提到德國,不得不提德國的工業(yè)化。地處歐洲中部且鄰國眾多,德國交通發(fā)達,現(xiàn)代化程度也相對較高。因此,德國的工業(yè)化程度很高,生產(chǎn)力水平也比較高,尤其是制造業(yè)。
德國在生產(chǎn)力方面次于荷蘭,位居世界第三。德國聯(lián)邦外貿(mào)與投資署高級經(jīng)理 Asha-Maria Sharma給出了一組數(shù)據(jù),德國的制造業(yè)占GDP 30%以上。其中20%的以上的就業(yè)機會來自于制造業(yè),也就是說制造型企業(yè)在德國要達到20萬家以上。
值得一提的是,德國的大部分制造業(yè)企業(yè)都屬于中小企業(yè),而不是像博世、西門子一樣的大企業(yè)。如果你了解到這個背景,那么就很容易理解為什么在德國工業(yè)4.0概念成為潮流了。
從政府的角度看,德國政府希望企業(yè)能促進經(jīng)濟發(fā)展,如德國聯(lián)邦外貿(mào)與投資署就在三個方面做出努力:一是為國外投資者提供項目或職業(yè)咨詢;二是為國內(nèi)外的企業(yè)提供市場信息來促進出口貿(mào)易;三是為國內(nèi)外多家公司提供業(yè)務(wù),從而促進德國的經(jīng)濟發(fā)展與技術(shù)進步。
由此我們可以看出,德國的制造業(yè)GDP占比高,中小企業(yè)數(shù)量大,并且作為機械設(shè)備的主要出口國,德國的工業(yè)4.0時代與其工業(yè)化土壤息息相關(guān)。
通過德國IT行業(yè)協(xié)會的研究數(shù)據(jù)顯示,德國在六大領(lǐng)域中有1.7%的收入增長。并且,Sharma預(yù)計未來五年,德國的工業(yè)化市場將會以五倍以上的程度增長。由此我們可以看到,未來德國的工業(yè)化在盈利上還有上升空間。
在數(shù)字化制造上,宏觀角度看,德國2015年在工業(yè)4.0時代投資ICT的解決方案超過一半,Sharma介紹目前IT行業(yè)已經(jīng)提供了一些解決方案,關(guān)鍵是它們沒有互相連接起來,而這些解決方案做到互聯(lián)互通才是主要問題。她舉了一個物流領(lǐng)域的例子。
德國最大的港口漢堡和軟件開發(fā)商SAT進行合作,通過因特網(wǎng),將卡車司機以及道路信息等連接起來,從而使得物流更高效。
德國的工業(yè)4.0中技術(shù)是重要的領(lǐng)域。智能工廠是德國工業(yè)4.0時代的先鋒。在德國的智能工廠中,企業(yè)希望一個部件的生產(chǎn)的成本能與多部件生產(chǎn)成本一樣。”而CPS、傳感器以及機器通信等都是智能工廠中的關(guān)鍵部分。
從技術(shù)角度看,云計算是重要領(lǐng)域。因為企業(yè)都需要強大的網(wǎng)絡(luò),收集大量數(shù)據(jù)并進行處理。而在云計算領(lǐng)域,數(shù)據(jù)保護就是德國企業(yè)目前努力的方向。
如德國的電力工程公司萊茵豪森,就是通過云計算解決方案來讓不用地區(qū)的團隊進行協(xié)同合作。電機公司wittenstein就通過研發(fā)并與工人進行密切合作。這種“新型的制造方式為一線工人所接受。”
Miele是一家位于德國北部的家電等設(shè)備提供公司,該公司匯集了180多個合作伙伴進行集群工作,目前的情況是該公司匯集了從大公司到學(xué)校等在內(nèi)的多個項目,共同推進工業(yè)4.0的新發(fā)展。
在德國的工業(yè)化尤其是小型企業(yè),電子服務(wù)在進行流程的數(shù)字化,Sharma介紹企業(yè)職員可利用平板電腦等電子設(shè)備來更好的為用戶服務(wù)。并且在銷售和服務(wù)、維護、遠程服務(wù)以及預(yù)測性的服務(wù)等方面均進行了積極嘗試。
Sharma建議,德國政府非常支持德國公司,而國家也通過高科技戰(zhàn)略和智能服務(wù)戰(zhàn)略的等方式,將德國的工業(yè)4.0資源進一步整合,從而推動德國工業(yè)4.0的發(fā)展。而在日常領(lǐng)域,德國的政府也非常支持德國的數(shù)字基礎(chǔ)設(shè)施建設(shè),在工業(yè)化方面,各國的法律,經(jīng)濟等不同,可以在網(wǎng)絡(luò)安全等領(lǐng)域進行通過雙邊溝通。
目前,梅賽德斯所處的州已經(jīng)建立了阿聯(lián)工業(yè)4.0,在巴德福特寶州,建立了網(wǎng)絡(luò)工業(yè)4.0,在巴伐利亞州建立了拜仁數(shù)據(jù)中心。
此外,Sharma還表示,平臺工業(yè)4.0也很關(guān)鍵,投資署就通過為經(jīng)濟部和能源部的相關(guān)人員提供平臺等方式,使得中間的利益相關(guān)者都能參與到工業(yè)4.0的討論中。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。