νέα

Ένα φόρουμ για θέματα που σχετίζονται με επιχειρήσεις στην περιοχή Greater Bay Area που προσβλέπουν στην ενδυνάμωση μεγάλων μοντέλων πραγματοποιήθηκε στο Shenzhen

2024-08-12

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Δίκτυο ειδήσεων Shenzhen, 12 Αυγούστου 2024 (Ρεπόρτερ της Shenzhen Special Zone News Li Li) Το απόγευμα της 11ης Αυγούστου πραγματοποιήθηκε το θεματικό φόρουμ "Εφαρμογή μεγάλων μοντέλων στη βιομηχανική κατασκευή: Είναι πραγματική ζήτηση ή ακολουθεί τυφλά την τάση;" στο Συνεδριακό Κέντρο του Πανεπιστημίου Shenzhen που πραγματοποιήθηκε στην εκδήλωση, μελετητές και ειδικοί του κλάδου από την ευρύτερη περιοχή του κόλπου διεξήγαγαν σε βάθος συζητήσεις σχετικά με την αξία εφαρμογής και τη μελλοντική κατεύθυνση ανάπτυξης της τεχνολογίας μεγάλων μοντέλων, καθώς και πώς να ενδυναμώσουν την «έξυπνη βιομηχανική παραγωγή. "

Σύμφωνα με αναφορές, το φόρουμ εγκαινιάστηκε από κοινού από το China Computer Society Youth Computer Technology Forum·Shenzhen και το Shenzhen Information Industry Association, προσελκύοντας ειδικούς από το Πανεπιστήμιο Tsinghua, το Guangming Laboratory, το China General Nuclear Power Research Institute, το Skyworth, το Lipu Intelligent Manufacturing και Συμμετείχαν εκπρόσωποι CSOT από 48 πανεπιστήμια, επιχειρήσεις και ερευνητικά ιδρύματα, με τους Qi Shuhan και Wu Yulin από το Τεχνολογικό Ινστιτούτο Harbin (Shenzhen) και τον Zhang Haigang από το Επαγγελματικό και Τεχνικό Πανεπιστήμιο του Shenzhen.

Σύμφωνα με αναφορές, η Greater Bay Area, ειδικά το Shenzhen, έχει γερές βάσεις για τη βιομηχανική παραγωγή, συμπεριλαμβανομένων ενός μεγάλου αριθμού μικρών και μεσαίων επιχειρήσεων, που όλες προσβλέπουν στην επίτευξη αλματώδη ανάπτυξη με τη βοήθεια μοντέλων μεγάλης κλίμακας τεχνολογία. Αυτό το φόρουμ στοχεύει να προωθήσει τη συνεργασία μεταξύ του ακαδημαϊκού κόσμου και της βιομηχανίας τόσο από την προσφορά όσο και από την πλευρά της ζήτησης της βιομηχανικής παραγωγής, να παρέχει προτάσεις για μεγάλης κλίμακας βιομηχανική αναβάθμιση με ενδυνάμωση μοντέλων, να επιτύχει μείωση κόστους και βελτίωση της αποδοτικότητας για τις επιχειρήσεις και, στη συνέχεια, να πρωτοστατήσει στην Ευρύτερη Bay Area και να αναλάβει ηγετικό ρόλο στην προώθηση νέας ποιότητας Εκλαΐκευση, εφαρμογή και καινοτόμο ανάπτυξη της παραγωγικότητας.

Ο Liang Xiaojun, συνεργάτης ερευνητής της ομάδας βιομηχανικής νοημοσύνης του Εργαστηρίου Pengcheng, είπε ότι το τρέχον βιομηχανικό Διαδίκτυο δεν ενισχύει πλήρως τα υποκείμενα συστήματα βιομηχανικού ελέγχου, με αποτέλεσμα περιορισμένες βελτιώσεις στη βιομηχανική νοημοσύνη σύστημα ελέγχου, αδύναμες δυνατότητες υποστήριξης βιομηχανικών δεδομένων και συστήματα εκτέλεσης βιομηχανικής παραγωγής. υλικό, εφαρμογές δικτύου και δοκιμές και επαλήθευση, και να διαμορφώσει ένα νέο βιομηχανικό πρότυπο σύστημα Διαδικτύου που οδηγεί στην ανάπτυξη βιομηχανικών πλατφορμών Διαδικτύου.

Ο Li Wenxian, αναπληρωτής κοσμήτορας της Σινο-Γερμανικής Σχολής Ευφυούς Κατασκευής στο Τεχνολογικό Πανεπιστήμιο Shenzhen, επεσήμανε ότι τα μεγάλα μοντέλα έχουν τα πλεονεκτήματα της βελτίωσης της αποτελεσματικότητας, της βελτίωσης της ποιότητας και της ευέλικτης παραγωγής μοντέλο, βελτιώνοντας την ικανότητα γενίκευσης του μοντέλου και ενισχύοντας τα προστατευτικά μέτρα και την ανάπτυξη νέων δεοντολογικών οδηγιών και κανονισμών για την αντιμετώπιση αυτών των αναδυόμενων τεχνολογιών. Επιπλέον, θα διερευνηθεί σε βάθος η διασταύρωση της ρομποτικής με άλλα πεδία, όπως η χρήση μεγάλων μοντέλων για τη διεξαγωγή πιο περίπλοκων προσομοιώσεων και προβλέψεων σεναρίων, προωθώντας έτσι την πρακτική εφαρμογή και την κοινωνική αποδοχή της ρομποτικής.

Αντιμέτωποι με την ανάγκη εφαρμογής μεγάλων μοντέλων στις επιχειρήσεις, ορισμένοι μελετητές πρότειναν ότι αντί να βασίζονται αποκλειστικά σε εσωτερικούς πόρους, είναι καλύτερο να χρησιμοποιούνται εξωτερικοί πόροι και δυνάμεις όπως ο ακαδημαϊκός κόσμος ή τα επιστημονικά ερευνητικά ιδρύματα για την προώθηση της εφαρμογής μεγάλων τεχνολογιών μοντέλων στις επιχειρήσεις. , ενισχύοντας έτσι την ανταγωνιστικότητα. Ορισμένοι μελετητές πιστεύουν ότι δεν χρειάζεται να είμαστε πολύ ενθουσιώδεις για την τεχνολογία μεγάλων μοντέλων, ούτε θα πρέπει να θεοποιηθεί η καλή προετοιμασία δεδομένων μπορεί να αποτελέσει τη βάση για την εφαρμογή διαφόρων τεχνολογιών στο μέλλον.