随着一声“启动”,大会上空悬停的飞艇上的LoRa物联网关被同时开启,接着现场的物联网设备迅速被飞艇上的信号连接。之后,一个菜鸟无人小车载着包裹,从地面去往地下20米的仓库,信号稳稳地来到等候在那里的用户面前。当他拆开包裹的一瞬间,主论坛数据大屏上立即显示包裹被打开。
这一幕发生在9月19日的2018杭州云栖大会上,阿里巴巴以这样的方式昭告对于物联网战略的态度:由飞在天上的飞艇、地下基站共同搭建了一个“阿里云天空物联网”。在这背后,是持续加码的阿里巴巴物联网战略:从集团的主赛道之一,到SupET工业互联网平台,再到当天发布的“达尔文计划”。
最科幻现场:飞艇Hold住全场
无论从任何方向进入云栖小镇,首先看到的这艘印着“阿里云天空物联网LoRa站”字眼的巨大飞艇。他游弋在大会上空,蓝天安静,飞艇自在。在当日热闹的大会映衬下显得低调又神秘,众人纷纷举起手机拍照。
这艘飞艇有什么用?这个疑问由阿里云首席智联网科学家丁险峰在主论坛上揭晓。他关闭了展区内所有物联网网关,数据大屏上的几十种数据瞬间暗了下来,随后出现了本文的开头一幕。
““阿里云天空物联网”展现了从地面40000米高空到地下20米的上天入地,完整覆盖的物联网络,并将在接下来的几天里,持续为大会服务。”他表示。
飞艇演示仅仅是物联网呈现给大众的具象一面,阿里云在当天宣布启动“达尔文计划”,旨在通过一系列的包括平台、芯片和微基站在内的全链路生态服务,交付给企业一张自有可控的物联网。
为此,阿里云与诸多伙伴合作推进。与ASR公司合作推出业内最小尺寸LoRa芯片。同时与广电系达成物联网深度合作,依托频谱资源、物联网全链路资源,快速、低成本地搭建物联网络。
物联网是阿里巴巴集团新的主赛道
当人与人之间相连造就了我们过去的互联网时代,这是人类有史以来最伟大的变革。而让尚未联网的99%的物体也连入网络将带来什么?一场由物联网(IoT)技术引发的“万物智联”革命正在加速到来。
2018年3月,阿里云总裁胡晓明在深圳宣布:阿里巴巴全面进军物联网领域,这是阿里在继电商、金融、物流、云计算后新的主赛道。物联网战略与云计算、人工智能等业务板块混合推进。
“云计算、人工智能、物联网”被认为是构建万物智联的三驾马车,在前两个领域,通过极具前瞻性地投入与战略性地坚持,阿里巴巴已经具备领先优势。物联网技术也在2014年启动研发,潜行多年。如今也迎来了初步成果。
而在2018云栖大会上,马云提出,新制造是“服务制造业”,是制造业和服务业的完美结合。未来成功的制造业,都是用好互联网、云计算、IoT、人工智能、大数据的新制造企业。所有这些都会象蒸汽机、石油改变手工业一样,改变今天的生产车间。
这又与此前已经在诸多企业发挥“1%良品率提升”的ET工业大脑产生契合协同。
在淘工厂,阿里云IoT的工业互联网平台帮助中小型服装工厂提高生产效能,达到精益化生产,使排产提升6%,交付周期缩短10%。
在浙江,已有200家工业企业入驻SupET工业互联网,沉默的数据被唤醒,生产流程大幅优化,良品率上升带来利润增长,杭州智造正在成为“新制造”的典型样本。
在非洲,阿里云携手肯尼亚政府,用IoT技术保护野生动物,24小时监测野生动物信息,自动识别进入保护区的盗猎者。
在雄安,一座交通、能源、安防等民生基础设施和阿里云互相联通,实体城市和数字虚拟城市同生共长、相互映射的“未来之城”正在被建立。
阿里云物联网战略在开花更在结果。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。