新闻中心

当前位置 > 新闻中心> 电脑办公 > CPU

天装战队护星者

WAIC观察丨工业AI突破“感知”瓶颈 端侧亟待标准统一_我的网站

猩球崛起

一 |     21世纪经济报道记者 陶力上海报道          业界基本以两条并行路径深入物理世界:一条是从工业数据治理出发、向工艺与供应链渗透的“云端赋能”路线;另一条是从底层架构重构、让AI驻留终端的“端侧原生”路线。

二 |     

人民网北京9月14日电 (记者赵竹青)9月13日21时18分,中国文昌航天发射场,长征七号改运载火箭(简称“长七A火箭”)点火升空,成功将中星1E卫星送入预定轨道。该卫星可为用户提供高质量通信广播电视服务。该火箭由中国航天科技集团有限公司所属中国运载火箭技术研究院(以下简称“火箭院”)抓总研制。

三 |          2026世界人工智能大会(WAIC)期间,多家技术服务展商集中展现了AI深入物理世界的策略。据了解,长七A火箭是我国新一代中型运载火箭的主力构型,是在长征七号运载火箭和长征三号甲系列运载火箭三子级基础上、通过组合化设计形成的高轨三级液体捆绑式运载火箭,地球同步转移轨道运载能力不低于7吨,填补了我国运载火箭地球同步转移轨道5.5至7吨运载能力的空白,可适配直径4.2米和3.7米两种整流罩,具备一箭一星和一箭双主星发射能力。长七A火箭主任设计师魏远明介绍,本次执行任务的长七A遥五火箭,采用整流罩直径4.2米的构型,全箭高度60.1米,与2021年3月12日发射的遥二火箭高度一致。长七A火箭作为我国首型采用助推器与芯一级集束式分离技术的捆绑火箭,相比通常先分离助推器、再分离芯一级的方式,减少了一次分离环节,使火箭捆绑连杆结构更加简化。

四 | 同时,集束式分离也减少了一个助推器落区,整个组合体都在一个落区内,更加有利于控制火箭残骸落区。此次是长七A火箭第四次执行发射任务,火箭状态正在逐步固化,同时为进入高密度发射阶段提前准备。         当前行业主流端侧AI方案,普遍采用 “云端预训练 + 终端裁剪压缩” 技术模式,该方案已成熟应用于各类数字化场景。

五 | 但物理场景对AI系统提出了低延迟实时响应、离线独立运行、本地数据隐私安全等刚性要求,传统云端迁移式方案仍存在短板,行业亟需底层技术架构创新,支撑物理AI的规模化落地。

六 |          标准共建先行          在“端侧流式多模态模型赋能 AI 硬件爆发”分论坛上,Om AI联汇CEO兼首席科学家赵天成指出,物理世界实时、动态、高频的交互特性,决定了端侧AI不能是云端模型的“简易减法版”,须基于物理场景重构底层架构与运行逻辑。

七 | 魏远明介绍,型号队伍针对火箭技术设计进行了多项优化改进,在确保测试覆盖性的前提下,通过优化流程顺序、并行工作、合并测试等方法,将发射技术流程由32天缩减至26天。不仅如此,根据高轨卫星整体发展态势,以及高轨卫星配置大尺寸天线的迫切需求,长七A火箭未来还将研制5.2米整流罩的新构型,进一步提高火箭的任务适应性。(责编:赵竹青、高雷)

八 | “物理世界并非云端数字世界AI的简单延伸,端侧智能需要建立专属的架构思路、评估体系、安全框架和产业生态。

九 | ”          当前端侧AI产业面临硬件架构繁杂、接口标准不统一、软硬协同成本高等碎片化问题,与多元算力产业早期困境高度相似。         统一标准体系建设,成为推动端侧原生从实验室验证,走向规模化商用的关键抓手。         为此,论坛上发起《端侧多模态基座与AI硬件协同发展倡议》,倡议提出三个共建方向:一是共建端侧原生技术标准,推动评估体系、接口规范、安全框架标准化;二是共研软硬一体联合方案,推动模型-芯片协同、端云协同边界探索;三是共拓物理AI产业场景,推动重点赛道数据反馈机制与开放生态建设。

十 |          据悉,倡议面向全行业开放,旨在凝聚科研机构、硬件厂商、方案商、开发者和产业投资人力量,打破技术壁垒、消除行业孤岛,推动端侧AI产业规范化发展。         在嘉宾对话环节,行业资本从产业投资视角,剖析了消费端侧智能的爆发逻辑,明确核心行业判断:在通用算力底座日趋完善的当下,智能终端产业的核心稀缺资源,已转变为适配硬件迭代规律、支撑超低延迟实时交互的原生多模态能力,这也是AI PC、智能穿戴等终端硬件实现规模化普及的关键前提。         工业AI落地门槛          制造业AI落地,门槛不是模型有多强,而是数据能不能被读懂。一辆整车涉及上万个零部件,数据散落在数百个系统里,格式混乱、时序不同步是常态。         本届WAIC上,广域铭岛将“懂工业”的基因转化为数据治理壁垒,其平台内嵌的数据治理引擎可自动识别数百种工业协议,将杂乱数据转化为高质量资产;一线人员拖拽组件即可搭建预测性维护、根因分析等应用,不再依赖算法工程师。                   在数据基座搭建完成后,AI向上游渗透至最具挑战性的工艺环节。未来,智能体更像是懂业务的“数字行动者”——把确定性交给智能体,将创造力留给工程师。

十一 |          在国内某知名电器制造企业,库存分析智能体让全库检查效率提升99%,根因定位准确率达95%,库存管理从“人找问题”转向“问题找人”。         当云端AI在产线上完成数字化闭环,更深层的命题随之而来:如何让智能延伸到现实中的感知、思考和执行闭环。这正是行业参与者共同思考的问题。         从产业验证看,端侧AI已从可选升级变为刚需配置。

十二 | 在低空经济、海事作业等场景中,智能设备必须具备本地自主运行能力。         实践,是工业AI未来唯一的标尺。制造业AI落地,门槛从来不是模型有多强,而是数据能不能被读懂。

十三 | AI能力正在快速普及,但把AI能力组织成工作流、嵌入具体场景、最终变成商业回报,依然是一道很难跨越的专业壁垒。

Current article:http://bkk48h.cuiguagonggengaotianwan.shop/news/20260826_826573.html

Published on:09:23:32


文章观点支持

文章价值打分
当前文章打分0 分,共有0人打分
热门评论
热门文章