GE激活超过2,250亿美元的工业应用市场
工业4.0通过物联网将高度信息化管理、高度数字化设备,以及人工智能相连接,实现虚拟-现实融合,提高实时人机协同效率。与此同时,工业4.0将加快制造业向服务型转型。 面对工业4.0给传统制造业带来的机会和挑战,GE把“卓越工厂”和“数字化服务”作为其数字化转型的战略目标,提高自身数字化设计生产效率的同时,为全球用户提供能够实现数字化转型的物联网PaaS平台。
GE Predix,数字化转型的核心支撑平台
GE Predix工业大数据分析和物联网PaaS操作平台,它不仅能实时监控包括飞机引擎、 涡轮、核磁共振仪在内的各类机器设备,同步捕捉它们在运行过程中高速产生的海量数据, 还能对这些数据进行分析和管理,做到对机器的实时监测、调整和优化,从而提升运营效率。除此之外,Predix还提供安全的数据存储环境,确保在各种云环境中都能与各种应用实现无缝操作。通过Predix,一方面GE提高产品科技水平,实现了销售产品向销售服务的转型,另一方面GE实现了整个传统业务范围的外延,由发动机等传统工业领域延伸至智慧城市、大数据等数字工业领域。
GE Predix作为物联网PaaS平台,凝聚了各行各业产业上下游优质应用开发团队和资源, 助力用户将大数据、物联网和人工智能转化为智能制造能力,实现数据创新。基于GE Predix平台的GE“卓越工厂”,通过“数字双胞胎”,实现“虚拟-现实”设计生产融合。 同时,通过数字化机器设备与软件数据合二为一,智慧机器、智能工厂,不再是可望不可及的梦想。随着大量全新应用程序问世,将激活超过2,250亿美元的全球最大的工业应用市场。
Predix支撑GE三大数字化驱动业务板块
Predix-基于Pivotal Cloud Foundry的工业4.0平台
基于戴尔科技Pivotal Cloud Foundry 的Predix是GE数字化转型的核心,支撑三大数字化驱动业务板块:
卓越制造:通过全业务流程数字化,数字双胞胎,提高GE设计生产效率,实现制造业服务转型。
服务转型创新:通过应用开发,提高用户收益,优化GE机械数字化水平,实现服务转型。
数字化平台服务:Predix作为全球智能化转型的物联网PaaS平台,为各行业用户提高功能数字化和智能化使能服务。
预计到2020年,物联网链接终端量超过300亿台;到2025年,将超过750亿台。物联网不只用于制造行业,也被广泛用于智慧城市、智慧医疗等领域。基于戴尔科技Pivotal Cloud Foundry的GE Predix物联网PaaS平台在快速用于制造业以外行业。基于Pivotal Cloud Foundry的Predix物联网操作平台,通过传感数据和大数据分析,提供实时分析和决策。Pivotal Cloud Foundry对于云原生态应用的开发部署能力,改变了传统业务模式。此外,Pivotal 跨边缘和数据中心快速数据采集、管理和分析,为实时人机协同和智慧生产提供可靠支撑。
戴尔科技助力150亿美元的卓越工厂数字化业务
·制造业向服务转型
GE Predix平台是基于戴尔科技的Pivotal Cloud Foundry。一方面,通过运用物联网和人工智能帮助GE通过全业务流程数字化提高效率,实现从销售产品到销售服务的转身, 同时也实现由提供传统服务到多元化服务的转变;另一方面,有助于GE产业上下游优质资源凝聚力,持续提高科技含量和竞争力。预计到2020年,GE基于卓越工厂的数字化业务营业额将达到150亿美金。
·优化制造产业链价值
基于戴尔科技Pivotal Cloud Foundry的GE Predix平台,可以使开发商快速地将物联网资源迅速转化成新的生产要素,加速制造业智能升级,优化产业结构。目前,在GE Predix平台上已开发250多个制造应用,提升GE在工业4.0的战略地位。
·跨界新业务增长空间
基于戴尔科技Pivotal Cloud Foundry的GE Predix平台,帮助GE工厂与车间向数字化工业领导者转型,开拓新的业务增长空间,由发动机等传统工业领域转型至智慧城市、大数据等数字工业领域。Pivotal Cloud Foundry开放开源平台,以及Cloud Foundry开源社群将助力GE Predix在更多领域得以应用。
·高端科技和服务水平
基于戴尔科技Pivotal Cloud Foundry的GE Predix 平台,让GE充分运用人工智能、大数据、物联网、云计算等新科技,以提高其自身的科技含量和服务水平。基于Predix, GE实现飞机发动机生产过程调优和飞行过程中“自愈”,通过数据双胞胎,实现设计、 生产、运维全业务流程数字化和智能化运营效率的大幅提升。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。