“互联网+”浪潮已经改变了很多行业的未来,数字化转型也成为企业推动业务创新的重要方式。然而,对于很多中小型的制造企业来说,数字化转型往往意味着高额的实施成本与较长的实施周期,所以仅凭企业的自身力量难以实现完整、快速的数字化转型。在此背景下,由政府主导、企业广泛参与的行业云建设模式在成本、资源敏捷性等方面展现出了强大的优势,能够高效地推动制造企业转型升级。
行业云成为推动工业4.0的重要力量
作为社会变革维度的概念,工业4.0强调数据驱动,产业链将以数据为维度进行重新划分。2015年5月,国务院正式印发《中国制造2025》,目标是将中国打造成世界制造强国。在现代智能机器人、传感器、数据存储和计算能力实现突破的条件下,通过工业互联网将供应链、生产过程和仓储物流智能连接,从而实现智能生产的“四化”,打造中国版的工业4.0。
在工业4.0时代,大数据和云计算技术对制造业的影响越来越重,而推动业务上云也成为制造企业对资源进行重新整合、推动业务创新的必然方式。但与此同时,传统的私有云与公有云模式却并不适合大量制造企业的业务上云。
首先,全方位的私有云需要巨大的投入,包括对人力资源能力的高标准要求,除非是业务量足够大的超大型企业才对私有云有实际的投入动力和能力;其次,普遍意义的公有云平台缺乏对特定行业的定制开发,企业在上云之后还需要将大量的精力投入到行业云应用的开发、运营上面,对人力资源与时间成本的要求极高。
正是基于上述问题,行业云应运而生。在中国市场,行业标准和行业监管等往往由政府机构管理,建立行业云有其成长的特定需求和环境,成为国内云计算发展的特有趋势。在行业云的运行实践中,企业可以使用相同的云标准架构和标准服务,这样不仅有利于云资源的整合利用,还能够进一步提升网络安全技术保障能力。
启迪国信行业云推动制造业升级
依托清华启迪的全球创新网络和科技金融服务链,围绕“产业数字化、城市智慧化、园区数字化”三融合的战略,启迪国信正着力通过行业云来推动制造业升级。启迪国信将通过云计算、大数据、移动互联网等技术的融合创新,实现硬件、软件服务随取随用,降低企业业务上云的成本,同时通过统一标准的制定与资源的整合,帮助企业实现现有业务与智慧能力的高效对接。
在制造行业,启迪国信制造行业解决方案涵盖智能制造资源供需对接、线上智能制造协同服务、制造企业上云服务,并提供“两化”融合、众创/众包以及政务等配套服务。其中,制造企业上云服务将基于自主知识产权的启迪云平台实现,IaaS平台提供了云主机、云存储等服务,可以构建起高效、健壮的云基础设施;PaaS平台实现能力开放,企业可以自定义PaaS能力,低成本、高效率开展应用建设。云端SaaS平台则是实现企业级应用开发、运行、管理、监控、维护的新一代制造应用平台,从而将管理软件开发带入一个“云端开发、云端测试、云端部署、云端维护”的全新模式。
日前,启迪国信智能制造云已经在柳州落地。启迪国信不仅承载横跨整车厂、配件厂和物流公司的大型供应链管理、智能工厂等专业且个性化的系统建设,而且致力于成为柳州市新型智慧城市建设与产业转型升级的重要推动者。而在之前,启迪国信基于清华大学、启迪控股相关科研、产业、人才资源,在国内率先落地云南昆明新能源汽车管理平台。平台服务新能源汽车生产制造、物流配送、政府监管与客户服务的一体化,聚焦新能源汽车中下游产业链,通过云计算、大数据、物联网以及移动化等新一代信息技术与新能源汽车产业链融合,推动新能源汽车产业、信息产业融合发展。
此外,启迪国信还致力于将移动化能力引入到行业云体系之中。针对未来服务接入的发展趋势,启迪国信以移动端为核心,未来将逐步实现传感器以及机器人等终端智能化整合。启迪国信经过十余年技术积累,在移动设备管理、移动应用管理、移动内容管理,以及移动应用开发、移动应用门户建设等移动化专业领域,积累了成熟的技术和踊跃自主知识产权的产品与解决方案,能够帮助制造企业基于行业云平台,构建安全、可控、完善的移动化应用体系,从而提升企业移动办公效率。
好文章,需要你的鼓励
随着AI策略成熟,CIO开始重新考虑对公有云的依赖,私有云和本地环境重新受到关注。调查显示,67%的企业领导计划在未来12个月内将部分AI数据迁移至非云环境。主要原因包括成本可预测性、数据隐私保护、安全问题和云集成挑战。对于持续的AI工作负载,购买自有GPU比租用公有云更经济。私有云支出增长更快,预计2025年将有54%的组织在私有云上投入超过1000万美元。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
本文深入分析了从传统AI发展到AGI过程中可能出现的智能爆发现象。基于AI专家共识的2040年AGI实现预期,文章探讨了七种主要发展路径,重点关注突破性的"登月路径"。智能爆发理论认为,智能可以像原子链式反应一样相互促进,快速产生大量新智能。文章预测2038-2039年可能发生智能爆发,随后在2040年实现AGI,但也指出了关于智能爆发的启动、控制和潜在风险等争议问题。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。