近几年,BIM是建筑工程行业非常热门的一个话题,据《2017年中国BIM应用价值分析报告》显示,我国BIM技术发展现状已经开始得到越来越广泛的重视,但目前建筑行业对BIM的整体采纳率仍处于较低水平。究其原因,BIM完全颠覆了CAD时代运用工具的规则,BIM系统的复杂性和对信息化要求之高,导致BIM从概念到落地应用发展得比较缓慢。
当大多数设计院还停留在普遍对BIM缺乏深刻认识理解的阶段,一家拥有60多年历史、屡屡中标国内外重大项目的设计院——中南设计集团,却抢占了技术制高点,在BIM落地应用方面走在了行业的前列。
2018年,中南设计集团与ZETTAKIT泽塔云深入合作,通过BIM+GPU云的数字化转型与升级,开启了行业新一轮的成长和进阶,在中国建筑行业的信息化转型和升级的历程中,画上了浓墨重彩的一笔。
中南设计集团的BIM探索之路
作为一家国有大型科技型工程公司,中南设计集团始终保持着行业领先地位,持续关注BIM最前沿的发展趋势。直到一年前,集团下定决心大力发展以BIM为核心的新模式,在近一年的精心筹备下,2018年正式成立了中南设计集团(武汉)工程技术研究院有限公司(以下简称“中南设计工研院”),旨在针对建筑设计领域研发基于BIM智能流程的应用软件产品,不断提升集团核心竞争力。
事实上,中南设计工研院的目标不仅止于此,集团也寄望通过自身实践探索出一条适合本行业的BIM之路,推出一整套标准化的BIM云平台,提升国内整个建筑工程行业的效率和质量。
要实现这个目标任重道远。BIM不是简单的将CAD图纸信息化,而是一整套的流程和方法论,从概念设计、机器模拟仿真、概预算、图纸、材料到工程实施等全过程,各个环节之间信息的流转和协同,除了先进的理论体系,还需要配套的技术工具来落地。
从BIM平台的信息化系统建设看,中南设计工研院首先要搭建一个BIM云环境,作为承载所有IT系统资源和数据的底层平台,然后基于底层资源平台来实现数据在各个环节的快速流转和共享协同。
当中南设计工研院仔细研究这个目标时,却发现在传统的IT建设中存在不少困难和挑战,主要体现在以下几个方面:
一、数据安全:如何防止研发关键数据不泄密,保障公司核心数据资产?
二、平台管理:传统IT架构下,软硬件运维都需要逐台进行,系统管理维护极为繁琐,该如何统一管理,简化运维?
三、资源整合:图形工作站资源平均利用率底,如何实现资源的动态调整和复用?
四、处理性能:如何满足海量的大文件图形处理,3D联调等需求?
五、共享协同:大部分模型数据都存放在本地,各部门如何随时随地的进行数据共享和协同?
在技术考察之初,中南设计工研院找到了几家知名传统IT厂商进行调研,结果不尽人意。传统的IT架构中,如何做到资源的统一管理,解决数据安全和共享协同的矛盾,化解资源整合和处理性能的冲突,都还没有找到好的办法。
BIM+GPU云的解决之道
对于BIM云建设的探索,就像在迷雾中前行,只能一步步逼近正确道路的方向。此时,ZETTAKIT泽塔云“超融合+GPU云”解决方案的出现,让中南设计工研院看到了希望。
在“超融合+GPU云”的云计算生产架构中,超融合提供稳定易管理、高可靠、扩展性强的基础架构,支撑数据的快速分发,准确投递,大大减少业务流程,缩短业务周期。GPU云则替代传统图形工作站,满足生产业务的高GPU负载使用场景。
那么,泽塔云的超融合GPU云解决方如何解决中南设计工研院的BIM云需求?
在资源管理上,ZETTAKIT超融合系统替换了传统IT架构+集中存储,将计算、存储、网络等资源完全池化,在实现资源按需分配的同时,还能够提供统一的运维、管理、监控等多维度管理平台,极大降低了运维管理难度。
在数据安全上,ZETTAKIT采用了多种机制来保证数据资产安全,避免项目泄密风险。一是将数据集中在云端,做到数据不落地,多副本存储、数据容灾等方式,保障数据不丢失、不泄密;二是采用USB白名单控制外接设备、虚拟机防火墙、底层网络隔离等功能,将内外核心业务数据和外网日常办公数据隔离保护,保证数据安全性。
在图形处理上,ZETTAKIT GPU云为BIM中不同的工作流程分配了不同的GPU资源,可以根据实际需求灵活调配GPU资源,保证资源的高效使用。同时,每台云主机可以按需获得不同性能的NVIDIA Quadro或GeForce资源,满足高并发渲染需求,提供和本地图形工作站一致的图形处理能力。
在共享协同上,“超融合+GPU云”的解决方案,使得数据存储和数据生产都集中在数据中心,缩短了存储和生产之间的路径,提升了数据分发和同步效率,加快了业务处理速度。
另外,云计算将给工作带来敏捷性的提升。即使用户在外出差,也可以随时随地通过网络连接专业的图形处理资源。做到任何时间,任何地点,任何设备都能开展工作。
BIM云是建筑行业未来信息化发展方向。中南设计工研院与泽塔云携手探索出的“超融合+GPU云”的BIM云解决方案将加速BIM云落地,推动建筑行业信息化的发展和升级。
好文章,需要你的鼓励
TAE Technologies在最新一轮投资中获1.5亿美元,累计融资约18亿美元。公司利用 AI 技术优化融合反应堆设计,目标于 2030 年代商业化发电,谷歌等巨头均参与合作。
这项来自KU Leuven、中科大和上海Memory Tensor公司的研究探索了如何利用拼图游戏训练多模态大型语言模型的视觉推理能力。研究发现,现有模型在未经训练时表现近似随机猜测,但通过强化学习能达到近乎完美的准确率并泛化到更复杂的拼图配置。有趣的是,模型能否有效学习与是否包含明确推理过程无关,且复杂推理模式是预先存在而非突然出现的。此外,研究证明强化学习在泛化能力上优于监督微调,挑战了传统的模型训练范式。这些发现不仅揭示了AI视觉理解的机制,还为未来多模态模型研发提供了重要参考。
Nvidia 正在全球数据中心推广 AI 芯片,其最新 Blackwell 架构在 MLPerf 基准测试中获得最高性能,大幅加速下一代 AI 应用的训练与部署。
这项研究提出了LoHoVLA,一种用于长时序实体任务的统一视觉-语言-动作模型,融合了高层任务规划和低层动作控制功能。与传统方法不同,它利用单一预训练视觉语言模型同时生成语言子任务和机器人动作,并采用分层闭环控制机制增强鲁棒性。研究团队构建了包含20个长时序任务的LoHoSet数据集,实验结果显示LoHoVLA在Ravens模拟器中显著优于现有方法,展现出统一架构在实现可泛化实体智能方面的潜力。