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
Xbench是知名投资机构红杉中国推出一款全新的AI基准测试工具,旨在真实地反映AI的客观能力,其在评估和推动AI系统提升能力上限与技术边界的同时,会重点量化AI系统在真实场景的效用价值,并采用长青评估的机制,去捕捉AI产品的关键突破。
这项研究首次将在线强化学习成功应用于流匹配模型,通过巧妙的ODE到SDE转换和去噪减少策略,显著提升了AI图像生成的精确度和可控性。在复合场景生成、文字渲染等任务上取得突破性进展,为AI生成领域开辟了新的技术路径。
Atlassian总裁Anu Bharadwaj在Transform 2025大会上分享了公司AI智能体规模化的实践经验。她强调,成功部署AI智能体需要营造实验文化,而非仅依靠自上而下的指令。Atlassian通过Rovo Studio平台为各团队提供了构建定制化智能体的环境,创造心理安全的工作氛围,鼓励员工大胆尝试和迭代。公司客户通过该平台显著提升了工作效率,建筑行业客户将路线图创建时间缩短75%。
这篇由阿里巴巴集团联合多所知名高校发表的综述论文,系统梳理了统一多模态理解与生成模型的最新发展。研究将现有模型分为扩散、自回归和混合三大类型,详细分析了不同图像编码策略的特点,整理了相关数据集和评估基准,并深入探讨了当前面临的技术挑战。