至顶网CIO与CTO频道 07月20日 北京消息:亚马逊云服务Amazon Web Services, Inc. (AWS) 宣布,西门子(中国)近期于中国建博会(广州)上重磅发布的“SieNeuro智能家居系统”采用AWS技术和服务开发并全面部署在AWS中国(北京)区域(由光环新网运营),共同为消费者提供安全、稳定、可靠、快速响应的智能家居体验。
SieNeuro智能家居系统是西门子(中国)通过精研本地用户生活习惯和对智能家居产品的需求而匠心呈现的家居电气设备控制产品,也是西门子(中国)第一个自主研发的、完整系统化的智能家居产品。该产品系列涵盖智能开关、智能插座、温控器、感应器等八个品类超过20款智能硬件产品,以及一个云端后台和功能强大的手机App,其后端服务全部构建在云上。
通过采用广泛而深入的AWS云服务,西门子(中国)建立了一个快速、便捷的开发和搭建平台,迅速构建了全新的智能家居业务,在保证系统性能的前提下大大降低了运维成本,并提升了终端消费者的使用体验。根据测算,与使用传统数据中心相比,西门子(中国)智能家居系统的开发效率提升达40%,运维成本降低达20%。
智能家居系统开发的一个重大挑战在于物联网的实现,尤其是有大量分散的、联网条件参差不齐的设备需要连接,而且设备的最终数量由产品的销量所决定,在产品开发设计阶段难以预计。使用AWS云服务大大降低了产品团队的开发难度,提高了开发和运维效率,降低了运维成本。
目前,SieNeuro智能家居系统所有的智能家居设备与云端的通讯都以 AWS IoT 物联网服务为基础架构和设施,尤其是通过AWS IoT Core能够可靠地扩展至数十亿台设备、数万亿条消息。这使得西门子(中国)可以轻松将任意数量的设备连接至云端。
为解决物联网应用普遍存在的数据存储问题,SieNeuro智能家居系统使用了AWS上的Amazon DynamoDB数据库服务和Amazon S3存储服务,实现了稳定可靠、自动扩展的数据存储,为用户提供安全、可靠的服务。西门子(中国)还部署了一系列AWS安全服务来确认系统及数据的安全,例如通过AWS Identity and Access Management (IAM)来管理对AWS服务和资源的访问。
此外,用户在使用智能家居产品时存在明显的波峰和波谷,例如,早晚非工作时间的使用量明显高于白天工作时间,通常智能家居系统必须预留一定的资源以应对需求高峰,这在一定程度上造成了IT资源的浪费。为了解决这一问题,西门子(中国)使用了AWS首创的无服务器技术,通过使用AWS Lambda,无需操心服务器、操作系统、数据库等基础运维问题,以及容量和扩展性问题。而且,只有消费者操作时SieNeuro智能家居系统才激活应用,极大地节省了计算和网络资源。西门子(中国)通过AWS无服务器技术还解决了智能家居系统响应时间的问题,提升了客户体验。
对智能家居产品来说,让人安心踏实的用户体验至关重要。AWS作为全球云计算的开创者和引领者,拥有业界公认的领先技术,安全稳定可靠的运营,种类丰富、功能强大的云服务,以及全球广泛覆盖的基础设施,赢得了西门子全球的信赖。
西门子(中国)有限公司智能基础设施集团智能家居产品总监齐宇表示,“SieNeuro智能家居系统是西门子(中国)进军智能家居业务的重要里程碑。通过将后端服务构建在AWS云上,这一系统可以快速扩容,完全不需要为业务高峰预留IT资源。同时,我们的开发团队可以集中精力提升用户体验,开发高质量的产品,从而能够加速业务创新,提升终端用户体验,帮助西门子(中国)在激烈的竞争中立于不败之地。”
“上云已经成为众多传统制造企业进行数字化转型的必然选择,”AWS大中华区企业业务拓展部总经理凌琦表示,“尤其是很多传统制造企业在向物联网和智能产品领域转型的过程中都会遇到现有IT系统无法满足业务支撑的需求,需要快速向云上迁移的情况。目前,依靠AWS在物联网、大数据、机器学习等方面的领先技术,近年来全球范围内发布的大多数大型物联网应用项目都构建在AWS上。我们期待与西门子(中国)继续深化合作,助力西门子智能家居业务在中国的蓬勃发展。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。