制造商现在可以接入新的工业边缘平台,帮助建造更智慧、更开放的软件定义工厂
中国北京 – 2023年9月21日 – 日前,世界领先的开源解决方案供应商红帽公司宣布与英特尔合作,设计推出最新的工业边缘平台,为构建和运行工业控制提供现代化的方法。该平台可以向工厂提供标准IT技术和实时数据洞察,以帮助转变制造商的运营、扩展和创新方式,使工业控制系统 (ICS) 供应商、系统集成商 (SI) 和制造商能够以自动化方式完成以前需要手动执行的工业自动化任务,包括:系统开发、部署和管理、降低网络安全风险、通过改进规范性和预测性维护而提高工厂敏捷性,在同一地点处理确定性和非确定性工作负载,并缩短周转时间。
智慧工厂(或软件定义工厂)对于提高制造商的创新速度具有至关重要的作用。麦肯锡的一份报告称,“到2025年,智能制造有望创造高达3.7万亿美元的价值,并将推动各行各业的增长、创新和竞争力。”通过消除IT和OT之间的壁垒,制造商可以合作开发新的功能,并积极增强和加快运营,同时能够根据需求灵活、智能地进行扩展。
工业边缘平台旨在提供整体解决方案,涵盖从实时车间控制、人工智能/机器学习 (AI/ML) 到全面IT管理的方方面面,从而使客户能够更灵活地选择数据重心或边缘到云端式的架构,并提高整体设备效率 (OEE)。为了持续支持这一目标,红帽和英特尔正在努力将基于英特尔的平台和英特尔工业边缘控制(英特尔 ECI)与当前和未来版本的红帽企业 Linux 集成,并开始与 Fedora 项目和 CentOS Stream 等上游 Linux 社区开展合作。此合作最终会将这些控制和平台引入红帽Device Edge(早期访问)、红帽 Ansible 自动化平台和红帽 OpenShift。通过此合作,企业可以从以下方面受益:
为了支持这一平台,红帽与英特尔合作推出一个实时内核,该内核可提供一致的延迟并减少抖动,帮助应用更可靠地重复运行。这个新的工业边缘平台采用开放标准和社区驱动的创新成果而构建,并由全球数千名开发者共同开发,这有助于简化与其他硬件和软件组件的集成。此外,核心代码的透明性以及清晰的路线图和发布周期有助于消除对新版本及其附带功能推出时间的猜测。红帽业界领先的企业开发者支持能力为IT团队提供了一流的开发者工具链,无论采用哪种部署模式或哪个集成商,都能实现更一致的部署,从而进一步消除现代开发者在选择工具时的猜测和选择困难症。
几十年来,制造业的创新一直受传统工业控制的局限性和孤立组织结构的制约。借助这个新平台,企业能够从一个开放式边缘平台中获益,并且可以在易于使用、可靠的工业自动化解决方案中简化组件集成。ABB、施耐德电气和Codesys等行业领导者已经成功实施新工业边缘平台,以构建现代化的工业控制。
支持证言
Francis Chow,红帽副总裁兼车载操作系统和边缘总经理
“从传统IT基础架构转型到帮助软件定义的汽车在工业边缘提供可扩展的数字解决方案,红帽在推动各行业的现代化和创新方面历史悠久。现在,红帽与英特尔合作开发最新的边缘平台,帮助全球各地的制造工厂实现同等水平的转型。我们相信,通过帮助融合IT和运营技术,下一次工业革命将以开源软件为基础,更早、更快地到来。”
Christine Boles,英特尔网络和边缘事业部副总裁兼联邦和工业解决方案总经理
“多年来,英特尔和红帽携手合作,为各行各业提供变革和支持。通过将红帽在云端到边缘应用平台交付方面的专业知识,与英特尔在边缘到云计算平台(包括工业硬件和软件)方面的实力相结合,双方将提供软件定义的能力并支持转型,从而满足当今制造业对弹性、灵活性和可靠性的要求。”
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。