ZD至顶网CIO与应用频道 12月07日 北京消息:PTC(纳斯达克代码:PTC)今天宣布发布最新版Creo® 4.0 3D计算机辅助设计(CAD)软件。Creo 4.0为物联网(IoT)、增材制造、增强现实和基于模型的定义(MBD)增添新功能。Creo 4.0提供了大量核心模型增强功能,并添加了让设计师得以创造出未来产品的新功能,从而使设计更智能化、生产效率更高。
在当今物联网和智能互联产品时代,产品开发正历经变化,Creo 4.0代表着产品设计的未来。借助最新发布的Creo,产品设计师可以设计出智能互联产品,并充分利用增材制造和增强现实等新技术。
为硅谷客户提供服务的PTC合作伙伴NxRev公司首席执行官Scott Carmichael表示:“我为Creo 4.0的发布感到由衷地高兴。PTC致力于为基于模型的设计提供支持,这使我的客户能够专注于3D模型而无需制作任何2D图纸。PTC在增强现实和‘为物联网而设计’(Design for IoT)方面的愿景和领导地位对我的客户有着深刻的影响。这些客户都正在开发新一代智能互联产品,他们希望能在所有设计阶段都能利用这些新兴技术。”
Creo 4.0的主要增强功能包括:
智能互联产品设计
借助Creo 4.0,产品开发人员可以利用物联网更好地理解产品的使用方式和性能表现,从而改进设计决策。该解决方案可将真实数据信息“拉回”到设计过程中。Creo 4.0还使“为互联而设计”战略成为可能,开发人员可以将传感器集成到设计流程中,利用定制的数据流主动设计产品。
Lifecycle Insights机构的Chad Jackson表示:“PTC再次向前推进了3D CAD应用的边界,这次的突破借助了物联网时代的一些创新功能。将Creo的3D模型与ThingWorx的传感器模型连接起来是关键所在,这样一来,企业便能够虚拟设计传感器布置原型并模拟数据流,而无需制造任何实物产品。PTC率先在全球推出了此功能。”
增材制造
Creo 4.0为采用增材制造技术实现产品零件的高效设计扫除了障碍。它支持“为增材制造而设计”(design for additive manufacturing),设计师可以在Creo单一环境下设计、优化、验证并运行打印检查。Creo 4.0创造参数控制晶格结构的功能,可使设计师优化模型,以实现多个设计目标或满足多个限制条件。
增强现实
Creo 4.0通过将数字化产品带到现实世界,使设计拥有更吸引人,内容更丰富的视觉体验。利用Creo 4.0,设计师可以无缝重复利用CAD数据,轻松打造更引人入胜、内容丰富的增强现实体验,设计产品的尺寸、比例和环境更加逼真。
基于模型的定义
通过减少对2D图纸的依赖,Creo 4.0能让设计师在产品开发过程中成功实施基于模型的定义并提高效率。通过教育并引导设计师正确应用几何尺寸与公差(GD&T)信息,Creo 4.0可帮助设计师减少因信息不准确、不完整或被误解引起的错误。Creo 4.0还验证了3D CAD模型中得到的几何尺寸与公差是以基于完整语义的方式捕获的,确保模型符合美国机械工程师学会(ASME)和国际标准化组织(ISO)的标准,并验证了对模型几何体的约束,以保证在制造和验收等下游环节的使用中保持高效和无错。
PTC CAD事业部总经理Brian Thompson表示:“发挥物联网的潜力不仅意味着获得更多产品使用数据,还意味着能够使用、加工和分析这些数据,从而让设计更优秀、更智能。Creo 4.0能够让设计师使用真实数据替代设计过程中的推断数据,从而做出更完善的产品设计决策;Creo 4.0连同基于模型的定义,可为设计师提供更加完整的产品数字化定义。Creo 4.0中的增强功能不但能提高设计师的生产效率,还可帮助他们利用物联网来支持自己的数字化工程之旅。”
好文章,需要你的鼓励
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
微软正式确认配置管理器将转为年度发布模式,并将Intune作为主要创新重点。该变化将于2026年秋季生效,在此之前还有几个版本发布。微软表示此举是为了与Windows客户端安全和稳定性节奏保持一致,优先确保安全可靠的用户体验。配置管理器将专注于安全性、稳定性和长期支持,而所有新功能创新都将在云端的Intune中进行。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。