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
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。