数字经济时代,数字化转型是支撑航天强国建设的重要手段,也是建设世界一流航天企业的必然途径,而标准化是数字化转型的重要举措,促进数字化与标准化深度融合,进而推动企业实现高质量发展正在成为以航天为代表的高端装备制造业转型发展的必然趋势和关注焦点。
2021年7月20日至22日,以“数据驱动航天技术新发展,标准筑基航天产业新生态”为主题的第三届“航天数字化设计与制造标准化论坛”将在贵阳市隆重启幕。本届论坛由中国航天标准化与产品保证研究院联合中国航天科技集团有限公司装配工艺技术中心、华为技术有限公司等单位共同举办,论坛设置采用“1+3”模式,即1大主论坛+3大专题分论坛,议题涵盖航天数字化发展及创新应用的众多热点话题,可谓亮点纷呈:
行业大咖齐聚共探航天新发展
本届论坛将邀请国家标准化管理委员会、国防科工局等国家部委,中科院、华中科技大学等高校和科研机构,航天产品研发制造企业、使能技术研发等相关企业专家学者,围绕国家智能制造标准化发展、航天智能制造标准体系建设、军工企业数字化转型、先进数字化技术创新及应用等热点话题,通过主旨报告、主题演讲、交流研讨等形式,携手与会嘉宾,共话智能制造标准化发展,共探航天数字化转型之路,共商助推航天强国之策。
《航天智能制造标准体系白皮书》将在主论坛正式发布
作为国之重器,航天制造发展水平是国家科技、经济、国防实力和工业化水平的重要标志。随着我国“制造强国”战略推动实施以来,以航天为代表的高端装备制造业紧抓战略发展机遇,聚焦顶层规划,将智能制造标准体系建设摆在促进产业发展和夯实质量技术基础的核心要素位置,践行“标准先行”的发展理念,为航天制造之路指明方向。本届论坛将正式发布《航天智能制造标准体系白皮书》,本书针对我国航天智能制造标准化体系进行了分析,梳理体系中已发布、制定中、待制定标准,重点识别亟需制定的基础和关键技术等,为航天产业高质量发展提供参考。
3大热点专题分论坛同期举办
分论坛1:航天数字化技术及应用
近年来,数字化制造技术的应用范围不断扩大,并已逐渐成为提高企业竞争力的重要手段和制造业信息化中的核心技术。在航天制造领域,数字化技术的应用涉及航天产品研制和生产过程的各个环节,同时在助推航天企业高质量发展、促进产业发展方面的效应不断释放。分论坛将围绕航天试验数据应用、5G等高新技术与航天制造产业的融合应用、智能制造生产线集成技术研究等话题展开交流讨论。
分论坛2:航天标准数字化和数字标准化
新时代背景下,实现航天制造业转型升级和跨越式发展要以“标准先行”为发展理念,以标准确保质量,将标准作为精细化质量管理的抓手,推进标准对科研生产全过程和供应链的全覆盖,带动产业乃至“中国制造”高质量发展。分论坛将针对《国家智能制造标准体系建设指南(2020版》进行详细解读,并围绕数字化形式标准应用模式探索、航天制造工艺智能标准化设计技术研究、财务主数据标准化建设等话题进行深入研讨。
分论坛3:航天先进装配技术创新及应用
对航天装配过程而言,由于其高复杂性和高精度的特点及其高质量和低周期的研制目标,先进装配技术的创新及应用对于打造高度智能化、柔性化的航天智能装配车间、建立航天智能制造工厂,全面提升航天制造业的整体水平具有重要意义。分论坛将围绕航天先进装配技术的发展及应用展开深入交流,为业界伙伴搭建合作对接平台。
本届论坛是践行“制造强国”国家战略、顺应航天制造数字化转型趋势的重要举措,将在提升新时期航天制造能力和水平,助推企业高质量发展,支撑航天强国建设方面发挥积极助力作用。
7月20日,佳期在即,第三届“航天数字化设计与制造标准化论坛”邀您共聚爽朗之城—贵阳!
更多论坛详情敬请垂询组委会。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。