11月7日,2022全球工业互联网大会在沈阳新世界展览中心盛大开幕,本届大会以“赋能高质量 · 打造新动能”为主题,更加突出成果展示、国际特色、场景优势、合作交流,为建设制造强国和网络强国提供有力支持。紫光云公司携手紫光股份旗下新华三集团亮相本次展会,通过工业互联网平台、智能联接、智慧应用、产业升级以及在辽沈地区的实践案例,共同展示了紫光工业互联网赋能数字经济的全栈能力,深化合作交流,向业界全方位呈现了紫光云在工业互联网领域的领先方案与阶段性成果。
走深向实,以平台为基夯实场景应用“价值面”
紫光工业互联网是本次参展的核心亮点,紫光云UNIPower工业互联网平台定位于“技术+知识”的基础共性平台,拥有强大的物联网能力、大数据分析、工业机理与算法模型及AI构建能力、低代码工业应用使能服务、丰富的市场应用和知识库,可为全国工业企业提供全方位的工业云服务、数字化工厂解决方案和工业互联网安全保障。
智能联接是紫光云UNIPower工业互联网平台得以开辟无限场景机遇的保障。依托新华三在5G、智能网关及确定性网络、边缘计算等领域领先的智能连接技术,紫光云工业互联网解决方案得以在百行百业实现高效赋能。以紫光股份智能工厂为例,基于智慧应用赋能,目前工厂产线自动化率达88%、单站直通率99.5%以上,在国内智能制造领域树立了新标杆。
赋能百业,打好工业互联网生态创新“组合拳”
紫光工业互联网秉持“平台+服务+生态”的发展理念,全面开放技术能力和运营能力,联合制造业多个领域、各个细分场景下的合作伙伴共同协作,为城市经济持续发展提供创新动能。
在政企服务领域,紫光云融合产业数据,打造“产业云图”,为区域“强链”、“补链”、“延链”提供有力数据支撑。在建立大数据辅助科学决策和企业管理机制的情况下,“产业云图”将加速推动区域产业经济管理和服务模式创新,实现政府决策科学化、企业服务高效化,助力政府实现产业精细化管理,有效促进产城融合发展。
通过为工业企业打造“企业云图”,紫光云深度融合业务与数据,实现平台化设计、个性化定制、网络化协同、智能化制造、服务化延伸、数字化管理等应用模式。在智能工厂、智慧企业园区、创新数字化应用等领域,积累下成熟的经验。
协同发力,收获辽沈工业数字化阶段性“实践果”
基于对产业的深度理解和数字化能力,紫光云积极参与辽沈地区产业发展和数字化升级,赋能百行百业转型发展,为政府及企业客户提供全栈、全域、全场景的云计算解决方案。近5年来,基于辽沈地区企业发展现状,通过紫光云工业互联网平台,已服务超过200家辽沈各类工业企业,平台产品服务増至百余种,服务内容涵盖6大领域100多个解决方案。
2020年至2021年期间,由紫光集团落地沈阳的东北区域总部公司——紫光中德投资建设的“工业互联网平台应用创新推广中心”(以下简称“中心”),已汇聚了全国50家服务商,形成了100个以上解决方案。通过深度参与和深入服务,紫光中德推动工业互联网平台技术在辽宁的攻关和应用推广普及,以数字引擎为辽宁“老原新”赋能。目前,本项目于2022年顺利通过工信部验收,并已升级为国家级“数字化转型促进中心”。
未来,紫光云将继续在“云智原生”战略的指引下,依托紫光云“云数智”三维全栈云能力,持续升级智能数字平台,以技术创新迎接变化,以模式重构引领成长,为辽沈地区及全国工业互联网的高质量发展,贡献数字力量。
好文章,需要你的鼓励
博通宣布对VMware Cloud Foundation平台进行重大升级,将私有AI服务集成到核心订阅中,并为vSAN存储虚拟化软件添加云原生对象存储支持。此举旨在满足企业对简化基础设施、高效AI采用和网络安全的需求。升级包括与英伟达合作的VMware Private AI Foundation服务、支持AMD GPU、Amazon S3兼容对象存储、与Canonical合作的Ubuntu容器镜像,以及新的四阶段自动化安全流程。博通还推出了面向高监管行业的VCF网络合规高级服务。
清华大学等多家机构研究团队完成了语音分离技术的全面调研,系统梳理了从传统方法到深度学习的技术演进。研究揭示了"鸡尾酒会问题"的核心挑战,分析了各种学习范式和网络架构的优劣,并通过统一实验框架提供了公平的性能基准。调研涵盖了实时处理、轻量化设计、多模态融合等关键技术方向,为学术界和产业界的技术选型提供了重要参考,推动语音分离从实验室走向实际应用。
Google正式发布Gemini 2.5 Flash Image模型,该模型此前在测试版中被称为nanobanana。新模型为企业创意项目提供更多选择,能够快速修改图像外观并提供比以往模型更强的控制能力。该模型在保持人物相似度和编辑一致性方面表现出色,支持多轮编辑、照片融合等功能,并已集成到Gemini应用中供付费和免费用户使用。
浙江大学和腾讯微信视觉团队发现AI图片生成训练中"时机胜过强度"的重要规律,开发出TempFlow-GRPO新方法。通过轨迹分支技术精确评估中间步骤,结合噪声感知权重调整优化不同阶段的学习强度,将训练效率提升三倍,在复杂场景理解方面准确率从63%提升至97%,为AI训练方法论带来重要突破。