至顶网CIO与应用频道 06月26日 北京消息:一带一路”和“中国制造2025”是中国全面融入全球经济,实现可持续发展的关键。通过创新提升“中国制造”的国际影响力和竞争力,《中国制造2025》的 11个配套方案正全面落实,创新体系建设正在深入推进,核心技术的攻关将是下一步的工作重点。
达索系统大中华区总裁张鹰表示,一带一路构想是中国经济未来发展和国内产业结构转型升级的新引擎。我们正在加大与各行业伙伴的深度战略合作,帮助他们运用创新的思维和工具去寻求新的机会点,全面提升中国企业的综合竞争力,推进中国制造业的高端化、绿色化、智能化、国际化。
达索系统大中华区总裁张鹰
创新与工业转型
达索系统与中国航空航天结缘已有近30年的时间,见证了中国航空工业的发展。中国第一架具有完全自主知识产权的新一代大型喷气式客机C919的成功首飞,是中国航空工业的历史性时刻。达索系统参与了整个飞机的全生命周期过程,
2017年3月,达索系统与中国航空工业集团签署合约,成立中法工业联合创新中心,建立地点定于北京市中关村科技创新园区中国航空工业科技园。
创新中心将以航空工业复杂系统生命周期为工程实践背景,基于数字系统及平台提供新型工业范式的创新工业解决方案和最佳工业实践,以全过程可交互的体验环境进行价值呈现。
达索系统总裁兼首席执行官Bernard Charlès表示,创新中心将全方位地导入先进的数字技术,颠覆传统模式,构建工业新模式及沉浸体验VR+AR(Virtual Reality+ Augmented Reality)、动态仿真、增材制造、多机器人先进制造等创新环境,致力成为中国未来制造业创新技术的孵化平台,引领和驱动中国工业转型升级。
达索系统总裁兼首席执行官Bernard Charlès
BIM与宜居体验
城市居民最需要的就是良好的宜居体验,CadMakers运用达索系统数字化的虚拟体验技术进一步的改变了建筑行业。按照传统方式一个建筑的完工可能需要1000小时,现在使用数字化的方式,需要先在电脑中花费160小时模拟建造方法,但在之后实际的建筑中可以缩短大量时间。
BIM(Building Information Modeling)技术在建筑行业已经有十多年的发展,但BIM的价值没有得到最大的发挥,像延误工期、超预算等现象并没有得到根本的缓解。达索系统建筑、工程与施工(AEC)行业副总裁Marty Doscher看到现在BIM都是解决行业内的单一问题,如何将上下游串联起来形成共享的平台是达索系统更加关注的。
BIM行业的软件很多,每个厂商的数据格式都不尽相同,通过建筑行业现有的一些数据标准,达索系统兼容行业中的BIM软件,同时开发符合建筑行业的软件产品,例如同上海市政院合作收集中国一线客户对于技术的需求。
同时达索系统还与中国水利水电勘测设计协会签署战略合作备忘录,借助创新的技术帮助水利水电行业提升工程勘察、设计、建造和管理水平,共同推动BIM技术在行业内的深入应用与最佳实践,助力水利水电行业的创新与可持续发展。
数据与数字化城市
智慧城市的发展上,达索系统正与新加坡政府合作数字城市项目,一方面采集城市已经建成的道路、建筑物等基础设施数据,另一方面采集城市的实时数据,例如交通数据,这些数据汇聚到平台中构建出城市的数字化镜像。
当然把整个新加坡城市模型搭建起来是一个很大的挑战,因为要将不同来源的数据整合到一个平台。
“在真实的城市环境下做规划是很难的,而在数字化的环境中可以很好的了解道路、房屋应该如何建设。”Marty Doscher说,在城市规划时我们可以将想法和思路先现在数字化城市中使用真实的数据进行模拟,就如同航空航天的仿真分析测试。
除了新加坡数字城市项目外,达索系统还同法国等洽谈数字化城市项目。当然每一个城市都是不同的,每一个城市的关注点也不同,达索系统页希望和中国城市一起合作创新。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。