这次私有5G基础设施试验在Hitachi Astemo Americas位于美国肯塔基州贝瑞亚的电动汽车制造厂进行。本次试验的关注点是实时数字视频、人工智能和边缘到云的技术能够如何实现自动缺陷检测。
该试验项目结合了爱立信的私有5G和AWS Snow Family,在日立公司的工厂内为机器学习模型提供动力。在接入日立公司的视频分析系统后,组件组装操作的实时视频就会通过网络传输,帮助提前发现缺陷。
计算机视觉系统可以同时检测24个装配组件,而“传统方法”是逐个检测,这种方法大概需要一个人类检测员。由于采用了4K摄像头,该系统能够观察到亚毫米级的缺陷,公平地说,这比一个拿着写字板、戴着一副双光眼镜的人做得更好。
爱立信PCN商业和运营主管Thomas Noren表示:“此次合作的最大亮点在于,它并不涉及某个遥远的未来才会出现的功能。”“这些解决方案今天就可以部署在制造和企业环境中,为早期用户带来一系列竞争优势。作为全球技术领导者,爱立信、AWS和日立美国研发部门展示了如何通过合作推动创新。”
日立美国研发部门副总裁兼日立Astemo Americas首席架构师Sudhanshu Gaur补充表示:“我们探索并验证了由专用5G支持的新用例,展示了智能工厂已有的能力。”“专用5G、云和人工智能/机器学习自动化技术的组合有可能彻底改变我们制造产品的方式,我们很高兴能够站在这一创新的最前沿。”
自动缺陷检测和相关智能工厂工具的概念算不上多新鲜,但由于宏观 RAN 市场发展缓慢,爱立信等套件供应商可能会在未来几年想方设法提高人们对5G专用网络的认识并推动销售。虽然它比一般RAN市场小得多,但似乎是一个正在增长的领域。
好文章,需要你的鼓励
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
西安交通大学团队提出Fast-LeWM,用动作前缀并行预测替代逐步推演,将AI世界模型规划速度提升近4倍,同时平均成功率从85.8%提升至90.5%。
本文提出一种评估人工智能风险的新方法,借鉴生态学与演化论视角,从理论生态模型中推导出三项风险指标,涵盖种群模型与生态系统模型。研究旨在为AI治理策略提供量化工具,并对分析局限性及政策改进方向进行了深入探讨,为构建更科学的AI风险评估体系提供参考框架。
CoffeeBench是Sakana AI与毕马威联合构建的多智能体经济基准测试,让六个AI企业在90天咖啡供应链模拟中自主经营,评估大语言模型的长期商业决策能力。