11月26日,作为2020年世界5G大会的重要组成部分,由广东省科学技术厅、人工智能与数字经济广东省实验室(广州)、华为技术有限公司、科大讯飞股份有限公司联合主办的第三届中国(广东)人工智能高峰论坛在广州成功举行。华为昇腾计算智能边缘解决方案总监吴浩在论坛上发布了华为昇腾智能制造使能平台,向来自产学研各界的嘉宾分享了对工业制造智能升级的思考,介绍了华为昇腾智能制造使能平台的相关实践。
众所周知,工业制造是传统劳动密集型产业。随着新一轮科技革命和产业变革的加速演进,全球各国都在借助新技术推动制造产业升级,从工业2.0自动化开始兴起,到工业3.0信息化普及,如今,我们正努力迈向工业4.0智能化,借助IoT、工业大数据、人工智能等数字化技术实现从低端劳动密集产品制造向高端高科技产品制造升级。
吴浩以产品质量检测为例介绍了人工智能技术对行业智能升级的推动作用。在应用人工智能技术之前,主要依靠机器视觉的在部分场景替代人工质检,但是,由于产品零件复杂、光源多样等因素的限制,更多的场景还是依赖于人工进行质检。而人工智能技术的融合可进一步提升检测精度,很多实践已证明AI算法可实现高达99%以上检测精度,可以应用在绝大多数工业质检场景中。
然而,从AI算法到工业制造场景化应用还有很远,算法开发、应用开发、业务部署是阻碍AI应用进入工业生产的三大鸿沟。由此,华为昇腾计算秉承着"硬件开放、软件开源"的理念,打造了昇腾智能制造使能平台,致力于推进制造行业转型升级。
硬件方面,华为提供从模组/板卡到服务器/集群的Atlas系列化硬件。Atlas 200 AI加速模块具有极致性能、超低功耗的特点,可以在端侧实现物体识别、图像分类等;Atlas 300I 推理卡提供超强AI推理性能,以超强算力加速应用,可广泛应用于推理场景。
同时,华为将硬件开放给伙伴,打造智能制造算力基石:伙伴基于Atlas 200 AI加速模块与Atlas 300I 推理卡,打造了一系列面向制造场景的AI硬件,包括AI加速卡、嵌入式AI工控机和箱体式AI工控机等。
软件方面,为了帮助开发者跨越AI应用落地制造行业的三大鸿沟,华为提供了全栈软件平台与工具。特别是昇腾应用使能MindX,帮助广大应用开发者快速开发AI应用,让AI进入制造行业。MindX中包含了"2+1+X",其中2是深度学习使能MindX DL和智能边缘使能MindX Edge,帮助开发者快速搭建深度学习和边缘推理的基础平台;1是优选模型库ModelZoo,为开发者提供了各个场景下经过调优的模型,开发者只需根据自身场景需要,按需下载即可;最后是面向行业应用的SDK,华为已经在昇腾社区发布了面向智能制造场景的mxManufacture SDK,聚焦于工业质检场景,可以以很少的代码量、甚至于零代码完成制造行业AI应用开发。
华为坚持联合创新,合作共赢,与超过20家合作伙伴一同使能智能制造。在电子组装领域,对螺钉、涂胶等进行检测,将异物识别准确率提升至99.9%以上;针对半导体晶圆进行晶圆缺陷智能分析,将缺失图案识别准确率提升至99%以上;在集成电路领域开展IC品质监控合作,将AOI直通率提升10%-50%;在纺织领域,华为与伙伴将布匹印染的预检效率提升了50倍。
会上,为进一步提升人工智能基础理论研究和关键技术水平,华为与人工智能与数字经济广东省实验室(广州)签署战略合作协议,将共建联合创新中心。根据协议,双方将共同聚焦智慧医疗、智慧城市、智能制造等行业场景,共同建设面向行业的基础软硬件及算法创新平台;同时共同推进科研成果的转化落地,在区域形成人工智能产业聚集,赋能传统行业,推动整个区域的产业智能化升级和数字化水平提升。
工业制造兴,则国民经济兴;工业制造强,则国民经济强。面向未来,华为将持续秉承"硬件开放、软件开源"的原则,携手伙伴联合创新,构筑广东人工智能创新发展新优势,加速制造行业智能升级,为实现制造强国的战略目标提供强劲动能,推动广东乃至整个中国的数字经济蓬勃发展。
好文章,需要你的鼓励
这项由复旦、港科大等多校联合完成的研究首次系统性地解决了大型AI模型在识别场景文字时产生"语义幻觉"的问题。研究团队发现AI模型常将视觉上模糊的文字"脑补"成有意义但错误的词汇,并开发了包含ZoomText定位策略和接地层修正机制的训练无关解决方案,在多个基准测试中实现显著性能提升,为提高AI视觉系统可靠性提供了重要突破。
IBM研究院发布AssetOpsBench,全球首个工业资产AI代理评估平台。该研究建立了多代理协作框架,涵盖IoT数据采集、时序分析、故障诊断等专业模块,通过141个真实场景和六维评估标准测试AI在复杂工业运维中的表现。测试显示当前AI技术仍有改进空间,为工业4.0时代的智能运维发展提供重要基准。
韩国科学技术院研究团队开发出Simba方法,通过层次化稀疏化技术对状态空间模型进行"瘦身",在保持性能的同时显著提升计算效率。该方法采用类似高速公路的架构设计,让AI模型的上层只处理最重要的信息,实现了最高80%的速度提升和更好的长序列处理能力。这项即插即用的技术为AI模型优化提供了新思路。
这项研究展示了一个基于ModernBERT架构的prompt injection检测模型,通过精心构建的多样化数据集训练,在内部测试中达到98.7%准确率和98.0% F1分数,在公开基准测试中平均F1分数达93.8%,显著超越现有最强基线系统。该模型推理速度仅0.02秒,具备实时检测能力,为AI系统安全防护提供了新的解决方案。