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
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。