科技行者 6月14日 北京消息: 6月14日,浙江省发布工业互联网战略,将在全国率先推进建立“1+N”工业互联网平台体系和行业联盟,打造具备国际竞争力的产业联盟体系。2018年将首批建设5—10家国内领先的工业互联网子平台,初步形成“1+N”的平台体系布局。由阿里云、中控、之江实验室联合建设的supET工业互联网平台将成为核心基础。阿里云作为底层平台和基础设施,将为浙江乃至整个长三角工业企业转型升级提供云计算、物联网和人工智能等先进技术。
国务院《深化“互联网+先进制造业”发展工业互联网的指导意见》指出,要通过发展工业互联网促进实体经济振兴,加快转型升级。作为工业互联网三大要素,“工业互联网平台”是工业全要素链接的枢纽、是工业资源配置的核心、是构建工业互联网生态的关键载体,对于我国制造业向中高端迈进、建设制造强国具有重要意义。
作为制造业大省和互联网大省,浙江具有发展工业互联网的基础和优势。自去年以来,浙江工业互联网建设不断加快。第四届世界互联网大会期间,浙江省与工信部签订共同推进工业互联网发展的合作协议,迅速组建工业互联网平台建设推进工作组,取得了一定实效。
此次“1+N”工业互联网平台体系由浙江省在全国率先推出。“1”是指培育一个跨行业、跨领域、具有国际水准的国家级工业互联网平台——supET工业互联网平台。阿里云、中控、之江实验室将共同参与“1”的建设。阿里云负责平台技术及产品架构,提供领先的云计算能力、工业大数据模型和算法,以及丰富的生态协同创新模式。中控提供流程制造工业自动化、智能制造的专业技术能力和丰富的工业场景。之江实验室则结合其在工业领域的科研能力,为平台提供基础科研技术支撑。
“N”是指培育一批行业级、区域级、企业级等多级工业互联网平台。围绕石油化工、汽车制造、电子制造、船舶修造、纺织服装、工程机械、供应链物流等领域,培育一批具有引领作用的行业级工业互联网平台。面向毛衫、经编、袜业、水晶、轴承、螺杆等我省块状经济产业集聚区,培育一批具有地方特色的区域级工业互联网平台。围绕龙头企业上下游产业链生态圈数字化、网络化、智能化发展需求,培育一批具有市场竞争力的企业级工业互联网平台。
这一互联网公司与工业企业、科研机构共建的模式,将解决工业互联网面临的N个行业与众多技术领域难以跨界合作的问题,并为形成海量工业应用与海量用户互相迭代促进的生态市场提供土壤。
会议指出工业互联网平台是浙江发展数字经济的核心工程和建设两个强省的关键支撑,要切实增强发展工业互联网平台的紧迫感,充分发挥浙江制造业和互联网的双重优势,坚持以企业为主体开展平台建设,强化政府统筹协调作用,集聚政产学研用等多方力量,加快打造“1+N”的工业互联网平台体系,抢抓工业互联网平台发展的战略机遇期。
阿里云IoT事业部总经理库伟表示:“智能制造分为两条路径方向,一个是全流程高度自动化,比如黑灯工厂,一个是数据驱动的智能化。阿里云在数据驱动的智能化领域积累了大量的核心技术能力。此前,ET工业大脑在浙江中策橡胶、恒逸石化等工业企业落地,通过云计算、物联网、大数据、人工智能技术帮助企业获得了显著效益。阿里云希望在这一平台中继续发挥优势,带动更多工业企业获得云上动力。”
中控创始人褚健表示:“工业互联网是工业制造业与互联网的深度融合,中控作为国内领先的工业自动化产品和智能制造解决方案提供商,有三万多套自动化控制系统应用于工业现场,积累了大量的工业运营数据,并且建设了一批以中石化九江千万吨级炼油、神华宁煤百万吨级烯烃、东北制药原料药为代表的自动化、数字化、智能化工厂。中控全力支持浙江省“1+N”工业互联网平台建设,希望与更多的生态伙伴进行合作,为传统制造业用户赋能,帮助我国制造业用户实现安全、提质、降本、增效、环保的目标。
之江实验室副主任袁继新表示,作为浙江省重点打造的科技创新平台,之江实验室将在supET工业互联网平台建设中提供技术支撑,就平台建设中出现的核心关键技术问题,开展前沿研究与技术攻关,并在工业互联网安全、标准等方面开展相关工作。之江实验室的科研组织架构中就包括工业互联网研究中心、网络安全技术研究中心和标准化研究中心等,都将会支持supET工业互联网平台的建设发展。
除此之外,支持“中国制造2025”试点示范城市、继续推动企业上云、培育工业互联网示范企业、建立工业互联网安全保障体系,也是浙江省重点推进的工作。
长三角地区是中国经济最具活力、开放程度最高、创新能力最强的区域之一,两化融合、工业互联网应用和智能制造水平都走在全国前列。浙江省的这一尝试,正为长三角高质量一体化、及全国工业制造转型升级,实现中国制造“换道超车”提供又一范本。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。