达索系统和IBM近日宣布签署谅解备忘录,进一步深化双方之间的长期合作关系,通过综合运用双方技术来解决影响资产密集型产业面临的可持续发展挑战。
2022年,58%的能源与资源企业首席执行官认为可持续发展是他们面临的最严峻挑战,但其中有51%的人认为,这同时也带来了助力企业发展的商机。此外,还有44%的首席执行官表示缺乏从数据提炼的洞察也升级成为一大问题(来源:商业价值研究院(IBV)《2022年资源与能源企业首席执行官洞察》)。
当今的企业不仅要面对日趋攀升的能源价格,同时也面临着各种供应链和运营中的突发状况。导致这些突发状况的因素有很多,包括地缘政治局势、员工队伍老龄化以及气候等相关风险。为了应对这些挑战,亟需快速高效地开发建设新的基础设施,同时优化现有资产的运营并延长其使用寿命。企业需具备利用可执行的、数据驱动的洞察能力,这是加快资产转型,提高资产安全、效率和可持续发展能力的关键。
为帮助企业达成业务连续性,同时实现他们的可持续发展目标,达索系统与IBM决定将达索系统3DEXPERIENCE平台和虚拟孪生体验与IBM的资产管理、资源优化、环境风险管理和环境、社会和公司治理(ESG)解决方案相结合。
无论是咨询公司还是工程公司,任何机构都能更深入地了解现有资产,为实现电网、风电场、机场、配水系统、交通运输、城市和数据中心的现代化和智慧化提供转型路线图。
资产的虚拟孪生体验是依托丰富数据与不断迭代演进的3D模型,以科学准确的形式再现真实物理世界,在实际建造资产前进行虚拟仿真分析并提升资产性能。将地域、基础设施、设备和价值网络的虚拟孪生体验,与旨在优化气象数据和绿色IT数据的一系列解决方案相结合,这将有助于:
• 增强工程设计、生产建设和运营团队间的协作与知识共享。
• 针对资产、人员和流程制定更快速、更安全、更加可持续发展的运营决策。
• 从工程设计阶段直至维护阶段,依据行业法规和环境法规整合合规性要求。
在接下来的几个月,达索系统和IBM将通力合作,共同落实双方联合解决方案的细节。两家公司率先将目标锁定在水/能源配送与能源输送项目的业主和运营商、风电场运营商、机场和以数据中心为重点的IT基础设施项目。
在能源和民用基础设施市场,从双方合作中受益的经验实例包括:
• 实现操作(主要以最高效率使用计算、存储和网络资源)自动化,在数据中心运营过程中分析计算和优化全球碳足迹。
• 充分运用资产健康和维护信息,以及全球气象数据和预测数据,强化机场运营。
• 综合运用优化能力和仿真能力,为风电场改善实际资产布局。
• 优化公用设施的运营和翻修改造,包括输电、供水和公共卫生设施等。
IBM欧洲、中东和非洲地区主席兼总经理Ana Paula de Jesus Assis表示:“这是深化IBM与达索系统长期合作伙伴关系的最佳时机,因为解决可持续发展挑战需要业务合作伙伴在高级生态系统上通力协作。我们坚信,用真实数据丰富虚拟孪生,将帮助企业提高他们的运营效率,减轻他们对环境产生的影响,特别是在资产密集型产业。纵观我们的整个发展历程,IBM一直力争上游,致力于建设更美好的世界。我们的2030年净零排放目标就是我们承诺的力证。我们将与我们的合作伙伴生态系统携手,共同开发由可持续软件和咨询服务构成的既综合全面又极具差异化的解决方案组合。”
达索系统行业、市场营销与可持续发展执行副总裁Florence Verzelen表示:“IBM一直是达索系统的重要合作伙伴。我们共同深耕于加速各行业的可持续发展转型。我们的下一步目标是帮助客户减少他们在各行业的环境足迹,而这正是当今能源危机背景下的当务之急。IBM的可持续发展软件和专业知识与我们的3DEXPERIENCE平台、可持续产品组合和虚拟孪生体验相结合,将为解决系统性挑战另辟蹊径,实现净零排放目标,并推动循环经济发展。”
好文章,需要你的鼓励
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。