科技行者 8月23日 重庆消息(文/于艺婉):8月23日至25日,首届中国国际智能产业博览会在重庆召开。中国联通作为央企展厅的重要参展单位之一,以“智慧.联通未来”为主题,从智慧城市、5G、一带一路、智慧生活四个方面展示了各垂直行业智能化应用的最新成果。
在“智慧城市”板块,城市大脑、城市脉络、工业互联网、智慧河长、智慧旅游、工业无人机等明星业务和解决方案集体亮相,充分展示了中国联通在推进大数据智能化发展中的最新成果。
工业互联网在5G即将到来之际,成为最受关注的领域之一。联通在该领域也早有布局。诸如完成无线及光纤网络100%全覆盖,尤其在制造园区、产业集聚基地;升级工业物联网平台,增强连接承载能力,建设覆盖全国的物联网网络等措施。
谈及中国联通对工业互联网的理解,中国联通研究院院长张云勇表示:“工业互联网的发展具有两个驱动力,一是技术成熟度,目前互联网技术已经从移动互联网渗透到垂直行业,技术上可为,5G三大场景之一的uRLLC(高可靠低时延连接),即是面向车联网、工业控制等领域;二是行业升级的需要,新旧动能处于转换中,过去工业领域小,窄,传统,而现在工业互联网时代到来了。”
联通关注工业互联网发展较早。他们积极跟踪国际标准,与3GPP、ITU、GSMA等重要的国际行业组织积极合作,贡献联通智慧,继而从国际标准再到行业标准和企业规范进行全面布局。在产业资金政策上进行引领,中国联通去年与广州基金合作,引入社会资本,联手打造100亿物联网产业基金,投入物联网、智慧制造、工业互联网领域。
中国联通也在结合5G网络进行工业互联网应用示范,诚如张云勇所说,工业互联网决定了5G网络发展的路标以及投资回报率。“中国联通也和多地政府进行深度合作,探索发展支持当地政府的研发机构,诸如在重庆成立侧重于大数据和人工智能的西部研究院,在江西成立工业物联网研究院,在贵州成立智慧城市研究院。而且,联通也非常重视发展新技术人才队伍建设,希望用高品质达网络和服务为用户提供高品质生活,赋能经济。”
5G怎样赋能其它产业的发展始终都是热议的话题,对此,中国联通网络技术研究院院长张涌表示:“5G只是通信技术,它带来了速率和时延的量级提升。5G怎样和其它行业相结合,更关键还是看我们怎么推动技术发展。5G带来的切片技术、边缘计算技术,对行业带来了很多新的突破口,但真正的业务实现还需要运营商和各个行业去深度合作。”
虽然5G只是通信技术演进过程中的一个阶段,但它却肩负着“改变社会”的使命。张涌认为,5G是智能制造的重点应用方向。“5G大带宽、低时延的技术特性,为工业制造和相关产业带来了好的解决方案机会。5G可助力改造现有工业化平台,未来会有非常好的前景。诸如,基于5G的远程驾驶很快就可以实现,以后挖掘机驾驶员不用在车上挖矿,在办公室里喝着可乐就把工作完成了。远程控制对降低成本提高生产效率,非常有帮助。当然,这还需要车辆企业和运营商紧密合作。”张涌说。
5G也将在智慧城市的应用上大有可为,5G给智能城市带来的革命之一是无线超高速传输,对智慧城市的应用难度大大降低,5G可替代现有的光纤传输,使城市管理的触角可以更深入。5G为智能城市带来的第二个变化是对大连接的支持,相对4G传感器密度可部署更高,城市精细化管理更高。随着传感器密度的加大,人工智能和大数据处理也必须提高上去。“未来基于城市管理的人工智能会有非常广阔的前景。包括对大数据的智能化分析,视频画面分析,未来会有非常大大空间,对ICT行业会有非常大的考验。”张涌说。
本月初,中国联通5G创新中心正式挂牌成立。该中心隶属中国联通网络技术研究院,将主要负责聚焦5G行业应用创新,开展应用创新合作等工作。根据职能定位,5G创新中心内设“行业创新合作实验室”和“重点战略合作实验室”两个实验室。
其中,“行业创新合作实验室”将聚焦重点垂直行业,考虑研究基础和垂直行业的地域分布特点,由5G创新中心、省级分公司和有关子公司独立或合作运营。2018年,在行业创新合作实验室下设立10个创新合作中心:智能制造创新合作中心、智能网联创新合作中心、智慧医疗创新合作中心、智慧教育创新合作中心、智慧城市创新合作中心、智慧体育创新合作中心、新媒体创新合作中心、智慧能源创新合作中心、公共安全创新合作中心和泛在低空创新合作中心。
“最终一个成功的应用不是一家企业能做到的。工业企业对通信不了解,运营商对工业制造部了解,只有双方合作才能真正形成一个真正可用的产品。中国联通的5G创新中心,涉足的10个行业要和这10个行业中的企业去做应用,希望会有全新的东西出来,改善上述行业的智能化发展问题。”张涌说。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。