至顶网CIO与CTO频道 06月23日 北京消息:PTC(纳斯达克代码:PTC)宣布即将发布其领先的ThingWorx®工业物联网平台的最新版本。ThingWorx 9.0将提供全新功能,并进一步扩展现有功能,帮助工业企业创建、实施、定制和扩大其解决方案,旨在加速工业物联网在整个企业价值链上的部署。
ThingWorx是第一个专门专注于工业市场数字化转型的平台。自首个版本推出以来,包括离散产品和加工制造企业在内的数千家工业企业已经使用ThingWorx并成功优化了业务流程,改善了生产运营,实现了现场服务交付的现代化等等ThingWorx是整个企业大规模交付工业物联网解决方案的重要平台,帮助世界各地的企业获得竞争优势并降低成本。
ThingWorx 9.0将进一步提高多个核心开发领域的水平,并引入众多新特性和功能:
增强的可扩展性和可用性
随着工业物联网成为企业数字化转型工作的核心,ThingWorx 9.0将引入全新优化后的集群配置,显著提高平台的可扩展性和可用性。这一改进将强化ThingWorx扩展到海量设备、管理苛刻的数据处理需求,以及支持更多应用用户的能力。此外,集群配置将进一步加强ThingWorx在最重要的情况下保持高可用性的关键业务、系统、服务和资产方面的部署。
更快的应用和解决方案启用
作为出色的快速应用启用工具以对该平台进行扩展,ThingWorx 9.0将正式引入解决方案构建模块。这些构建模块是预定义、预构建的连接器配置、域模型、业务逻辑及UI元素,它们将简化最高价值的工业物联网用例(如状态监控、数字工作指令和生产订单管理)的实施。
与微软合作,利用OPC统一架构(OPC UA)释放数据模型的潜能
PTC和微软共同的愿景是推动工业物联网的开放性和互操作性,并支持工业互操作性标准OPC UA。ThingWorx 9.0将无缝集成微软贡献给OPC基金会的OPC UA组件,包括OPC UA Publisher、OPC UA Twin和OPC UA Global Discovery Server,提供从边缘到云端的智能和丰富数据。OPC UA将把ThingWorx Kepware®连接解决方案和Microsoft Azure整合进ThingWorx,使ThingWorx可以自动标准化数据模型,以简化解决方案的启用。
分析功能方面的改进
ThingWorx 9.0将在边缘引入增强的预测分析评分,以降低数据传输成本和延迟,并提高资产绩效预测的准确性。这些优势对于ThingWorx在企业中的部署非常重要,因为这些公司依靠ThingWorx Analytics™解决方案提供的见解来改善决策,优化操作流程,减少计划外停机时间。
利用Solution Central扩大ThingWorx的部署
通过Solution Central™工具的增强功能,ThingWorx 9.0将使在整个企业中扩大工业物联网的部署变得更加简单。管理员将可以访问范围更广的自助服务功能,来部署ThingWorx解决方案、管理ThingWorx环境和实现开发团队协作。自从在ThingWorx 8.5中推出以来,Solution Central已经被数百家ThingWorx客户和合作伙伴所采用,这些客户和合作伙伴也正在其企业中扩大ThingWorx的部署。
PTC工业物联网总经理Joe Biron表示:“ThingWorx 9.0的推出标志着PTC工业物联网战略的重大推进。我们在可扩展性、解决方案开发、OPC UA支持和更强大的分析功能方面加大了投入,这对我们的客户继续在整个企业中扩大工业物联网的部署至关重要。这些增强功能的到来正值一个尤为重要的时刻——企业正在寻找新的方法来创新及应对来自新冠肺炎的挑战,如对远程监测、控制和服务不断增长的需求。”
除了被客户广泛采用并助推客户成功之外,ThingWorx作为领先的工业物联网平台继续得到了行业分析公司的一致认可。分析师们继续对ThingWorx作为平台的进展,以及PTC与罗克韦尔自动化和微软的战略联盟表示赞许。
好文章,需要你的鼓励
韩国科学技术院研究团队提出"分叉-合并解码"方法,无需额外训练即可改善音视频大语言模型的多模态理解能力。通过先独立处理音频和视频(分叉阶段),再融合结果(合并阶段),该方法有效缓解了模型过度依赖单一模态的问题,在AVQA、MUSIC-AVQA和AVHBench三个基准测试中均取得显著性能提升,特别是在需要平衡音视频理解的任务上表现突出。
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。