欧洲领先的公路和越野高性能运动摩托车制造商 KTM AG 已选择 PTC 的 Codebeamer® 作为应用生命周期管理 (ALM) 平台,并在 KTM 集团全球范围内实现标准化。 这一战略决策扩大了与 PTC 的长期合作,旨在集中和优化 KTM 在硬件和软件开发方面的工程流程。
KTM 将用 Codebeamer 取代现有的两个系统,并将不同的工作流程整合到一个高效的平台中。 最初,KTM 将在 E/E 和 ePowerpack 系统中使用 Codebeamer,以改善跨职能协作,加快新开发产品的上市时间。 第二步,KTM 计划将 Codebeamer 扩展到整车。 这将使 Codebeamer 成为公司设计和开发流程的关键组成部分。
引入 Codebeamer 的目的是通过为产品和软件开发提供统一平台,进一步优化内部协作。 这样就无需在不同系统之间进行内部数据交换。 这将大大提高项目实施的速度和质量。
KTM集团表示:“KTM 的目标是保持并不断扩大其在摩托车开发领域的领先地位。 要实现这一目标,有时必须更迅速地向市场推出高质量的创新产品。 将 Codebeamer 集成到我们的工作流程中将有助于我们实施高效的开发流程。”
“KTM 选择 Codebeamer 作为其 ALM 平台的决定证实了我们在充满活力的汽车行业加速数字化转型的战略,”PTC ALM 分部高级副总裁兼总经理 Christoph Bräuchle 说,“对我们来说,利用我们的解决方案支持 KTM 开发其迷人的创新产品是一个特别的动力。”
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。