借助于物联网技术,共享单车为满足每日数千万人次的出行提供了可能。毫无疑问,我们离万物互联的那一天越来越近了,可联网的设备除了能够感受得到的智能家居、可穿戴设备等,还包括我们不能直接感受到的如制造业、能源等领域。
有分析预测,到2020年全球将有2000亿联接物联网的设备。思科预计,到2020年,物联网投资预计将会超过1.46万亿美元,近期内没有任何其他技术趋势能够像物联网一样产生如此巨大的影响力。
不过要充分发挥物联网的价值仍然面临许多挑战,首先是连接本身,成千上万,乃至上百万、千万的设备如何安全有效进行联网并管理起来,它的复杂性可以想象。其次,如何获取物联网的数据并进行计算和分发仍然面临考验,此外还包括保障物联网连接的安全性等等。
思科Jasper提供了专业IoT网络架构
思科Jasper提供了专业IoT网络架构,去解决大规模设备的联网挑战。以一家制造业企业来说,部署的联网设备可能会有数千台或数十万台,企业不可能依赖人工手动监控和管理连接。在此方面,思科Jasper积累了丰富的经验,思科Jasper Control Center平台可帮助企业对全球所有设备的连接实现自动化监控和管理。
从2004年成立到2018年,思科Jasper平台已运行14年,成功地帮助全球20多个行业的企业实现转型,并通过物联网转变他们的商业模式。2016年,思科收购Jasper,并打造全新的思科IoT事业部。如今思科Jasper在全球已有超过50家主流合作运营商,覆盖500多个移动网络、120多个国家。在国内,中国联通就是思科Jasper最紧密的合作伙伴。
思科物联网中国及亚太区董事总经理陆泓
思科物联网中国及亚太区董事总经理陆泓在接受至顶网采访时指出,Control Center如今运行管理全球超过6600万的活跃终端设备,并且每月新增连接超过200万,Control Center名副其实已成为全球最大的物联网连接管理平台。
利用Control Center,企业可以以近乎实时的诊断和分析判断设备异常并进行响应,从而减少与持续运营支持相关的员工人数和成本。陆泓以远程实时诊断为例,它可以帮助企业解决设备80%-90%的问题,大大降低成本。此外,它的核心功能还包括自动化生命周期、可靠安全防护、灵活成本管理、轻松全球部署以及无缝后端集成等。
并且,融入思科物联网技术,思科基于意图的(Intent-Based)网络+思科Jasper形成的专业IoT网络架构更为强大,包括支持如以太网、WiFi、蜂窝、LoRa、串口等多种访问方式,通过工业级的网络产品组合满足各种严酷环境需求,支持物联网设备快速安全地接入网络,并对每一部IoT设备的连接实现实时监控等。
当然,解决了连接问题只是成功开启物联网的第一步,下一步是如何释放数据的价值。
Kinetic解锁物联网数据价值
不同的传感器、不同的国家数据标准不一样,把它们统一化、标准化的获取出来,将适当的数据在适当的时间传输至适当的应用,这就是Kinetic的价值。Kinetic是思科收购Jasper之后推出的物联网软件平台。
陆泓将Kinetic的功能总结为三方面:一是在各个接口不一样的情况下,把各种各样的数据收集起来;二是边缘和雾计算,判断内部或本地要不要做决策,比如设备转速是否超过了阀值;三是对数据分流并把需要的数据传到各种应用平台。
Kinetic作为在分散的IoT网络节点运行的软件系统,它的部署位置包括终端、网络、边缘、数据中心、云等,从而快速提取和标准化数据、可程序化地移动分发数据、保障数据所有权、隐私和安全性、在最优位置进行数据计算处理、为应用程序开发人员提供“数据API”等等。
陆泓以汽车制造业为例解释Kinetic如何释放数据价值,首先它通过有效提取汽车生产线机器人设备的振动、电流、压力、转速、功耗的数据;其次进行实时分析数据快速响应决策,例如工厂根据细颗粒度监控能耗用量,实时执行能耗调节策略;然后在云端,总部集中大数据平台针对海量历史数据进行数据挖掘,洞察趋势、模型,以数据支撑生产工艺改良、产品设计更新换代。工厂停机时间降低50%,能耗降低20%,产品的缺陷降低50%,这就是Kinetic取得的成果。
所以,总结思科物联网发挥的作用,一是解决大规模物联网连接的管理问题,二是帮助企业把分布式的数据进行获取、计算,然后发布到相应的应用中提取数据价值,思科物联网在做这两件事情的同时并能充分保证安全可靠。
在陆泓看来,物联网是中国企业发展的一个很好的加速器,思科物联网愿意帮助中国制造走向中国创造,去解决物联网的灵活全球部署、数据的灵活获取,从而加速中国传统企业的数字化转型。
好文章,需要你的鼓励
这项研究由新加坡国立大学团队开发的DualParal技术,通过创新的双重并行架构解决了AI视频生成的长度限制问题。该方法同时在时间帧和模型层两个维度实现并行处理,配合分块降噪机制、特征缓存和协调噪声初始化策略,使生成分钟级长视频成为可能。实验表明,在生成1,025帧视频时,DualParal比现有技术减少了高达6.54倍的延迟和1.48倍的内存成本,同时保持了高质量的视频输出,为内容创作者提供了生成更长、更复杂视频叙事的新工具。
SoloSpeech是约翰霍普金斯大学研究团队开发的创新语音处理技术,针对"鸡尾酒会效应"问题提出了全新解决方案。该系统通过级联生成式管道整合压缩、提取、重建和校正过程,实现了高质量目标语音提取。与传统判别式模型相比,SoloSpeech采用无需说话者嵌入的设计,直接利用提示音频的潜在空间信息与混合音频对齐,有效避免特征不匹配问题。在Libri2Mix及多个真实世界数据集上的评测显示,SoloSpeech在清晰度、质量和泛化能力上均达到了领先水平,为语音分离技术开辟了新方向。
这项由北京大学深圳研究生院、伟湾大学、腾讯ARC实验室和兔小贝智能联合研究的Sci-Fi框架,通过创新的对称约束机制,解决了视频帧间插值中的关键问题。研究团队设计了轻量级EF-Net模块,增强结束帧约束力,使其与起始帧形成平衡影响,从而生成更自然流畅的中间过渡帧。实验证明,该方法在各种场景下都优于现有技术,特别适用于电影制作、动画创作和视频编辑领域,显著降低了人力成本。
这项来自西北大学和谷歌的研究突破了传统马尔可夫强化学习的局限,通过贝叶斯自适应RL框架解释了大语言模型中涌现的反思性推理行为。研究团队提出的BARL算法通过维护多个解题策略的后验分布,指导模型何时何地进行反思性探索,在数学推理任务上展现出显著优势,比基线方法减少高达50%的标记使用量,同时提高了准确率。这一研究不仅解释了"为什么反思有用",还提供了实用的指导原则,为AI系统的自适应推理能力开辟了新方向。