动驾驶示范区运控平台可以实现数据汇集、治理、建模,达到协同感知、远程监控、协同优化、协同决策。
虚拟仿真成为行业刚需
在5G车联网与智慧交通领域,51WORLD有着众多的产品组合,最核心的产品就是51Sim-One自动驾驶虚拟仿真平台。该自主工业级工程软件应用于各类自动驾驶系统共性技术的研发,为智能决策控制、复杂环境感知、人机交互与共驾、车路协同与网络通讯等提供了安全可控的全要素多层级的测试与评价技术支撑。
虚拟测试流程首先将多种研发与测试的数据源数据进行汇总,之后就是在虚拟仿真环境中进行计算推演,最后是产生测试评价报告,包括测试记录、案例回看和指标分析等功能。
51Sim-One自动驾驶虚拟仿真平台拥有大规模、高精度、物理真实、加速并行、数据格式广泛兼容、可进行容器化云部署等技术特点。
51Sim-One自动驾驶虚拟仿真平台具备四大核心优势能力:
第一、道路设施与环境数字化:建立基于高精度地图调用外部虚拟资源来生成场景的自动化方法,解决超大规模虚拟场景建立的难题;
第二、动态场景与交通仿真:对动态数据进行自动化数据清洗、分类等创建真实的仿真测试案例,解决动态测试案例人工建模慢的难题;
第三、车辆与传感器屋里仿真:建立摄像头,激光雷达,毫米波雷达等参数物理模型,解决了缺乏多传感器仿真能力的难题;
第四、大数据与车路协同:在实车测试场景中对测试进行全过程信号虚拟注入,以整车在环方式将车辆状态数据实时反馈到虚拟场景控制器,从而实现自动驾驶车辆在真实道路上的数字孪生测试。
自动驾驶仿真是一个相对新兴的领域,51WORLD智能驾驶与交通事业部副总经理张帆指出,现在自动驾驶相关企业以及外国车企都在加大对自动驾驶仿真工具的投入,在中国自动驾驶发展的特定环境下,主机厂更多会考虑到国产替代、本地化的专业服务与数据安全等多重因素,这也成为51WORLD能更好地服务国内车企的契机。
好文章,需要你的鼓励
在我们的日常生活中,睡眠的重要性不言而喻。一个晚上没睡好,第二天的工作效率就会大打折扣,而充足的睡眠不仅能让我们恢复精力,还能帮助大脑整理和巩固当天学到的知识。有趣的是,AI模型竟然也表现出了类似的“睡眠需求”。
Patronus AI发布突破性研究,构建了首个系统性AI代理错误评估体系TRAIL,涵盖148个真实案例和21种错误类型。研究发现即使最先进的AI模型在复杂任务错误识别上准确率仅11%,揭示了当前AI代理系统在长文本处理、推理能力和自我监控方面的重大局限,为构建更可靠的AI系统指明方向。
尽管模型上下文协议(MCP)自11月推出以来用户数量快速增长,但金融机构等监管行业仍保持谨慎态度。银行等金融服务公司虽然在机器学习和算法方面是先驱,但对于MCP和Agent2Agent(A2A)系统的采用较为保守。监管企业通常只使用内部代理,因为其API集成需要经过多年审查以确保合规性和安全性。专家指出,MCP缺乏基本构建块,特别是在互操作性、通信标准、身份验证和审计跟踪方面。金融机构需要确保代理能够进行"了解您的客户"验证,并具备可验证的身份识别能力。
这项研究首次从理论和实践证明AI模型可通过模仿生物睡眠-学习周期显著提升性能。研究发现AI训练中存在自发的"记忆-压缩循环",并据此开发了GAPT算法,在大语言模型预训练中实现4.8%性能提升和70%表示效率改善,在算术泛化任务中提升35%,为AI发展指出了注重信息整理而非单纯数据扩展的新方向。