在不造成中断的前提下扩展智能自动化,需要关注架构弹性,而不仅仅是部署更多机器人。
在智能自动化大会上,行业领袖齐聚一堂,深入探讨为何许多自动化项目在试点阶段后陷入停滞。来自英国皇家邮政的流程自动化分析师Promise Akwaowo与来自NatWest集团、法国液化空气集团和AXA XL的代表一同发言,将对话聚焦于实际交付和风险管理。
扩展计划经常失败,是因为团队将成功等同于部署的机器人数量,而非底层架构的弹性。基础设施必须能够可预测地处理容量和变化。
当季度末财务报告期间需求激增,或供应链突然中断时,系统不能出现性能下降或崩溃。如果没有内置的弹性,企业就有可能构建出在运营压力下崩溃的脆弱架构。
Q&A
Q1:为什么很多企业的自动化项目在试点后就停滞了?
A:扩展计划经常失败,是因为团队将成功等同于部署的机器人数量,而非底层架构的弹性。企业往往忽视了基础设施必须能够可预测地处理容量和变化这一关键要素。
Q2:什么是架构弹性?为什么它对智能自动化很重要?
A:架构弹性是指系统在需求激增时(如季度末财务报告或供应链突然中断)不会出现性能下降或崩溃的能力。如果没有内置的弹性,企业就有可能构建出在运营压力下崩溃的脆弱架构。
Q3:扩展智能自动化时应该关注什么?
A:扩展智能自动化时应该关注架构弹性,而不仅仅是部署更多机器人。基础设施必须能够可预测地处理容量和变化,确保在运营压力下系统依然稳定运行。
好文章,需要你的鼓励
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
SkillOpt-Lite通过将智能体技能优化形式化为零阶优化问题,提出极简流水线:把执行轨迹存为文本文件,让AI直接用文件系统工具翻日志、找规律、改技能,配合独立验证门控,比复杂的多智能体优化框架跑得更快效果更好,并自然延伸至执行框架自动优化(HarnessOpt),使轻量模型能够超越大模型。
Uber周三发布了一款基于现代Ioniq 5改装的数据采集原型车,搭载14个摄像头、8个固态激光雷达和9个雷达,通过英伟达双驱Thor计算机处理数据。Uber计划今年在全球部署500辆此类车辆,每月可采集200万英里高保真驾驶数据,供Avride、Waymo、WeRide等30余家自动驾驶合作伙伴使用。这是Uber自2020年出售自动驾驶部门以来首次自主组装车辆,也是其AV Labs部门的重要进展。
英伟达推出Nemotron-Labs-Diffusion三模式语言模型,将逐字生成、并行扩散与自猜自验融于一体,单用户吞吐量最高达Qwen3-8B的4倍,同时保持相近准确率。