一直以来,PTC都在针对劳动力短缺、自动化、可持续发展、SaaS四个方面进行投资,帮助客户应对常见的工程挑战、加快产品上市时间、提升产品质量、加速产品创新。
PTC公司CAD部门副总裁兼总经理Brian Thompson的主要工作是观察并寻找市场上的最新技术趋势,并且通过评估每一类技术,决定哪些可能与设计过程相关,并将其纳入到PTC的产品路线图中。
Brian Thompson看到,2022年,全球企业软件销售额中,SaaS软件首次超过了本地软件,而且他还看到SaaS的趋势将在未来几年持续影响工程行业。
去年Creo就计划推出SaaS版Creo+,今年5月Liveworx 2023也正式发布了Creo10和Creo+。
PTC公司CAD部门副总裁兼总经理Brian Thompson
一个新选择Creo+
Creo+使用了Creo的代码库,包括Creo 10的所有功能,Creo+的特点是易于使用、易于配置和部署、而且总是最新的版本。
Creo+使用Atlas平台实现云功能,Atlas是PTC以5亿美元收购Onshape之后所创建的,Onshape是世界上唯一一个完全在云中运行的3D CAD。
但是Creo+并不等于Creo10上云,而是Add-on对现有本地化Creo的能力扩充,其拥有实时设计协作工具,使多个团队成员能够审查、探索和编辑产品设计。以及提供给管理员一个控制中心,能够轻松的创建用户和管理权限和组,可以分配Creo许可,了解和控制用户的使用状况,实现Creo许可的配置。
Creo+的部署非常易操作,本地版Creo卸载旧版本并安装新版本需要将近30-45分钟,Creo+则从登录到完成整个部署仅需要大约5分钟,而且在云端企业不必担心安装脚本或其他问题。PTC全球资深副总裁兼大中华区总裁刘强说,云的续签比例远高于本地版,上SaaS后,98%的客户基本都会续签。
PTC全球资深副总裁兼大中华区总裁刘强
“企业迁移到Creo+和迁移到最新版本Creo一样都非常简单高效。”Brian Thompson说,Creo+和Creo的数据、工具集都是完全兼容的,用户在Creo+里就可以打开Creo的数据模型,快速用保存的操作保存成Creo+,这也得到了早期客户的验证。
Creo还在持续进化
Griffin Securities独立分析师发现,Creo是行业中增长最快的CAD产品,Creo在过去16个季度中的12个季度,包括2022年全年,活跃套数百分比增幅最大。Brian Thompson认为,这证明了PTC在市场上做得非常好,我们的战略受到了市场的的认可和欢迎。
Creo 10持续提高整个产品的易用性并引入重要的新功能,以提高每个用户的生产力;改进人机工程设计,提高人机交互易用性,扩展触摸到达能力,更新人体模型库,增加视野功能;持续关注基于模型的定义,引入新的注释放置选项,增加通用轮廓的公差;扩大增材制造能力,增加高速铣精加工;新增复合材料设计包括设计、仿真、加工能力;电气化设计协同,线束设计实现重用;仿真驱动设计将ANSYS深度集成在Creo中,增加了非线性接触、非线性材料和复合物理场的分析。
Creo正在集成越来越多的新技术,帮助工程师们在日常设计过程中就可以轻松使用。PTC看到AI在设计领域应用的两个重大机遇,第一,创成式设计,通过指定设计空间、操作环境条件、材料和制造约束条件,然后借助算法生成一个或多个可能的解决方案,Creo10全面支持创成式设计;第二,将分析和学习应用于平台,在以往的结构设计基础上,用AI的方式指导设计师进行更好的设计,提高效率。
Brian Thompson说,PTC采用的是将客户放在Creo的中心,通过客户需求引入创新技术,所以这也让Creo的核心持续投资与新技术投资间取得了平衡。
针对Creo和Creo+,PTC的战略是同时提供本地和云两个方向的产品,企业可以无缝的切换两者,让客户根据自身需求使用不同的产品,助力设计师更高效开展设计工作。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。