到2022年10月底为止,中国灯塔工厂的数量已成为全球之首,达到42家,施耐德电气无锡工厂就是其中一员。无锡工厂以数字化技术覆盖从采购、生产到交付的每个环节,塑造了高效敏捷的端到端价值链,实现全面的成本优化,创造可持续的增长。
灯塔工厂是在智能制造、数字化上的高水平,也符合了软件创新驱动数字化与低碳双转型的理念。最近位于北京经开区的施耐德电气(中国)软件研发中心,迎来了 “创新开放日”活动及成立一周年庆典,并在活动上探讨了软硬件融合创新对于产业绿色发展的积极赋能作用。
数字化转型从软件开始
数字化和低碳发展双转型,将带来颠覆性的影响。“十四五”规划指出,2025年数字经济核心产业增加值占GDP比重将达到10%,同时中国碳达峰、碳中和“1+N”政策体系已基本建立。
施耐德电气副总裁、数字化服务业务中国区负责人张磊认为,双转型路上,软件将成为增长的强力引擎,因为软件能够打通产品、生产运营和资产的各个环节,实现全生命周期管理,让数据“可视、可管、可控、可用”,促进整个产业链实现从设计、建造、运营到维护的协同管理和全程优化,从而同步实现提质增效、节能降碳。
施耐德电气副总裁、数字化服务业务中国区负责人张磊
“实现双转型需要五维融合提升效率,用数字化赋能全生命周期,包括:能源+自动化、终端到云、设计与建造到运营与维护、分散式管理到集成化的企业管理、可持续供应链到供需融合。”张磊说道,双转型中软件的作用至关重要,数字化转型要从软件开始,软件可以为全生命周期带来价值,而且造软件和用软件是两件不同的事,软件需要和企业自身管理运用相结合。
在落地成果上,太古地产是一个运用数字化推动可持续发展的极佳案例。建筑行业和工业计算碳排放的方式有所不同,通过施耐德电气基于云端的数字化能效管理平台和软硬结合的解决方案,太古地产可以对不同区域的项目进行集成化能源管理,并优化整体设施的能源使用效率,实现每年10%-20%的能源成本的节约。
深耕中国35年来,施耐德电气不断增加在中国的投入,于2021年成立中国软件研发中心。施耐德电气(中国)软件研发中心致力于提供5G、工业互联网、工业数字化应用、能源数字化管理等领域的前沿数字化解决方案,持续加速软件技术的迭代和应用落地,夯实施耐德电气软硬件一体化的创新研发体系。
施耐德电气“创新开放日”圆桌论坛
同时施耐德电气在软件应用上也展开了广泛的生态合作。生态合作伙伴之一、中科创达执行总裁邹鹏程表示,软件推动产业发展需要生态协同,软件为体,服务为用,只有企业间融合创新才能赋能百业发展。
立足业务,赋能行业
让软件的价值最大化,一方面是促进IT与OT的融合,为软件发挥作用搭建基石;一方面是软硬件协同创新。施耐德电气以IT与OT深度融合,结合从规划到落地的咨询服务,助力产业全程减碳。中国软件研发中心成立一年以来,已对其物联网平台实现了更新升级,提供18项算法服务,实现了99.9%的云服务率,并拥有18家技术合作伙伴,持续发力支撑施耐德电气在数字化领域的创新引领。
同时在创新场景不断涌现的情况下,施耐德电气始终致力于推动技术与场景的深度融合,将“技术”产业化、“场景”固定化,依托软硬件底层创新,加速从实验室创新到落地场景的快速部署,为客户提供持续强劲的数字化动力。施耐德电气高级副总裁,工业自动化中国研发中心负责人胡晓指出,创新很多时候不是来自于颠覆性创新,是来自于微小的价值创新,是和客户一起创新,也就是以“小步快跑”的方式探索创新。
施耐德电气2021年财报显示,其50%以上的收入来自数字化业务,5%的营收用于研发。中国软件研发中心也一直在摸索,如何让一个组织又能赋能业务,又能提供价值。总结成立一年以来的经验积累,张磊表示:
此外,正值施耐德电气开发者社区上线一周年,本次“创新开放日”现场也为社区专家颁发了聘用证书。作为与合作伙伴、最终用户共同构建数字化生态圈的重要举措,施耐德电气开发者社区通过技术论坛、在线课程、下载专区、相关活动四大功能提供完整服务,吸引软件开发从业者共研共进。随着更多专业人才的入驻,开发者社区也将与软件研发中心一同研讨行业数字化应用,为企业数字化转型赋能。
施耐德电气的软件研发正通过在资金、合作生态及人才上进行战略性投入以提升竞争力,这也源于对中国市场的信心持续增强。数字化大潮浩浩荡荡,施耐德电气也将会继续携手合作伙伴推进中国产业迈向双转型,通过软件创新共同打造可持续的绿色未来。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。