在工业领域中,IT(Information Technology)信息技术与OT(Operation Technology )操作技术之间天然存在着种种差异,两者都有各自的目标,沿着不同的路径发展,并各有各的生态体系。因此,长期以来IT与OT之间都是相互隔离的状态。但在今天工业信息化与数字化的发展趋势下,IT与OT之间的这种鸿沟显然愈发阻碍了制造业向未来挺进的步伐。
随着工业信息化建设的不断深入,在制造业中以往不同协议、不同厂家等异构产品的整合及管理问题更加凸显,这也一直困扰工业和制造业的管理者。而在IT领域中,统一管理的概念及产品早已成熟,如果将IT管理理念引入OT管理当中将大大提升其生产效率。
因此,近年来OT开始逐渐拥抱IT,IT也开始更多的融入到各种工业环境当中,而如何将IT与OT进行更加有效的融合,已经成为工业数字化转型的基础和关键所在。
众所周知,随着工业互联网、智能制造和大数据的出现及运用,IT与OT之间的融合也愈发紧密,但假如在合适的时机缺乏合适的信息,也会导致决策错误和产生不可靠的行动。换句话说,面对工业生产环境,对于IT与OT来说都将面临更加苛刻的要求,因此两者融合也将是一个分阶段的实施过程。
而随着工业4.0的来临,越来越多的企业开始将IT技术引入到OT技术之中。以纺织制造企业为例,瑞士欧瑞康纺织集团(原苏拉集团)就是一家全球科技集团,也是纺织机械全面解决方案的世界领导者,其设备与服务涵盖了整个纱线生产(天然纤维和人造纤维)以及非制造产品生产领域。
欧瑞康信息部IT经理韩志军就曾表示,“工业IT方案永远都是朝着更加安全可靠、更高价值,同时兼顾灵活可变而努力。”这看起来与传统IT场景的需求有一定差别。
另外,在上云方面,欧瑞康也有自己的打算,将建立起公有云+私有云的混合云方式,以及ERP等企业应用平台的融合,这些都将依赖IT与OT的有效融合,才能实现对企业总体数据的协作与共享,并从生产数据中挖掘出更大的价值。
同时,基于内外网络的商业数据保护,也是工业制造的一个重要基石,这也是工业IT与传统IT的一个很大不同。在工业IT中,不仅要保障网络的可靠连接,更要对网络进行合理划分,保证其安全性,其次才是网络的灵活性需求,这也是IT在工业制造领域中的主要需求与方向。
而随着OT与IT的融合度越来越高,工业数据的价值将得到进一步的释放,未来制造类企业的内部平台将逐渐整合,外部数据会不断向云端迁移,而内外部数据的统一管理与协作能力,将成为未来工业数字化转型的重要技术指标。
可以想见,随着工业化的不断推进,越来越多的人工操作将被软件或机器所替代,工业自动化程度也将得到大幅提升,而这都是在IT与OT的不断深化融合中得以实现的。
好文章,需要你的鼓励
Atlassian、Intuit和AWS三大企业巨头正在为智能代理时代做准备,重新思考软件构建方式。当前企业API为人类使用而设计,未来API将成为多模型原生接口。Intuit在QuickBooks中应用自动发票生成,使企业平均提前5天收款;AWS通过AI辅助迁移服务显著提升效率;Atlassian推出内部员工入职代理和客户代理,节省大量时间成本。专家强调需要建立强大的数据架构和信任机制。
这项研究首次系统评估了AI代码智能体在科学研究扩展方面的能力。研究团队设计了包含12个真实研究任务的REXBENCH基准,测试了九个先进AI智能体的表现。结果显示,即使最优秀的智能体成功率也仅为25%,远低于实用化要求,揭示了当前AI在处理复杂科学推理任务时的显著局限性。
MIT研究发现,使用生成式AI完成任务时,大脑运作方式与单纯依靠自身思考存在显著差异。研究显示,使用ChatGPT等工具的用户记忆力更差,神经连接活动减少,对所写内容的回忆能力明显下降。虽然AI工具能提高效率,但可能导致用户缺乏对知识的深度理解和掌控感。研究强调需要更多科学数据来了解AI使用对人类认知的长期影响。
俄罗斯莫斯科国立大学研究团队开发出MEMFOF光流估计新方法,在保持顶尖精度的同时将1080p视频分析的GPU内存消耗从8GB降至2GB,实现约4倍内存节省。该方法通过三帧策略、相关性体积优化和高分辨率训练在多个国际基准测试中取得第一名成绩,为高清视频分析技术的普及奠定基础。