2020年是不平凡的一年。在“新常态”下,挑战层出不穷,机遇无处不在。在近日举行的主题为“共塑·未来”的2020西门子中国数字化创新峰会上,西门子诠释了对于后疫情时代创新模式的洞察和主张,通过携手各方伙伴构建创新生态圈,实现以贯穿评估、咨询、集成实施与优化服务的端到端数字化解决方案和人工智能、边缘计算、5G和工业云等前沿科技在工业制造、城市及基础设施、交通和物联网等领域的落地生根。西门子也全面展示了在这些领域的核心创新能力和最佳实践。
此外,西门子在峰会上正式发布了Siemens Advanta(原西门子物联网服务事业部)的中文名称——“西门子艾闻达”。西门子艾闻达积极拓展全新物联网咨询业务,提供了一个覆盖全面价值链的物联网咨询平台,进一步加强了西门子作为企业数字化转型理想创新合作伙伴的独特地位。
西门子股份公司副首席执行官博乐仁(Roland Busch)在会上表示,疫情加速了数字化进程,人们在办公和协作中对于IT技术的使用增加了70%,甚至可能更多。疫情也促进了创新加速。许多客户表示需要通过数字化技术来更好地实现远程协作,让供应链更加稳定,也更具韧性。因此,市场对应用新技术的需求呈阶梯式持续增长。目前,西门子已经决定,疫情之后,公司将继续实行灵活工作模式,员工可以选择每周两到三天进行灵活工作,与在办公室工作的机制相互补充。
同时,西门子与Salesforce公司达成合作,Salesforce的解决方案与西门子包括Comfy和Enlighted在内的解决方案将形成一个完美的组合,帮助人们在疫情防控的前提下安全回归办公场所,顺利地找到适宜的工位,保持社交距离,并获得建筑内环境情况的及时更新。
在博乐仁看来,当前产业界面临的课题是应用数字化技术重塑产业。西门子通过数字化技术连接现实世界与数字化世界,进而与客户及合作伙伴共创价值。这就是共创的关键所在。“当我们进行价值共创时,我们不仅需要更深入地理解客户面临的挑战,也要能够带来附加价值,以帮助客户更好地应对挑战。我们还要就新技术对客户人员进行培训,赋能客户释放新技术的潜能。”
峰会期间,西门子还发布了《数字化时代工程教育白皮书》,通过梳理自动化技术不断发展和变革的足迹,结合西门子对制造业的深刻理解和在数字化领域的实践耕耘,提出了新的制造业人才能力框架,以适应面向未来的IT与OT相融合的需求。
西门子服务于工业、基础设施和交通等领域,在工业和基础设施领域,西门子能够实现贯穿完整价值链的数据闭环。企业可以从这个数据闭环的任何环节入手,无论是设计、服务或运维,并将从运维阶段获得的洞察反馈给设计和规划环节,并持续反复进行这样的闭环。由此,企业可以将生产力真正提升至前所未有的高度。
芬兰电网公司(FINGRID)计划投入10亿美元用于电网的发展。西门子帮助其更好地进行投资,相关工作量缩减至原本的1/4,并且电网的可靠性提高至99.996%。这10亿美元的投资也因此产生了更大的效益。
芬兰赛罗商业中心(SELLO)应用西门子的技术实现节能减排。在其运营过程中,西门子反复通过数据闭环进行优化,从而帮助其实现每年节省能耗成本30万欧元,减少碳排放超过280吨。这就是数字化世界与现实世界互联互通所能产生的强大力量。
西门子是工业、基础设施、能源和医疗等领域的创新领军企业。在疫情时刻,西门子依然心系社会、坚守承诺,并尽己所能地发展创新技术,承担社会责任,为这场共同的战役贡献力量。西门子的创新解决方案连接楼宇、能源系统、工业设施和交通网络,让城市基础设施变得更加高效,拥有更强的适应力,也更具人文关怀。
西门子大中华区总裁兼首席执行官赫尔曼(Lothar Herrmann)在会上表示,在前行的道路上,我们需要的是真正能为人类创造价值的创新——更加经济实用,更加以人为本,更有助于社会可持续发展,并且能惠及更多百姓的创新。要实现这样的创新,最好的路径就是重塑和共创。“重塑和共创”意味着以速度和规模推动技术变革和商业模式创新;意味着实现商业、技术、数据和人的互联互通,构建创新生态圈,切实创造价值;这不只是被动应对或疫后恢复,而是要谋求新生,构想全新格局。
我们希望实现的不只是“新常态”,而是一个“更好的常态”,即通过韧性发展迈向更美好的未来:让工业更为强大,城市更具智慧,空气更加清新,人们的生活更加安全和幸福。西门子正将这一愿景变为现实,并构建了全面的“数字化双胞胎”,形成连接虚拟数字化世界与现实世界的闭环交互。在此基础之上,西门子应用人工智能、工业云、边缘计算和工业5G等前沿技术释放数据价值,实现规模化效应。
赫尔曼表示,创新是西门子的基因,也是其价值所在。过去近150年来,西门子正是通过不断的突破创新来助力中国社会进步。“我们为中国打造了第一台X光机、第一条有轨电车线路,以及第一座水电站——这些不论是对于西门子,还是对于整个中国来说,都是意义非凡的里程碑。”
在中国,西门子积极将创新科技融入产业实践,以速度和规模为各行各业的客户创造可持续的价值。例如北汽新能源青岛产业基地从产品设计到实际生产,它全线采用了西门子的数字化解决方案。由此,工厂可以将产品上市时间缩短40%,维护成本降低30%。
西门子在人工智能的研究和部署方面已经拥有30多年的经验,其基于机器学习和知识图谱的预测性维护系统SiePA已成功应用于包括中国石化青岛炼油化工有限责任公司在内的多个客户工厂,为客户建立起了从智能预警到高级诊断的闭环机制,以保证生产的可靠性和安全性。
此外,西门子携手国家电网打造“智慧能源第一村”,为上海连民村绿色能源应用示范项目提供了从规划咨询到核心能源管理平台部署的一体化解决方案。不仅如此,西门子艾闻达近日宣布携手十余家企业共同启动“工业互联网生态合作计划”,将与不同行业数字化转型先行者携手共创的成功经验推广至更多企业。
疫情不仅仅是危机,而更像是一个挑战。为了应对挑战,我国出台了很多鼓励性的措施,如“新基建”等,加速发展数字化创新,预计未来人工智能、边缘计算、5G等前沿技术将会有更多的应用落地。在赫尔曼看来,在现阶段,更多的企业在关注数字化转型,而这正是西门子的机会。
现在企业数字化转型,做出正确的选择就是一个比较大的挑战。在此之前,企业要确保员工得到很好的培训,能够熟悉、了解并且擅长运用数字化的工具,并了解数字化转型的意义。
“仅仅对生产线和生产流程进行数字化是远远不够的,我们需要让数字化的信息和理念贯穿于整个企业。我们需要外部和内部的协同,所有的员工都要思考如何实现数字化。”赫尔曼说。
数字化转型不仅仅是提供一个能够把不同环节连接起来的平台,还需要借助行业知识、人工智能这样的前沿技术驱动整个价值链的持续优化。例如在中国,西门子利用数字化双胞胎技术,帮助华润水泥实现了工厂运维数字化,生产管理标准化、流程化和移动化,以及现场数据透明化。
西门子为广州明珞汽车装备有限公司提供了全基础自动化解决方案以及虚拟PLC等产品,帮助他们把产品工程设计时间缩短了三分之一,真正创造了经济价值。这就是数字化转型能够带来的价值。
对于当下比较热门的人工智能技术,赫尔曼认为在工业领域运用人工智能并不容易,这不是一蹴而就的事情,而是一个长期的积累不断发展的过程。人工智能的基础是人的智慧,是基于人的经验、知识来实现,而不是完全由机器完成。人工智能将会在各行各业中产生很大的影响,大幅实现效益的提升。
截至2019财年,西门子在中国拥有21个研发中心,超过5000名研发和工程人员,以及约13200项有效专利及专利申请。近十年来,西门子在中国已经与超过90所高校和科研机构就超过770个研发项目开展合作,通过创新协作方式,帮助数百家工业企业实施数字化企业解决方案,更好地服务客户,引领数字化转型趋势。
西门子和客户结成紧密的伙伴关系,共同塑造未来。因为,客户最了解他们自己的需求,西门子作为服务和技术的专家,通过更好地理解他们的需求,提出对应地解决方案,才能最有效地解决客户痛点。
目前,西门子与伙伴、客户共建的创新生态圈是一个真正开放、包容的生态圈,共享资源、共谋机遇、共迎挑战。“未来我们将看到的是一个西门子的生态系统,让我们更好地聚焦不同的客户群体,提供符合客户需求的整合的解决方案。我们将变得更加灵活,同时我们也会继续竭尽所能,为客户匹配相应的能力和资源来满足他们的需求,实现客户预期。”赫尔曼最后说。
好文章,需要你的鼓励
这篇研究介绍了KVzip,一种创新的查询无关KV缓存压缩方法,通过上下文重建机制为大型语言模型提供高效存储解决方案。该技术能将KV缓存大小减少394倍,同时提高解码速度约2倍,在各种任务上性能几乎不受影响。不同于传统查询相关的压缩方法,KVzip创建可在多种查询场景下重用的通用压缩缓存,特别适合个性化AI助手和企业信息检索系统。研究在LLaMA3.1-8B、Qwen2.5-14B和Gemma3-12B等多种模型上进行了验证,处理长度高达17万词元的文本,并能与KV缓存量化等其他优化技术无缝集成。
腾讯与上海交通大学联合推出的DeepTheorem研究突破了大型语言模型在数学定理证明领域的限制。该项目创建了包含12.1万个IMO级别非形式化定理的大规模数据集,开发了专门的RL-Zero强化学习策略,并设计了全面的评估框架。研究表明,通过使用自然语言而非传统形式化系统,即使是7B参数的模型也能在复杂定理证明上取得显著成果,超越许多更大的专业模型。这一成果为AI数学推理开辟了新途径,使语言模型能够像人类数学家一样思考和证明。
MAGREF是字节跳动智能创作团队开发的多主体视频生成框架,能从多张参考图像和文本提示生成高质量视频。该技术引入了区域感知动态遮罩机制,使单一模型灵活处理人物、物体和背景,无需架构变化;并采用像素级通道拼接机制,在通道维度上运作以更好地保留外观特征。实验表明,MAGREF在身份一致性和视觉质量方面优于现有技术,能将单主体训练泛化到复杂多主体场景,为内容创作者提供了强大而便捷的视频生成工具。
这项研究揭示了大型语言模型(LLMs)偏好决策的内在机制。以色列理工学院和IBM研究院的团队开发了一种自动化方法,不需人工预设即可发现和解释影响AI判断的关键概念。研究横跨八个领域(从一般问答到安全评估),分析了12种偏好机制,发现人类评判者重视权威性和清晰度,而AI评判更关注事实准确性。他们提出的层次多领域回归模型不仅能准确预测偏好,还能清晰解释判断过程,为构建更透明、更符合人类价值观的AI系统提供了新途径。