“自从Codebeamer被PTC并购,Codebeamer已经成为PTC增长最为迅猛的一个产品,这也说明Codebeamer是PTC近些年并购的最出色的产品之一。”PTC高级副总裁兼ALM部门总经理Christoph Braeuchle说。
应用生命周期管理(ALM)Codebeamer是一款下一代、适用于云且完全集成的需求及软件开发管理系统。在“软件定义一切”日益成为一种现实的当下,不管是产品的开发过程、制造过程、售后服务过程,软件对于业务模式的创新都会起到关键的作用。
所以Codebeamer的受关注程度必然会是前所未有的。“未来ALM将成为面向产品全生命周期软件驱动创新的核心。”这是Christoph Braeuchle对ALM的关键定义。
PTC高级副总裁兼ALM部门总经理Christoph Braeuchle
ALM解决软件定义的三个挑战
在数字化转型的过程中,企业有四个基本的共识,第一,软件驱动创新;第二,年轻化的劳动力对用户体验、数据使用提出了更高的要求;第三,全球化需要动态供应链,第四,可持续发展。
软件在各行各业的应用已经是数字化转型的关键,尤其在制造行业和交通行业中起到显著作用。当然,这不同于简单的软件化,而是“软件定义”。
软件定义是指通过软件技术,将物理世界中的各种设备、系统、服务等抽象成虚拟的资源,并通过软件的方式进行管理和控制。这种方式可以使得这些物理设备和系统更加智能化、高效化、灵活化,同时也能够提高它们的安全性和可靠性。
对于企业而言,软件定义产品需要思考两个关键领域:一个是产品设计能否使用软件开发架构体系,另一个是产品全生命周期中,软件不但要考虑开发阶段,还要考虑软件的部署和应用阶段,甚至是在软件与物理产品结合的阶段。
随着软件定义的重要性越来越高,Christoph Braeuchle认为,企业在转向软件定义产品时会遇到三方面挑战。第一,变更的链路更长,传统产品技术很难满足要求;第二,在保持软件敏捷快速开发的同时,保持高质量、高合规;第三,在快速迭代的周期中,确保软件的质量和数据一致。
“这些挑战对于企业已经成为一种常态,ALM就是要解决这三个挑战。”Christoph Braeuchle说。
建立以软件为核心的创新动力
PTC正从现代,集成,互联的ALM、软件工程支持与集成、端到端可追溯性、全面支持大规模敏捷开发、协作ALM、现成模板和模板管理、可变性和战略复用七个方面帮助企业将软件定义产品的战略进行落地。
Codebeamer虽然是SaaS解决方案,同时也可以在本地、私有云进行部署,无论哪种部署模式Codebeamer都是基于统一的源代码,统一的架构进行扩展,企业可以根据自己的需求,选择合适的部署模式。
在收购Intland Software的一年多里,PTC已经将研发团队规模扩大了一倍多,并成立了全球化Codebeamer组织体系,包括面向全球的售后服务支持体系,以及在中国本土的支持团队。
过去一年,Codebeamer已经成为行业,尤其是汽车行业的重度使用产品。宝马、大众、奔驰、现代等汽车企业都在使用Codebeamer,原因在于这些企业要真正实现软件驱动创新。
PTC 全球资深副总裁兼大中华区总裁刘强表示,企业需要一个现代、集成、互联的ALM平台来整合整个产品研发流程,从整体上建立起以软件为核心的创新动力模式,才能真正实现颠覆性的创新,从而建立自己不可动摇的市场竞争力。
PTC 全球资深副总裁兼大中华区总裁刘强
除了Codebeamer PTC还收购了pure variants与其直接互补,进一步在ALM上发力,同时对PTC Windchill产品生命周期管理(PLM)解决方案进行补充。pure variants解决软件的平台化和模块化以及配置管理问题,具体的软件开发过程、软件测试,软件需求等在Codebeamer里管理和实现。
“未来PTC的客户将凭借ALM+PLM的独特组合赢得胜利。”Christoph Braeuchle表示,PTC可以提供完整的可追溯和系统工程能力,而且这些解决方案不仅是面向软件,而是软硬件结合、面向产品以及完整的基于产品线的工程。
好文章,需要你的鼓励
Snap 推出 Lens Studio 的 iOS 应用和网页工具,让所有技能层次的用户都能通过文字提示和简单编辑,轻松创建 AR 镜头,包括生成 AI 效果和集成 Bitmoji,从而普及 AR 创作,并持续为专业应用提供支持。
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。