隨著一聲“啟動”,大會上空懸停的飛艇上的LoRa物聯(lián)網關被同時開啟,接著現(xiàn)場的物聯(lián)網設備迅速被飛艇上的信號連接。之后,一個菜鳥無人小車載著包裹,從地面去往地下20米的倉庫,信號穩(wěn)穩(wěn)地來到等候在那里的用戶面前。當他拆開包裹的一瞬間,主論壇數據大屏上立即顯示包裹被打開。
這一幕發(fā)生在9月19日的2018杭州云棲大會上,阿里巴巴以這樣的方式昭告對于物聯(lián)網戰(zhàn)略的態(tài)度:由飛在天上的飛艇、地下基站共同搭建了一個“阿里云天空物聯(lián)網”。在這背后,是持續(xù)加碼的阿里巴巴物聯(lián)網戰(zhàn)略:從集團的主賽道之一,到SupET工業(yè)互聯(lián)網平臺,再到當天發(fā)布的“達爾文計劃”。
最科幻現(xiàn)場:飛艇Hold住全場
無論從任何方向進入云棲小鎮(zhèn),首先看到的這艘印著“阿里云天空物聯(lián)網LoRa站”字眼的巨大飛艇。他游弋在大會上空,藍天安靜,飛艇自在。在當日熱鬧的大會映襯下顯得低調又神秘,眾人紛紛舉起手機拍照。
這艘飛艇有什么用?這個疑問由阿里云首席智聯(lián)網科學家丁險峰在主論壇上揭曉。他關閉了展區(qū)內所有物聯(lián)網網關,數據大屏上的幾十種數據瞬間暗了下來,隨后出現(xiàn)了本文的開頭一幕。
““阿里云天空物聯(lián)網”展現(xiàn)了從地面40000米高空到地下20米的上天入地,完整覆蓋的物聯(lián)網絡,并將在接下來的幾天里,持續(xù)為大會服務。”他表示。
飛艇演示僅僅是物聯(lián)網呈現(xiàn)給大眾的具象一面,阿里云在當天宣布啟動“達爾文計劃”,旨在通過一系列的包括平臺、芯片和微基站在內的全鏈路生態(tài)服務,交付給企業(yè)一張自有可控的物聯(lián)網。
為此,阿里云與諸多伙伴合作推進。與ASR公司合作推出業(yè)內最小尺寸LoRa芯片。同時與廣電系達成物聯(lián)網深度合作,依托頻譜資源、物聯(lián)網全鏈路資源,快速、低成本地搭建物聯(lián)網絡。
物聯(lián)網是阿里巴巴集團新的主賽道
當人與人之間相連造就了我們過去的互聯(lián)網時代,這是人類有史以來最偉大的變革。而讓尚未聯(lián)網的99%的物體也連入網絡將帶來什么?一場由物聯(lián)網(IoT)技術引發(fā)的“萬物智聯(lián)”革命正在加速到來。
2018年3月,阿里云總裁胡曉明在深圳宣布:阿里巴巴全面進軍物聯(lián)網領域,這是阿里在繼電商、金融、物流、云計算后新的主賽道。物聯(lián)網戰(zhàn)略與云計算、人工智能等業(yè)務板塊混合推進。
“云計算、人工智能、物聯(lián)網”被認為是構建萬物智聯(lián)的三駕馬車,在前兩個領域,通過極具前瞻性地投入與戰(zhàn)略性地堅持,阿里巴巴已經具備領先優(yōu)勢。物聯(lián)網技術也在2014年啟動研發(fā),潛行多年。如今也迎來了初步成果。
而在2018云棲大會上,馬云提出,新制造是“服務制造業(yè)”,是制造業(yè)和服務業(yè)的完美結合。未來成功的制造業(yè),都是用好互聯(lián)網、云計算、IoT、人工智能、大數據的新制造企業(yè)。所有這些都會象蒸汽機、石油改變手工業(yè)一樣,改變今天的生產車間。
這又與此前已經在諸多企業(yè)發(fā)揮“1%良品率提升”的ET工業(yè)大腦產生契合協(xié)同。
在淘工廠,阿里云IoT的工業(yè)互聯(lián)網平臺幫助中小型服裝工廠提高生產效能,達到精益化生產,使排產提升6%,交付周期縮短10%。
在浙江,已有200家工業(yè)企業(yè)入駐SupET工業(yè)互聯(lián)網,沉默的數據被喚醒,生產流程大幅優(yōu)化,良品率上升帶來利潤增長,杭州智造正在成為“新制造”的典型樣本。
在非洲,阿里云攜手肯尼亞政府,用IoT技術保護野生動物,24小時監(jiān)測野生動物信息,自動識別進入保護區(qū)的盜獵者。
在雄安,一座交通、能源、安防等民生基礎設施和阿里云互相聯(lián)通,實體城市和數字虛擬城市同生共長、相互映射的“未來之城”正在被建立。
阿里云物聯(lián)網戰(zhàn)略在開花更在結果。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(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,僅訓練AI玩簡單撲克游戲就能讓其數學推理能力提升8.6%,通用推理提升8.4%,且無需任何數學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉移到數學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數學優(yōu)化方法,在合成數據集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經過強化學習訓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等頂尖機構聯(lián)合提出SparseLoRA技術,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速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練效率,已在多個任務上驗證有效性。