至顶网CIO与应用频道 01月24日 北京消息:2018年1月22-23日,世界物联网大会、物联网创新联盟于北京举行"新时代·新经济·新应用"为主题的高峰论坛。作为工业互联网产品与解决方案的领军企业,徐工信息受邀参会,总经理张启亮发表题为《工业互联网赋能智能制造》的主题演讲。他深入浅出地为与会嘉宾奉献了一场有关工业互联网、有关Xrea 的精彩故事。
为什么要做工业互联网
制造业是中国产业经济的支柱产业,驱动着过去30年中国经济的高速增长,中国也由此获得了“世界工厂”的名声。虽然成就斐然,但是却面临着许多挑战,诸如大而不强、“成住坏空”的加速、“门口的野蛮人”、成本上升利润下降、电商与渠道的冲突、设备封闭化等等,制造业向数字化转型已迫在眉睫,如何拥抱互联网,拥抱新时代,成为中国制造企业竞相探索的转型之路。
由于下游客户资金紧张,我国工程机械多以按揭贷款方式进行销售,随之而来的是庞大的应收账款,以及下游客户以“设备转卖”、“没活没钱”等理由的拖欠付款。我们需要控制风险,需要利用物联网技术手段找到每一个从徐工售出的机械设备,并且了解设备的运行状况,这就需要利用互联网的手段来解决。2011年工业互联网平台上线,助推徐工实现工业互联网转型升级。
国内首个工业互联网平台Xrea
“工业互联网为什么重要?一个是洞察力,一个是灵活性,再有是开启新的商业模式,而且具备可持续竞争优势,最后是重新定义服务。以前,我们基本上是以产品为收入,现在我们的服务收入占比已经达到20%,应该说这是一个很大的转变。”谈到工业互联网的价值,张启亮这样说到。
徐工信息Xrea工业互联网平台就是这样一个“能为设备提供精准服务的平台”,它是国内首个发布的工业互联网平台。基于云计算、大数据和AI等技术,Xrea平台可以实时、精准监测设备的运营及运行情况,从而为设备提供全生命周期服务、预测性维护服务和创新商业模式等三大核心价值。
拥抱产业,Xrea打造开放的生态体系
徐工信息重点打造行业领先的Xrea工业物联网平台,上接应用下接数据,支持多种协议和广泛的终端接入,同时通过SDK\API为开发者提供更加开放的开发环境,其工业数据的采集、分析、应用是关键,Xrea工业互联网平台通过三部分进行数据采集:传感器、制造设备、第三方系统。这些数据全部汇入到Xrea工业大脑,通过计算、分析,提供远程监测和服务,设备及固件升级等能力,为客户提供制造过程赋能、全生命周期赋能、产品赋能等三大典型应用场景。
Xrea平台在业界拥有最广泛的连接,最强的跨行业创新能力和更开放的生态体系。目前Xrea平台累计接入设备数量超45万台,连接数据种类超7000种,设备种类超1000种,覆盖全球20多个国家。面向各行业客户,Xrea平台提供定制化工业APP满足跨行业应用场景,助力国家百万企业“上云”行动。
Xrea不光是一个平台,更是一个开放的生态体系。徐工信息以开放的心态,与产业链合作伙伴共同推动产业进步,目前已累积生态伙伴300余家,赋能装备制造、新能源、军工、农牧业、风电、光缆、核心零部件制造等多个行业领域。
“更懂制造的工业互联网专家”徐工信息,正连接着靠谱的人,做着靠谱的事,研发着靠谱的产品,创造着靠谱的未来!
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。