达索系统(巴黎泛欧证券交易所:FR0014003TT8, DSY.PA)与中国知名新能源汽车企业哪吒汽车合作的MOM项目于近期启动。该项目进一步深化了双方之间的长期合作关系,为中国新能源汽车企业的数字化、智能化和全球化提供了范本。
全球范围内的智能制造蓬勃发展,新能源汽车成为了智能化浪潮中最为活跃的领域之一。走在技术前沿的造车新势力们对一体化MES平台提出了更高的包容性、灵活性,及多工厂协同管理等新的需求。作为中国造车新势力的代表之一,哪吒汽车近两年以飞快的增速成为了一匹“黑马”,2022年跻身造车新势力销量第一,2023年加速从“中国的哪吒”向“世界的哪吒”转变,如今出海版图遍及东盟、南美、中东市场,2023年1-7月销量稳居中国造车新势力第一阵营,在泰国等海外市场取得单月销量第一,全球用户超过32万。哪吒汽车不只是智能电动汽车制造企业,也是一家致力将科技发展的时代红利普惠于世的科技型企业,因此一直注重从设计研发到全球化的生产制造的数字化和智能化转型。
达索系统与哪吒汽车互为长期促进增长的合作伙伴,双方于2017年首次携手后,合作不断深化。哪吒汽车采用了达索系统3DEXPERIENCE 平台,解决了此前DMU校核复杂、在线协同设计空白、问题管理关联度不高等问题。3DEXPERIENCE 平台作为新一代企业级整车协同平台,赋能整车研发体系,无缝对接主机厂包括CATIA在内的主要设计工具,打破设计与管理壁垒,支持敏捷高效的快速迭代开发,大幅提高过程协同效率和开发过程质量,并缩短了开发周期,提升研发的效率和质量,将推动哪吒汽车“科技平权”价值观的加速落地,让更多全球消费者对高品质的智能电动汽车触手可及。
今天,达索系统与哪吒汽车签署了全面战略合作协议,双方将合作从研发设计拓展到生产制造,哪吒汽车在海内外的多个整车/零部件工厂即将部署基于达索系统3D体验平台的MOM解决方案DELMIA APRISO。达索系统凭借专业的MOM集成架构,为哪吒汽车提供从零部件到整车的一体化解决方案。同时,在完成功能模块、业务流程和系统集成的标准化的同时,将核心模板进行复制,推送至多工厂更快部署,帮助哪吒汽车实现多工厂业务标准化、统一化、全面数字化,缩短新车推广周期,提高投资回报率、降低维护成本。
以在哪吒汽车的应用为例,达索系统将为哪吒汽车进一步的爆发式发展提供科技支撑,同时强化其中国、美国和泰国等全球、全产业链各团队间的协作,帮助团队以更快的速度设计和研发新车,即使在激烈竞争的环境中,也能快速抢占先机。
哪吒汽车首席技术官(CTO)戴大力表示,达索系统在全球新能源汽车领域有着丰富的经验和出色的解决方案。通过达索系统专业成熟的技术及3D体验平台,哪吒汽车可以加快智能制造转型,在稳固中国市场的前提下,为拓展海外市场,尤其为进军欧洲市场做好准备。
达索系统大中华区总裁张鹰表示:“达索系统始终致力于帮助出行企业实现数字化和智能化转型。哪吒汽车一直是达索系统重要的合作伙伴,采用达索系统DELMIA APRISO解决方案并通过虚拟孪生来优化其制造流程,必将帮助哪吒汽车在本地及全球市场进一步提升核心竞争力。”
好文章,需要你的鼓励
这篇研究提出了OThink-R1,一种创新的大型推理模型,能够像人类一样在快速直觉思维和慢速深度推理之间自动切换。研究者发现,现有推理模型即使面对简单问题也会生成冗长的推理过程,导致计算资源浪费。通过分析推理轨迹并使用LLM评判员区分冗余和必要推理,OThink-R1能根据问题复杂度动态调整思考深度。实验表明,该方法平均减少了23.4%的生成文本量,同时保持或提高了准确率,代表了向更高效、更人性化AI推理系统迈出的重要一步。
这项研究提出了SHARE,一种新型文本到SQL修正框架,它利用三个小型语言模型(SLM)协同工作,实现高效精准的SQL错误修正。SHARE首先通过基础行动模型将SQL转换为行动轨迹,再经过模式增强模型和逻辑优化模型的层次化精细化修正。研究团队还创新性地提出了层次化自演化训练策略,大大提高了训练数据效率。实验结果表明,SHARE在多个基准测试上显著提升了SQL生成准确率,计算成本仅为传统方法的十分之一,并展现出强大的泛化能力,适用于各种生成器模型和SQL方言。
这项由香港大学和南京大学等机构研究人员联合开发的双专家一致性模型(DCM)解决了高质量视频生成中的效率难题。研究团队发现扩散模型蒸馏过程中存在优化冲突:早期阶段负责语义布局与运动,后期阶段关注细节精修,两者学习动态差异显著。DCM创新性地将这两个任务分配给不同的专家模型,通过参数高效的实现方式,使模型仅需4步即可生成接近50步原始模型质量的视频,大幅提升生成速度,为实用化AI视频创作铺平道路。
这项研究介绍了QARI-OCR,一种基于Qwen2-VL-2B-Instruct模型微调的阿拉伯文字识别系统。研究团队通过三阶段合成数据训练,成功解决了阿拉伯文字识别中的主要挑战:曲线连笔特性、上下文变化的字母形状和发音符号。QARI v0.2模型创下了0.061的字符错误率和0.160的单词错误率,超越了现有开源解决方案,为阿拉伯文化遗产的数字化保存提供了重要工具。