2月24日,在以“和合共生”为主题的2021年世界移动通信大会(MWC)上,紫光股份旗下新华三集团副总裁、解决方案部总裁李立应邀出席“物联网峰会”现场,与现场嘉宾分享了工业4.0时代制造业数字化转型的前瞻趋势,展示了新华三立足5G融合创新,推动工业互联网迭代发展的洞察和经验,全面解读了5G在智能制造转型升级中的作用和价值。

与时代共振推动
5G与工业互联网深化融合
近日,工业和信息化部印发了《工业互联网创新发展行动计划(2021-2023年)》,确立了未来三年我国工业互联网发展目标,工业互联网即将走向新型基础设施建设“量质并进”,新模式、新业态大范围推广,产业综合实力显著提升的新阶段。李立表示,恰如其时的5G网络是当下通信产业发展的重要方向,工业互联网则是新一代工业革命的技术支撑,二者均为实现经济社会数字化转型的重要驱动力量。随着5G网络的广泛部署和应用,5G与工业互联网的协同将在智能供应、远程协作、智能巡检、远程运维、辅助装配、精准操控、视觉检测等八大场景中进一步加速实践推进,为智能制造的转型升级夯实基础。

新华三集团副总裁、解决方案部总裁李立主题演讲
然而,随着5G在智能制造业务链上的广泛应用,飞速发展中的工业互联网也面临着新出现的难点和挑战,为此,新华三集团一直致力于在各个层面探索工业互联网与5G融合的新技术、新场景、新模式,引领从工厂到云端的全方位创新。在制造端,新华三进一步丰富了5G工业网关和5G CPE,实现了业务流程处理与5G协议在设备形态的融合归一,并且打造了5G与时间敏感型网络TSN无缝融合的一体化现场网络。
同时,新华三在厂区网络中聚焦5G与既有网络的融合,以不同网络技术支持不同类型工作负载,实现网络联接的统一部署、管理和运维。在边缘云中,以MEP多接入边缘平台为基础,形成统一的数字平台、工业平台和业务系统。在云数据中心,通过5G广域承载网、切片构建了跨区域的确定性网络,从而满足工业互联网对于网络差异性服务保障、确定性带宽和时延等特性的高标准需求,真正让5G与工业的融合从理念走向落地实践。
全栈创新实力
引领5G走向工业场景实践
具备低时延、大带宽、稳定性、移动性、超级上行、灵活时隙分配等特质的5G网络,通过与AR、视频处理、AGV、MEC、AI等新兴技术和理念的搭配融合,已经形成了“5G+AGV智能物流运输”、“5G+机器视觉”、“5G+AR”等不同类型的场景化创新应用。目前,5G在智能制造的创新中主要聚焦于稳定性、移动性要求较高的业务,以及视觉类的特定业务,此类业务将充分发挥5G低时延、大带宽的能力。面向未来,在2B超级上行应用需求日益增强、超清视频/图像传输机制持续完善、厂区MEC降低时延和带宽压力需求持续提升、5G与Wi-Fi进行融合等多样化需求的驱使下,5G网络将在更多层面探索行业场景落地的可能性,进一步赋能工业互联网的革新和发展。

新华三集团副总裁、解决方案部总裁李立主题演讲
作为“5G+工业互联网”融合创新的探索者和引领者,新华三集团近年来进行了诸多先导性的尝试和实践,打造工业数字大脑,服务工业企业用户,为制造业的数字化转型提供了全面的数字化解决方案。立足过往的创新积累和探索历程,新华三也在推进“5G+工业互联网”的进程中有了更多的思考。李立在现场指出,要在5G时代实现工业互联网的进一步创新,智能制造的先行者们需要让新一代的5G实现与业务数据及原有网络架构的深度融合,让5G更好地拥抱业务,适应业务的需求,同时也要探索“5G+工业互联网”场景化和商业化的新潜力,并为后续的产业发展做好人才储备工作。
全面走向百行百业的5G网络,将成为驱动企业数字化转型的“超级神经”,在未来数字经济的发展中发挥着无可替代的作用。作为数字化解决方案领导者,新华三集团将与运营商、行业生态合作伙伴等产业界的同行者们一道共同发挥“工业数字大脑”的合作示范效应,推动工业互联网产业的发展,打造更多“5G+工业互联网”应用场景与解决方案,为制造业数字化转型贡献自己的力量。
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。