日前,由中国物联网产业应用联盟及深圳市物联网产业协会主办,物联传媒承办的2019“物联之星”评选活动,公布了中国物联网行业年度评选获奖名单。凭借QingCloud IoT平台 、EdgeWize边缘计算、以及青云QingCloud高速公路边缘智能分析方案的优秀表现,企业级云服务商青云QingCloud斩获“最具影响力物联网云平台企业奖”。此次获奖充分肯定了青云QingCloud在物联网领域产品和解决方案的领先性及行业影响力。
“物联之星”评选活动始于2008年,评选的宗旨在于总结影响物联网进程的重要人物、产品和应用,树立物联网行业榜样,经过12年的发展和沉淀,物联之星已发展成为中国物联网行业规格隆重、影响力大的纯公益评选活动,其权威性和客观性深受业界人士的高度评价和普遍认可,被誉为中国物联网行业的奥斯卡奖。物联之星年度评选遵循“公平、公正、公开”的原则,全程公开透明,不接受任何形式的企业赞助。本届物联之星更是吸引了近400家物联网全产业链上的优秀企业参与评选,并有800+评委参与投票,人气预热投票超过了50万人次,在物联网行业内形成了广泛的影响。
数字化转型2.0时代,智慧建筑、智慧高速、智慧城市、工业互联网等应用频频落地。然而传统云计算只能做到核心业务系统的数字化,仍有海量数据将在数据中心之外产生。2019年青云QingCloud发布重量级战略产品,QingCloud IoT平台与EdgeWize边缘计算平台,其中,QingCloud IoT平台提供一站式、全托管的物联网云服务,针对边缘场景配置,可实现边缘节点的定义与统一管控,结合QingCloud云平台服务,可帮助企业轻松构建IoT应用程序。EdgeWize边缘计算平台,则以安全方式在边缘设备上运行本地计算、消息收发、数据缓存与同步等功能,提供安全、低延时、低成本的本地计算服务,结合QingCloud云平台、光格网络SD-WAN,可实现云边协同。
基于此,青云QingCloud云平台的能力从数据中心延伸到边缘和端,构成“云、网、边、端“一体化的广义云平台。青云QingCloud也正式拥有了“全维云平台”能力,成为一家同时具备全栈、全态和全域交付能力的平台级服务商。未来是万物互联的时代,青云QingCloud涉足物联网的最终目的是,致力于帮助企业将所有跟业务相关的系统全面实现数字化,集结云、网、边、端一体化的能力,实现全域业务支撑与数据互联。
物联网不是为了解决技术问题,而是为了解决用户实际的应用场景问题。凭借云网边端协同的整体解决方案能力,青云QingCloud物联网从布局之初,就迅速切入智能交通、智慧园区、工业云等行业。以智能交通为例,高速公路车流量增长迅速,监控摄像头所产生的数据与日俱增。传统的车辆识别&高速收费场景解决方案会将摄像头拍摄的车辆图片,上传至云端进行 AI 智能识别,识别结果再返回到计费系统,计费结果再返回收费卡口,整个流程链路太长,一旦网络不稳定,势必造成车辆拥堵。青云QingCloud IoT通过云端IoT平台与EdgeWize边缘计算实现云边协同,大幅降低带宽成本,优化车牌识别响应速度,保障业务稳定性。
未来,青云QingCloud将继续保持开放、中立的态度,推动物联网行业的发展和普及,致力于打造良好的物联网生态,与行业伙伴一道为物联网解决方案的成功落地而努力。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。