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
Anthropic推出首个行业定制版AI产品Claude for Financial Services,专为金融行业打造。该服务基于Claude企业版,提供更高使用限制、内置数据连接器以及提示词库。新版本预装了连接FactSet、PitchBook等金融数据提供商的MCP连接器,并包含实施支持。针对金融分析师工作负载大的特点,该服务显著提升了速率限制,同时提供提示词库帮助用户更好地构建查询。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
多年来,Cursor、Windsurf和GitHub Copilot等代码编辑工具一直是AI编程的标准。但随着代理AI能力增强,AI系统正从处理代码转向直接与系统终端交互。Anthropic、DeepMind和OpenAI都推出了命令行编程工具。终端工具采用更广阔视角,不仅关注代码,还涉及整个程序运行环境,包括DevOps任务。研究显示传统代码助手可能降低效率,而Warp等终端工具在TerminalBench基准测试中表现出色,能够自主处理开发者的非编码工作。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。