先进工业网络夯实联接基座,加速工业互联网创新发展
——华为承办“网络强基 智造未来”先进工业网络论坛
【中国,广州,2021年9月16日】今日,在广州召开的中国工业互联网大会暨粤港澳大湾区数字经济大会期间,华为承办的 “网络强基 智造未来”先进工业网络分论坛(以下简称论坛)成功举办。该论坛由广东省经信厅和工业互联网产业联盟指导,广东省工业互联网产业联盟主办,华为承办,来自全国的产业专家、媒体和本地的企业客户等120多位嘉宾出席。广东省工信厅二级巡视员詹若兰出席该论坛并为论坛致辞。华为还和业界思想领袖、技术大咖、先锋企业一起探讨了工业互联网发展趋势和方向,分享了在数字化转型、工业互联网及智能制造工厂等方面的实践成果和经验,旨在构筑开放共赢的健康生态、加速工业互联网创新发展。
广东省工信厅二级巡视员詹若兰在论坛上致辞中表示,“工业是广东发展的重中之重。在数字经济时代,用5G、工业互联网、人工智能等新技术,加速工业等实体经济的转型升级和融通发展,需要凝聚产业上下游形成合力”。
华为数据通信产品线副总裁王晨曦在致辞中指出,“目前工业企业仍面临着网联化程度低、数据大量沉淀的问题。构筑一张先进的工业网络,将提升设备网联化能力和水平,让数据无缝流通,加速工业企业数字化、智能化转型升级。华为愿意利用自身的技术优势,秉持开放合作的精神,和产业伙伴通力合作,共同打造更多的工业互联网创新示范新标杆”。
中国信通院广州分院副院长、广东省工业互联网产业联盟理事长兼秘书长王洪岭先生在论坛发表了主题演讲,他认为,“中国工业互联网网络发展进入攻坚期, IP化、扁平化、无线化、柔性化的企业内网是现阶段的建设难点和重点。我们要综合运用多种技术融合协同发展,实现哑设备网络互联,让哑设备’活起来’。”。
在论坛上,华为与中国信通院联合业界伙伴共同发布了《工业设备网联化技术与实践白皮书》,华为数据通信产品线与广汽本田汽车有限公司总经理室IT科签署了工业互联网创新合作协议。
论坛特邀嘉宾华为公司高级副总裁、数字转型首席战略官车海平先生发表了“共建制造业新型基础设施,共创转型新价值”的主题演讲,结合华为自身实践提出,行业知识的数字化,需要共建制造业新型基础设施,推动工业装备智能化,工业网络IP化,工业软件云化,工业数据价值化,才能实现工业互联网价值升级。
鹏城实验室副研究员杨沙洲先生,在“嵌入式虚拟化在工业云智控系统中的应用”主题演讲中,给业界分享了开放智能工控系统、嵌入式虚拟化、确定性网络等先进技术的研究和应用进展,他认为计算、通信、控制在工业控制现场的融合与隔离,对实时虚拟化和确定性IP网络提出的要求,需要产业携手共同突破。
华为数据通信产品线CTO唐新兵发表了“打造先进工业网络,加速数字化转型”的主题演讲,他强调,“采用开放的IP网络协议,打造先进工业网络,打通数据孤岛,加速数据流动,助力制造业数字化转型发展”。
华为制造资深专家钟曜营博士、美的集团工业互联网首席架构师王军博士分别分享了华为和美的在智能制造和数字化工厂、工业互联网等方面的实践。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。