在过去的十年当中,PTC一直致力于将人工智能融入其旨在优化工业性能的软件解决方案当中;与此同时,制造业企业对应用人工智能技术也充满期待,尤其是在中国市场。PTC全球资深副总裁兼大中华区总裁刘强认为:人工智能技术将为制造业企业提供前所未有的价值,将成为企业获得未来市场竞争力的关键。中国的制造业企业,数字化基础好,对尝试应用新兴技术更有热情和信心,因此将率先享受人工智能所带来的发展动力和商业价值。现在让我们来详细了解PTC是如何利用人工智能为用户创造价值。
PTC 的定位是什么?
PTC 是 PLM 和 CAD 软件的领先供应商。我们为制成品的设计、制造、运行和维护提供广泛的解决方案。制造业企业向我们寻求设计或制造方面问题的答案。根据他们的需求,我们提出解决方案。在这些解决方案中,我们整合了物联网、增强现实和人工智能等数字技术,以优化解决方案的性能。通过我们的解决方案,我们可在整个产品生命周期中——从应急管理和设计到维护管理和产品报废——支持工业 4.0。
将人工智能集成到PTC的软件中,对制造业企业有什么好处?
无论是在预测性维护、产品开发、个性化、多样化还是用户体验方面,人工智能都是价值的源泉。根据麦肯锡的一项研究,人工智能可将制造业企业的整体业绩提高 20~30%。现在,制造业企业必须采用这项技术才能保持竞争力。在 PTC,我们正在思考继续使用和整合人工智能的最佳方法,以便让我们的解决方案能够为企业用户带来更多价值。通过倾听客户的意见,我们提出了数百个关于如何在解决方案中使用人工智能的想法。
有哪些具体应用?
例如,基于文本的需求管理就非常适合使用人工智能:利用人工智能,我们可以从书面文件中自动创建需求。人工智能可以分析需求,看它们是否符合标准。人工智能还可用于优化 PLM 中的变更管理,准确预测变更可能产生的影响。另一项人工智能应用与备件库存管理有关。任何制造业企业的目标都是将库存保持在最低水平。这意味着要预测需求,以保持当前的库存水平。有了人工智能,我们可以通过利用更多数据(如历史和地理数据、存储容量、维护信息等)来改进预测工具。这样,企业用户就可以在任何时间、任何地点只备有所需的备件。显然,人工智能提高了解决方案的性能,有助于降低成本。
PTC还有哪些旗舰应用?
计算机视觉是人工智能的另一个应用领域。计算机视觉并非增强现实技术的唯一特权,它还可用于 PLM,使工程师能够在开始设计之前,即可利用计算机视觉对部件的形状进行分析和描述,进而在系统中检索是否已经存在这样的零件。如果可以限制零件的创建,那么公司就可以立即获得可衡量的收益。这种数字视觉技术还可用于质量控制和增强现实中的最终装配视觉检查:配备笔记本电脑或平板电脑的操作员围绕组装好的产品旋转,就可以利用系统检查该组装是否符合人工智能训练模型所规定的标准。
人工智能在去碳化和环境影响方面能发挥什么作用?
生态设计或环境管理是一项非常复杂的工作,因为需要考虑的参数太多。在帮助设计工程师做出正确选择并限制产品对环境的影响方面,人工智能可以发挥非常重要的作用。它就像一个副驾驶员,能够提供实用的建议,例如为设计选择正确的材料类型等。考虑到产品碳足迹的 80% 是在设计阶段确定的,这就更具有决定性意义。人工智能还将能够为解决方案建模,从而更好地了解客户产品的生产、采购和使用对生态环境的影响。我们今天的任务就是开发解决方案,帮助客户减少对环境的影响。
好文章,需要你的鼓励
2025年,企业技术高管面临巨大压力,需要帮助企业从持续的AI投入中获得回报。大多数高管取得了进展,完善了项目优先级排序方法。然而,CIO仍面临AI相关问题。支离破裂的AI监管环境和宏观经济阻力将继续推动技术高管保持谨慎态度。随着AI采用增长的影响不断显现,一些CIO预期明年将带来劳动力策略变化。
这篇论文提出了CJE(因果法官评估)框架,解决了当前LLM评估中的三大致命问题:AI法官偏好倒置、置信区间失效和离线策略评估失败。通过AutoCal-R校准、SIMCal-W权重稳定和OUA不确定性推理,CJE仅用5%的专家标签就达到了99%的排名准确率,成本降低14倍,为AI评估提供了科学可靠的解决方案。
FinOps基金会周四更新了其FinOps开放成本和使用规范云成本管理工具,新版本1.3更好地支持多供应商工作流。该版本新增了合同承诺和协商协议数据集,增加了跨工作负载成本分摊跟踪列,以及云支出和使用报告时效性和完整性的元数据可见性。随着云和AI采用推动企业IT预算增长,技术供应商正在关注将成本与价值联系起来的努力。大型企业通常使用三到四家云供应商,小企业可能使用两家,同时还有数据中心、SaaS和许可等服务。
NVIDIA团队开发出Fast-FoundationStereo系统,成功解决了立体视觉AI在速度与精度之间的两难选择。通过分而治之的策略,该系统实现了超过10倍的速度提升同时保持高精度,包括知识蒸馏压缩特征提取、神经架构搜索优化成本过滤,以及结构化剪枝精简视差细化。此外,研究团队还构建了包含140万对真实图像的自动伪标注数据集,为立体视觉的实时应用开辟了新道路。