Splunk首个物联网解决方案通过扩展对连接设备的数据访问权限,帮助工业企业降低成本并提高绩效
中国,北京——2018年10月12日——致力于将数据转化为行动和价值的Splunk公司宣布全面推出Splunk的首个物联网(IoT)解决方案,即Splunk for Industrial IoT。Splunk Industrial IoT整合了Splunk Enterprise、Splunk机器学习工具包和Splunk Industrial Asset Intelligence(IAI)的强大功能,为复杂的工业数据提供简单视图,帮助企业在最大程度上减少停机时间,把操作化被动为主动,从而达到节省成本的效果。
全球数字化的快速发展,让垂直行业的企业选择采用机器数据分析而应对数字化转型的挑战。基于Splunk在IT和安全领域的成功经验,Splunk for Industrial IoT为制造、石油和天然气、电力、运输、能源和公用事业领域的运维技术(OT)团队和部门,提供轻松监测、优化和保护工业应用、数据和资产的特性。
Splunk高级副总裁兼物联网市场总经理Ammar Maraqa认为: “Splunk for Industrial IoT将工业运营带入现代化时代,帮助运维团队保持工厂正常运行、提高产量、预测问题,并确保运营安全。工业企业缺乏易于使用的实时数据分析,这些数据分析利用机器学习,可帮助预测停机时间并确定不同系统的警报优先级,以便企业采取相应的措施。”
萧氏工业集团(Shaw Industries)流程工程师Erika Swartz谈到:“实时分析对于任何制造商是至关重要的。作为世界上最大的地板制造商之一,确保员工能够透过访问数据以提高工厂车间绩效和推动业务成果是极为关键的,Splunk帮助我们在多方面实现了这个目标。很高兴未来能够继续和Splunk合作,并期待其在物联网领域不断创新。”
Splunk for Industrial IoT为客户提供了Splunk Enterprise的功能,包括机器学习支持的数据分析和报告以及新增的拖放功能,专为解决工业企业常见挑战,比如计划外停机时间,这一项就可能每年给企业造成高达3800万美元的损失。此外,Splunk for Industrial IoT的特性有:
Sapura是由两大跨国能源公司Seadrill和Sapura Energy合资组建的巴西航运公司。Sapura公司首席执行官André Merlino表示:“Sapura正在将Splunk Industrial Asset Intelligence作为数据驱动方式的一部分,实现深海卓越运营。Splunk IAI作为一款强大的解决方案,幫助我們提高整个企业利用数据的能力。我们的目标是加强安全标准、提高运营绩效并为客户提供更好的解决方案。”
德国工业工程公司ESE的数据分析总监Ulrich Bock博士谈到:“工业企业每天都面临各种挑战,像降低成本、提高性能、确保其不断扩大的‘互联’设备规模在业界保持竞争力。我们与Splunk的合作对于我们客户的成功至关重要,把对操作技术环境的知识与Splunk强大的功能相结合,使所有人都可以访问并充分利用机器数据。Splunk for Industrial IoT现在可以轻松利用不断激增的机器数据,并将其转化为洞察和能力,以便支持并加快数字化转型。”
Splunk for Industrial IoT将于2018年10月30日全面上市。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。