美国空军洛克希德-马丁公司的F-16C在1998年的法恩伯勒航展上一飞冲天
专业服务公司埃森哲在本周举办的法恩伯勒航空展上展示了其专为航空及国防工业供应链量身定制的新型区块链原型方案。
通过与法国跨国航空与国防系统供应商Thales公司开展合作,埃森哲的原型方案能够面向整个行业复杂而严格的监管要求,为供应链提供一以贯之的零部件验证与供应商真实性保障。
埃森哲公司航空与国防业务全球总经理John Schmidt表示,“区块链技术提供了一种全新、优雅且安全的方式,能够追踪并跟进无数 组件,同时防止假冒问题并提高维护能力。”
除了追踪与跟进,一旦物理产品被交付给客户,该原型方案还能够建立并维护所谓“数字双生”复制品的可靠性,同时提供最关键的增值可见性——这一点远超目前正在开发的其它供应链用区块链系统。
数字孪生的本质,是一套基于现有物理资产的数字复制品,其通过与物联网技术的整合根据底层物理资产的变化而进行自我修改。此外,数字线程的引入能够丰富这一过程——数字线程允许信息由原始制造商处流向价值链、供应商、合作伙伴以及各级运营人员。
与区块链相结合,这些创新将能够促进整个产品设计、制造与维护生命周期中的数据共享能力——例如在进行维修或部件更换时,这套方案将帮助相关人员更好地理解飞机发动机当前状况。因此,Schmidt认为区块链在这方面发挥的促进作用绝对不容小觑:
“与数字孪生及数字线程等技术结合使用,区块链最终将有望成为改变这一领域游戏规则的重大创新成果。”
埃森哲伦敦数字分部高管Mark Walton-Hayfield解释称,除了降低成本与验证真实性之外,这些信息流还将产生更为广泛的一系列收益,例如能够针对潜在缺陷进行更有针对性且精确的组件召回。
他解释道,“考虑到建造一架飞机所需要的漫长时间周期以及服役期限,我们真的不愿加快到底哪些组件可能存在问题。”
这套原型方案利用Hyperledger Fabric构建而成,其中包含由Chroniced提供的不可篡改密码以及Thales提供的物理不可克隆功能,旨在确保数据在整个产品生命周期中皆保持不变。
Thales英国安全通信与信息系统副总裁Gareth Williams解释称,“将区块链与密码以及物理不可克隆功能相结合,能够在部件之后构建起可靠的历史记录”。他同时补充道:
“此次展示以埃森哲与Thales之间强大的合作关系作为基础,并为各行各业创造出不断发展的创新型数字化解决方案。”
总部位于巴黎的Thales公司已经在巴黎泛欧证券交易所上市,其专门为飞机、坦克、潜艇以及铁路等领域的航空控制与电子无线电控制系统提供组件产品,从而支持其在复杂的高安全要求环境中运行。
此次展示将提升航空及国防行业对区块链技术的关注度。埃森哲公司在最近的一份报告中指出,该行业中已经有86%的企业正在积极寻求区块链解决方案,并计划在三年之内将其整合至现有系统当中。
这些企业之所以如此关注区块链方案,是因为其担心零部件追踪系统中发生数据损失或伪造问题。此类供应链通常受到严格的监控约束,且可能对产品及材料的采购方式设立有众多要求。
Schmidt表示,“维持供应链的完整性可谓至关重要。我们目前看到的波动数据显示,可能有15%的零部件存在伪造嫌疑。”
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。