加快发展工业互联网和工业行业数字化转型,促进新一代信息技术与工业深度融合,是制造强国、网络强国建设的关键抓手,是深化供给侧结构性改革的客观要求,更是工业经济在2022年上半年率先企稳回升,呈现恢复增长态势的新引擎。为了总结工业互联网领域2021年取得的阶段性成果,展望工业和信息化、数字化、智能化融合发展趋势,2022年(第四届)全球工业互联网大会暨工业行业数字化转型年会(以下简称大会)将于7月27日至29日在乌镇举办。

本届大会以“加快工业数字化转型 推动经济稳中求进”为主题,在7月28日将举办的开幕式和主论坛上,呈现高屋建瓴、内涵丰富的精彩议题。会有相关部委、地方政府和行业专家围绕宏观经济发展的精彩致辞,还有多位工业行业部长级专家、院士为大会带来工业互联网和工业数字化转型相关的主旨报告。同时,多位行业领军企业代表还将通过主题演讲,深度剖析企业数字化转型中的进展、挑战与机遇,共同探讨工业互联网的使命、特征与潜力,探索数字经济与实体经济创新融合的新未来。
“2022年工业互联网融合创新应用·行业推广行动应用案例征集活动”是大会的重磅环节,目前已全方位征集近1000个行业应用案例,并根据细分行业遴选出100个优秀应用案例和年度十大典型应用案例。入选优秀案例将在大会“2022年行业推广行动成果发布”环节及“工业互联网融合创新应用·行业成果展”进行权威展示,还有机会在“GIIC工业数字化暨UNIDO Global Call 2022中国技术储备入围名单发布仪式”上展示,以及被推荐为“全球工业数字化创新技术和解决方案”。
本届大会还将结合央国企、地方政府、大型工业企业对产业数字化转型的需求,联合十大行业协会和行业知名专家,征集并结合数千家数字化企业的技术领先性和服务内容,与工信部赛迪研究院共同发起“工业数字化转型评价综合指数”,现已形成了1个一级指标、12个二级指标、33个三级指标。该指数体系将会充分结合推广行动以及各细分行业的评价标准进行调整,以期对企业数字化转型提供参考指导,并将成为推广行动遴选案例的参考标准。未来,大会还将深入指数体系的建设,争取出台10大重点行业转型指数和6大新模式特色指数。
大会共设置了六场垂直行业分论坛,聚焦石化行业智能制造、电力行业工业互联网应用、建材行业智能制造发展、网络和数据安全发展、工业数字化人才资源、智能网联汽车等垂直行业和细分领域的数字化转型。其中,在网络和数据安全发展分论坛上,工业和信息化部网络安全产业发展中心还将隆重发布《数据传输安全白皮书》。
为深化国际合作,大会将于7月27日下午联合欧盟国家代表共同举办国际数字化圆桌论坛,打造国际协同创新交流平台,充分展现大会的“全球性”。同期,大会还将聚焦数字化、智能化转型,并行举办央国企数字化转型闭门研讨会、知名企业领导人闭门座谈会,为工业企业的数字化转型提供新方向、新思路、新实践、新样板。
7月28日,大会将通过“制造业优质企业数字化转型经验交流会”,邀请行业前沿企业代表共同探讨谋划制造业数字化转型方式。7月29日,大会还将充分发挥“产研”、“供求”枢纽平台作用,积极组织企业考察,推动供需对接,帮助更多工业企业进行工业互联网融合创新应用成果的吸收和转化。
星光熠熠,大咖云集。2022年(第四届)全球工业互联网大会即将开幕,期待您一起共享工业互联网盛宴。大会官网:http://www.giicwuzhen.com/。
好文章,需要你的鼓励
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。