11月19日至21日,由工业和信息化部、湖北省人民政府共同主办的2022中国5G+工业互联网大会在武汉举行,大会主题为“数融万物 智创未来”。浪潮参加大会开幕式、主论坛、分论坛、成果展等环节,全面展示5G+工业互联网技术优势和赋能实践。
当前,我国5G+工业互联网深化融合应用进入关键期,为发挥典型应用的示范效应,在11月20日举办的大会主论坛上,2022中国5G+工业互联网典型案例重磅发布。
其中,“浪潮苏州5G全连接工厂项目”获评典型应用标杆案例。浪潮苏州5G全连接工厂打造柔性生产、AGV多机协同、设备智能控制、设备运维、远程排障等9个5G典型应用场景,实现产线人流、物流、信息流互联互通,生产过程智能感知、实时分析和精准决策,解决网络延迟、生产效率低、成品合格率低、数据安全等业务痛点,助力运营成本降低10%、产能提升15%。此外,由浪潮提报的“粤储粮-打造‘数字粮仓’,保障粮食安全”“5G+工业互联网助力太原酒厂数字化升级”等7个项目获评典型案例。
打造标杆典型应用案例的背后,是浪潮在5G+工业互联网等新一代信息技术领域的持续布局和投入。浪潮推进B5G战略,聚焦行业数字化转型最后一公里,打造云网融合全栈产品和服务体系,形成多行业多场景的应用创新与实践。浪潮还打造了云洲工业互联网平台这一国家级“双跨”平台,布局工业智能设备、工业通信、工业安全、工业软件、行业解决方案5大产业链,形成软硬合一、安全可靠的产品及服务等,赋能产业数字化发展。
例如,东风商用车在车辆装配线应用浪潮5G产品打造智能工厂,解决配送自行小车采用WiFi通信卡顿频发导致停产等难题,实现停产时间减少15%,生产线整体产能提升26%。在东风商用车的试制车间,工程师通过云洲工业互联网平台的“5G+AR”远程协作系统,与外地专家共同巡检设备,基于低时延高可靠的5G传输,实现远程设备辅助作业。
为进一步推动5G+工业互联网应用落地,在11月21日浪潮支持承办的中国工业元宇宙高峰论坛上,浪潮云洲与中国信息通信研究院共同发布“星火·链网”可信存证服务网络(CAP)。“星火·链网”是国家区块链新型基础设施体系,浪潮云洲作为“星火·链网”供应商,将通过权威、通用的一体化可信存证公共服务,奠定工业元宇宙可信基石。浪潮云洲还围绕工业元宇宙作主题演讲,以工业互联网为基础,进一步探索工业元宇宙多技术融合与创新,推进工业现实与虚拟连接,赋能工业场景贯穿融合,促进工业元宇宙从概念到真正落地应用。
会议期间,浪潮还深度参与5G全连接工厂-智能制造分论坛、5G+智能网联汽车与智慧交通协同发展分论坛,与运营商、合作伙伴签署生态战略合作协议,多方推动5G+工业互联网实践落地。
在2022中国5G+工业互联网成果展上,浪潮作为受邀参展的核心企业之一,重点展出5G+工业互联网业务实践,包括B5G战略及B5G行业专网、B5G边缘计算、B5G智能网关等B5G全栈产品,工业互联网基础设施、制造业数字化转型、工业互联网安全体系等业务,以及在各行业的应用案例。作为5G与工业互联网融合应用的支撑和拓展业务,浪潮智慧计算、浪潮云、算网运营、智慧行业、云ERP等核心技术与解决方案也同台亮相,展现“数融万物 智创未来”的浪潮力量。
好文章,需要你的鼓励
这篇研究揭示了大语言模型强化学习中的"熵崩塌"现象——模型在训练早期迅速失去探索能力,导致性能达到可预测的上限。研究者发现验证性能和策略熵之间存在精确的数学关系:R = -a·exp(H) + b,并深入分析了熵变化的内在机制。基于这些发现,他们提出了两种简单有效的方法(Clip-Cov和KL-Cov)来缓解熵崩塌问题,显著提升了模型性能,特别是在困难任务上。这项研究为大模型强化学习的规模化应用提供了关键指导。
Skywork OR1是昆仑公司AI团队开发的开源推理大模型,通过创新的强化学习方法显著增强了语言模型的推理能力。该研究基于DeepSeek-R1-Distill模型系列,采用名为MAGIC的训练方法,在AIME24、AIME25和LiveCodeBench三大基准测试中实现了显著性能提升,32B模型平均准确率提高15.0%,7B模型提高13.9%。研究团队通过系统研究策略熵崩塌现象,提出了有效的缓解策略,并开源了全部代码、数据和模型权重,为AI社区提供了宝贵资源。
上海交通大学研究团队发现多模态大语言模型中的"啊哈时刻"(自我反思模式)虽存在但并不意味着推理能力提升。他们提出了"冷启动强化学习"两阶段方法:先用监督微调建立推理模式,再通过强化学习优化。实验表明,这种方法在多个多模态数学推理基准上表现卓越,使3B参数模型达到接近甚至超越部分7B模型的性能,为增强多模态AI推理能力提供了有效路径。
MBZUAI研究团队开发的SVRPBench是首个模拟真实物流环境的随机车辆路径问题基准测试平台。它通过建模时间依赖的交通拥堵、概率性延误和客户特定时间窗口,为500多个包含最多1000客户的测试实例注入真实世界的不确定性。实验结果显示,先进的强化学习算法在分布变化时性能下降超过20%,而传统方法表现更为稳健。该开源平台通过GitHub和Hugging Face发布,旨在推动更适应现实世界不确定性的路由算法研究。