工业和制造业是我国国民经济的主战场,随着新一轮科技革命的深入发展,工业技术的内涵与外延正在发生深刻变化。如何将传统工业与新一代的信息技术紧密结合,推动制造业高质量发展,实现数字经济和实体经济的深度融合,成为国家及产业的关注焦点。
党的二十大报告将基本实现新型工业化作为2035年基本实现社会主义现代化的一项重要目标。
新型工业化是以信息化带动工业化,以工业化促进信息化,以数字化、网络化、智能化为方向,驱动传统工业走向高效、高品质、低碳化的道路。
曙光高级副总裁任京暘认为,实现新型工业化的核心抓手,在于构建高水平的产业创新体系,不仅要实现单点技术突破,还需要与产学研用各方协同进行技术研发、深耕垂直行业和生态系统建设。
为了推动新型工业化的发展进程,曙光发布了工业数智平台“曙睿SugonRI”,并提出了“以数智底座,加速数实融合进程,赋能新型工业化”的智慧工业战略。
拉通IT和OT
工业化拥抱数字化的一个关键是打通IT和OT。工业数字化本身是一个极其复杂的系统工程,涉及IT和OT两大技术体系的深度融合。在将工业知识和要素转变为数据、信息、决策的过程中,会遇到技术、应用、产业、人才等多维度挑战。
曙光网络科技有限公司总工程师陈冰冰告诉记者,工业现场面向场景,而IT技术是另外一套体系,工业需要的计算技术不同于IT,需要面向OT与IT进行融合。
工业数字化其实就是将工业知识以数字化形式进行表达,变成业务模型,并可以自由装配。从设计、验证、分析到控制、维护,工业数字化需要实现全生命周期覆盖。
“新型工业化就是借助软件将工业知识进行封装,进而实现数字化。以前的信息化可能是敲几行代码就可以了,现在则是要用模块化、协同化的方式将可复用的知识进行组织,推动工业迭代升级。”陈冰冰说。
曙光网络科技有限公司总工程师陈冰冰
目前,工业数字化面临的挑战是“烟囱式”的组织和知识结构,我们需要变成“一股绳”。
工业场景里,所有的知识是有内在联系的。通过建立一个知识平台,集合和组织相关知识,可以解决这种挑战。虽然各有分工,但是目标明确。
例如工业互联网就是在工业现场侧,将不同的设备、产线、车间的数据进行拉通,然后进行处理分析。
曙光副总裁、曙光网络科技有限公司总裁刘立博士表示,工业互联网并不是简单地分析数据给领导呈现一个漂亮的图表,而是真正指导工业现场如何降本增效。
全栈工业数智底座
得益于在核心部件、整机系统、软件应用等方面拥有完整、领先的设计研发与生产制造布局,曙光发布了工业数智平台“曙睿SugonRI”。
曙光依托在计算、网络通信和工业经验知识的积累,将IT和OT融合,打造了集实时计算、工业通信、工业控制和工业安全于一体的工业数智底座,解决工业数字化转型中的关键难题。
刘立说,以数智底座赋能新型工业化,曙光能够深度理解计算对工业数据处理和业务支撑的作用,并在通信、安全、控制等方面进行配合。
作为首个国产工业数字化全栈平台,曙睿SugonRI拥有独特的“3R+3I”先进理念与核心价值,即Realtime实时响应、Rapid快速编程、Robust稳定可靠、Integration 融合化、Intelligence智能化、Indigenous本土化,可为工业控制领域提供安全可靠的一站式全面服务。
曙光副总裁、曙光网络科技有限公司总裁刘立
工业数智底座本质上是计算平台上面向工业领域的知识抽象。陈冰冰表示,技术是演进出来,而不是规划出来的。“技术演进实际是客户牵引,满足客户的需求,给客户创造价值。我们围绕客户,以以产品化和工业化的思路在做这件事。”
曙睿SugonRI是国内极少数可做到贯穿全生产周期的工业数字化平台。从核心部件、实时操作系统、工业智能编程平台、软件中间件,到网络通信、数据安全,再到工业云PaaS全栈技术,可完整覆盖工业装备控制、工业物联网、工业实时仿真、工业测控系统等场景。这些产品可以根据用户业务系统或项目的需求进行分解和重新的组合,也方便生态伙伴进行集成。
基于工业数智底座,曙光联合产业合作伙伴协同创新,共同打造了装备控制、物联网、实时仿真、工业测控等多个领域的定制产品,可为用户提供一站式、丰富的工业数字化解决方案,灵活有效地支撑不同行业的业务应用。
据悉,接下来曙光会联合合作伙伴推动关键基础设施的行业标准、专用设备、重大项目、白皮书等工作,更好地赋能工业数字化。其中,标准化是关键,在这个前提下才能协同各方的力量。
“我们所说的赋能不仅仅是联合行业的ISV和集成商,还在带动曙光集团的周边生态,我们有核心部件、整机、软件,可以覆盖方方面面的生态合作伙伴。”刘立说,“曙光采取产业联盟的方式,共同解决行业内真实存在的问题。曙光保持开放的心态,更懂国内厂商的诉求,一起把生态做好。”
会上,通用数科、中国电信宁夏公司、安博通、未来网络、深圳渊联等工业领域头部企业与曙光网络举办了合作签约仪式,携手共建智慧工业生态。
结语
作为核心信息基础设施领军企业,“曙睿SugonRI”的发布以及智慧工业战略的提出,是曙光在工业数字化领域迈出的重要一步,也预示着曙光全新业务板块的开启。
面向智能制造、交通、矿业、电力、水利、无线电等诸多行业,曙光将持续以核心技术创新为基础,推动工业数字化底层关键技术突破,培育复合性人才,同时也将继续联结更多产业上下游伙伴,为用户提供更丰富的定制化方案,为“数实融合”和“新型工业化”打造新样板。
好文章,需要你的鼓励
北京交通大学与西蒙弗雷泽大学联合研发的混合神经-MPM方法实现了实时交互式流体模拟。该方法巧妙结合神经物理学与传统数值求解器,在低时空分辨率下运行神经网络并设置保障机制自动切换到MPM,显著降低计算延迟同时保持高保真度。团队还设计了基于扩散模型的控制器,支持用户通过简单草图直观控制流体行为,为游戏、VR和设计领域提供了实用解决方案。
这项研究介绍了EgoZero,一种创新的机器人学习系统,能够仅通过Project Aria智能眼镜捕获的人类示范数据,训练出零样本迁移的机器人操作策略。研究团队提出了一种形态无关的状态-动作表示方法,使用点集来统一人类和机器人数据,并开发了从原始视觉输入中提取准确3D表示的技术。在没有任何机器人训练数据的情况下,EgoZero在7种真实世界操作任务上实现了70%的成功率,展示了强大的泛化能力,为解决机器人学习中的数据瓶颈问题提供了新思路。
FLAME-MoE是卡内基梅隆大学团队开发的首个全透明混合专家语言模型研究平台,包含7个规模从3800万到17亿活跃参数的模型。它采用每层64位专家、top-8选择和2位共享专家的架构,公开所有训练数据、代码和检查点。实验显示,FLAME-MoE比相同计算量的密集模型提升3.4个百分点,并揭示了三个关键发现:专家逐渐专注于特定词汇子集,专家协同激活保持稀疏多样,路由行为在训练早期就趋于稳定。这一平台为MoE模型的系统研究提供了前所未有的开放基础。
这篇论文介绍了ModernGBERT,一个由维尔茨堡大学研究团队开发的高性能德语编码器模型家族(1.34亿和10亿参数版本)。研究将ModernBERT的创新架构应用于德语,同时通过LLM2Vec方法将德语解码器模型转换为编码器以进行对比研究。在SuperGLEBer和MTEB等基准测试中,ModernGBERT 10亿参数模型不仅超越了之前最先进的德语编码器,还在性能和参数效率方面优于转换后的编码器。研究团队还证明了更大模型能有效利用大规模单语语料库,为德语自然语言处理提供了全透明、高性能的资源。