
近年来,政府一直在积极倡导从中国“制造”走向中国“智造”,也就是对工厂进行智能化改造。但是疫情给整个产业带来了巨大压力,尤其是几个月前上海突然爆发疫情,受冲击最大的就是汽车制造业。当前,汽车制造业属于自动化程度比较高的行业,在遭遇黑天鹅等突发事件时也受到了重创。因此,打造一个高效、可靠的工业物联网对于制造业而言是非常重要的发展方向之一。未来几年,“黑灯工厂”依然是业界努力实现的目标,其价值不仅是降本增效,也是核心竞争力。
三位一体,打造高效可靠的工业物联网
如何创建高效、可靠的工业物联网呢?这就需要解决感知、决策、执行三个层面的技术问题。在感知层面,需要更加可靠、更加智能的传感器,快速进行简单的数据处理;在决策层,则需要更多地利用人工智能模型来做数据分析和价值挖掘,以便做出更加精准的智能决策;在执行层,则需要推进全自动化产线、工业机器人、AGV等设备在不同场景中的智能化应用普及。
感知、决策、执行三者分工合作,构成了完整的工业物联网系统,推动着制造业的数字化、智能化转型。若想快速部署和实施工业物联网项目,企业需要可靠的合作伙伴为其提供一站式服务。作为全球领先的技术分销商和解决方案提供商,安富利在工业物联网领域深耕十余年,拥有广泛的生态系统。依托丰富的原厂资源、OEM客户群及合作伙伴,以及强大的产业链整合能力,安富利能够为客户提供端到端的一站式解决方案。从包含智能传感器在内的各种半导体器件,到能够支持客户做基于云端的数据分析和价值挖掘的定制解决方案,再到辅助决策的AI模型,以及设计链服务,涵盖的范围非常广泛。
举个例子,安富利正在帮助一个客户做方案设计,用来监测车辆轴承的振动、温度等状态。这项工作仅靠一两个传感器根本无法胜任,因为它需要采集的数据非常多、采样频率也非常快,可以达到毫秒甚至微秒级,导致生成的数据量很大。所以,安富利给客户的建议是将MCU和传感器集成在一起,做成一个智能传感器。其中集成的MCU可以提供一些算法,支持人工智能的推理。在前端边缘计算处理数据,降低通信系统的压力,同时提高闭环系统的响应时间。
全方位赋能,典型应用场景遍地开花
从行业垂直领域来讲,安富利提供的全套解决方案所面向的领域可以根据客户需求细分为不同的应用场景,包括:预测性维护,数据采集、分析和价值挖掘,以及设备和零部件的高精度定位等。针对每个场景,安富利都可以根据客户需求定制专门的解决方案,助力他们加快产品上市,缩短系统部署时间,以及进行工业物联网应用的开发。
第一:预测性维护,工业物联网的杀手级应用
预测性维护是目前非常热门的技术,已经在诸多领域得到广泛认可并开始规模化应用。从智能楼宇的供水暖空系统,到智慧工厂的供排水设施、能源管理、通风装置、供料系统,再到轨道交通领域高铁轮毂总成的振动和温度监测等,都需要利用预测性维护来确保设备的正常运转,缩短停机维护时间。
有效进行预测性维护,首先需要利用传感器技术监控和收集系统的运行数据。其次,需要利用通信技术为应用场景提供基础网络支撑。在通信环节,为了支持多点数据采集,智能网关的作用也至关重要。面对越来越高的实时性计算需求,智能网关需要在本地完成稍微复杂一点的边缘计算和数据清洗。最后,需要具有高性能、高可靠性的云平台来存储数据并对历史数据进行挖掘和分析,同时利用这些数据来做模型训练。值得一提的是,安富利在各个层面都有相对应的解决方案,助力客户实现预测性维护。
第二:数据驱动,工业物联网快速发展的基石
在未来一段时间内,数据采集、大数据分析和价值挖掘依然会是工业物联网的典型应用之一。安富利曾经为一家国际知名的硬盘制造商部署物联网项目,在这个过程中首先要做的事情就是帮助客户搭建一套数据采集系统,利用传感器去采集几千台设备的电压、电流、振动、温度、湿度等运行参数,并将收集到的数据通过以太网发送到服务器来做数据的整合与分析。虽然这在工业物联网领域是比较基础的服务,但是即使是相对高端的制造业仍然会有这方面的需求。
第三:利用高精度定位技术,加快数智化步伐
随着物联网的高速发展,定位技术在制造业中的应用也不断深入,有力推动了工厂实现数智化转型升级。尤其是近几年兴起的UWB和BLE-AoA 等高精度室内定位技术,成为了工业定位市场的主角。在该领域,安富利也有布局。目前,安富利正在与一家车企洽谈合作项目,旨在利用定位技术帮助该客户优化作业流程。在整个项目实施过程中,安富利将会根据客户需求在规模庞大的汽车制造工厂内搭建数千个锚点,用于追踪整个生产线上设备和零部件的位置。在收集到准确的位置信息之后,系统会将数据发送给中央服务器并上传到云端进行分析处理,以优化整个生产流程。这也是工业物联网的又一个重要应用场景。
展望未来,爆火的元宇宙和数字孪生概念将充分释放工业物联网的发展潜力,行业前景值得期待。从产业层面来讲,理论上可以把一个产线乃至一个工厂搬到元宇宙上面,建设工业元宇宙。而实现该愿景的基础就是创建高效、可靠的工业物联网,将所有设备联网,并将数据汇集在云端,相当于在云端形成设备或工厂的数字化映射,直至整个产业链。这样就可以让产线以十倍乃至百倍甚至更快的速度做模拟运行,然后分析哪个环节有问题,再进行迭代更新,以优化生产流程。当然要实现这个愿景还有一段路要走,但是技术发展日新月异,行而不辍,未来可期!安富利及其合作伙伴已经为此做好了准备,帮助客户抢抓机遇风口,赋能产业革新。
好文章,需要你的鼓励
英国政府斥资5亿英镑设立的主权AI基金于4月16日正式启动,首批支持六家专注于超算、生物基础模型、工程生物学及国家安全等领域的初创企业。基金将提供每家最高100万GPU小时的算力资源,并以风险投资模式进行直接股权投资,首个股权投资项目为AI基础设施初创公司Callosum。政府表示,此举旨在留住本土AI人才与技术决策权,降低对少数外国科技巨头的依赖,确保英国经济繁荣与国家安全。
浙江大学与小米公司联合提出OmniJigsaw,一种无需人工标注的AI视听理解训练方法。核心思路是将视频切成多个片段打乱顺序,让AI通过排序还原来学习跨模态推理。研究发现直接提供全部信息反而导致AI偷懒只用单一感官(双模态捷径效应),因此提出片段级模态遮蔽策略,逼迫AI在不同片段间切换使用视觉和听觉。配合严格的两阶段数据筛选和精心设计的奖惩机制,该方法在15个视频、音频、视听协同推理测试集上均取得明显提升。论文编号arXiv:2604.08209。
距今已有35年历史的英国《计算机滥用法》(CMA)严重制约了网络安全从业者的日常工作。尽管英国政府去年12月承诺推进改革,但CyberUp组织警告,每一分钟的拖延都在削弱英国的安全创新与防御能力。报告指出,澳大利亚、法国、德国、美国等多国已为网络安全专业人员提供明确法律保护,葡萄牙更通过立法为善意黑客提供了可参考的范本。CyberUp呼吁政府借助《网络安全与韧性法案》尽快实现实质性改革。
这项由阿里巴巴Accio团队与华中科技大学联合发布的研究(arXiv:2604.08545)提出了HDPO框架,用于解决多模态AI模型"盲目调用工具"的问题。研究发现现有AI在能靠自身能力答题时仍频繁触发外部搜索或代码工具,导致延迟高、推理质量下降。HDPO将准确性和工具效率解耦为两条独立优化通道,仅在答对的情况下才计算工具效率奖励,自然形成"先学会答对再学高效"的训练节奏。最终训练出的Metis模型工具调用率从98%降至2%,同时在多个基准测试上达到开源最优水平。