一台由联想匠牛联合实验室出品的自动导航车在2018年中国国际大数据产业博览会展台间穿梭自如,这一幕令无数参会者耳目一新、印象深刻。但事实上,这款主要应用于智能工厂与仓储场景的自动导航车仅是联想匠牛联合实验室雄心勃勃计划中的冰山一角。
“工业企业大多擅长制造,虽然对工业互联网需求旺盛,只是不知道如何下手,我们正是为了解决这些问题而诞生” ,联想匠牛联合实验室董事长袁立表示。
匠牛社区,匠心独具、牛人荟萃
匠牛创立于两年前,最早做智能硬件开发设计,在工作中发现工业互联网的需求方企业大都面临着很多问题,比如在产业交叉、学科交叉方面能力不足,技术门槛高,横向合作难,同时缺乏开发人才,产品创新成本高、风险大、投入无底洞等等。解决这些问题,不是单靠一个匠牛就能完成的,于是催生了匠牛社区。
匠牛社区是一个“匠心独具、牛人荟萃”的开发者社区,以“中国制造2025”为方向,基于开源智能硬件,面向工业智能制造,全力打造工业产品开发与创新平台。不同于传统的开源硬件,匠牛社区专门面向工业,主攻机器人、机器视觉、工业自动化、工业网关、传感器、工业智能显示与人机交互(HMI)等领域,形成了独具特色的开源产品体系。通过互联网平台,驱动社区成员共同创造,为中国工业开发者提供工业创新、产品孕育和落地的产业化基地。
加入联盟,社区是最佳方式
在匠牛创业过程中,在制造业拥有成熟经验、完善上下游以及产业链内、链外资源的联想,成为匠牛非常重要的合作伙伴。
“联想是匠牛在工业领域的主要合作伙伴。工业领域客户都有独特的应用场景,需求各有不同,量级通常也并不大,所以社区是一种最佳方式,凝聚工业互联网领域的各路人才,让大家在兴趣和利益双重驱动下,共同协作完成任务。同时,特别适用于企业个性化的工业互联网需求” ,袁立表示。
也正是基于以上原因,由联想集团发起成立的工业大数据产业应用联盟刚一成立,匠牛就主动加入。“对我们这种创新型企业来说,加入联盟视野会立刻开阔很多,能接触到很多联盟成员企业及其上下游。这是单打独斗看不到的宝贵机会”,袁立表示。此外,工业企业客户的问题复杂,也需要多家企业合力,发挥各自所长,这也是匠牛加入联盟的初衷。
开放与合作的姿态,为匠牛赢得了空间。自从匠牛社区运营以来,已经吸引了数百位开发者加入,合作了几十个项目。一个基于开源、开放理念,面向工业智能硬件和工业互联网产品的开发、应用和服务生态已经初具雏形。
联合实验室,让天下没有难做的产品
在具体的产品开发上,联想匠牛联合实验室不仅为需求方提供开发套件,让需求方能够先试用,降低需求方的试用成本;同时满足客户的定制化需求,无论硬件设计、定制化和数据采集,还是边缘计算,联想匠牛联合实验室都可以帮助客户实现。
也就是说,如果客户有智能硬件、工业互联网方面的需求,但对市场前景不太有把握,或者受技术能力限制无法完成,同时因需求量级不大,找不到专门解决个性化需求的合作伙伴,那么联想匠牛联合实验室就是最值得信赖的可靠平台。
“客户往往对工业互联网钻研不深,但有强烈需求。我们就是工业互联网的创新平台,就是帮助有工业互联网产品和方案需求的客户,找到解决方案,让天下没有难做的产品”,袁立表示。此外,袁立还认为,联想匠牛联合实验室本质上还是一种共创共享模式,是在开发产品层面上的共创共享。
“让天下没有难做的产品” 精准诠释了联想匠牛联合实验室的使命所在,而这背后依托的是联想和匠牛社区在工业制造业和工业互联网领域的丰富经验和资源。联合实验室凭借精准的产品定义、完善的市场分析、可靠的产品化路线图,为工业领域开发者提供开源技术模块、开发套件、产品原型机以及定制产品的生产制造、售后维护等全方位产品化服务。完整的产品化体系不仅降低了开发难度,同时也刺激开发者开发设计产生出更多的创新产品。
联想匠牛联合实验室以开放的姿态和思维,为工业互联网的个性化需求、落地化应用、服务化运营提供了一种可能。让那些具有很大不确定性和个性化需求的工业互联网需求找到落地平台,释放了工业互联网的创新需求,真正让天下没有难做的产品。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。