Search
開發 #AI模型 想提升 #GPU使用率，
#AI基礎設施管理 如何開始？
📣透過 #Kubernetes 創建 #容器 的訣竅，
#數位無限 AI-Stack 知道
讓你用GPU搞AI更有效率！
👉https://www.infinitiessoft.com/
📌近二十年軟體開發經驗、產品成熟即裝即用、定期更新版本
📌業界領先 #Nvidia 推薦最佳首選AI計算管理平台
📌獲得多所頂尖大學、半導體公司、各級政府單位、公用事業導用
📌AI-Stack平台內建多種AI Framework
📌一分種開啟容器立即連結Jupyter Notebook與Tensorboard
解決AI開發與資源管理流程麻煩，
就交給 #Infinities 數位無限團隊
📞來電諮詢：(02) 2656-5656 #151 陳先生/(02)2656-5656#161張小姐
#最佳IT代理商零壹科技代理
為什麼說製造業是AIoT落地的“最短路徑”？這場盛會告訴你答案~
來源：物聯網智庫2019.08.05
如果要問2019年物聯網圈的熱門詞彙有哪些？AIoT必須擁有姓名！
AIoT即AI+IoT，指的是人工智慧技術與物聯網在實際應用中的落地融合。一方面，IoT所產生的龐雜資料只有AI才能夠有效處理；另一方面，對於AI至關重要的資料也只有IoT能夠源源不斷的提供，
經過數十年摸索，越來越多的行業及應用將AI與IoT結合在了一起，AIoT已然成為包括製造業、交通、建築、能源、電力、教育、物流、零售在內的各大傳統行業智慧化升級的必由之路。
但是，轉型和升級是一條漫漫長路，許多行業眼望著AIoT的時代紅利而跟不上步伐，而有些行業已經領跑在這條智慧化賽道的最前端。從當前來看，搭上AIoT這趟快速列車的領跑者非製造領域莫屬。為什麼這麼說？因為AIoT的本質在於通過人工智慧技術分析物聯網收集的資料，從而產生洞察，而製造領域恰恰為AIoT價值果實的成長提供了最為肥沃的“土壤”。
舉例來說，工廠裡的每一台設備都是一個塞滿資料的寶箱，每一條產線都是一條流淌著資料的小河，多年生產經營活動的歷史文本更是一個堆滿資料的圖書館。根據思科統計，採礦業的操作每分鐘可以生成高達2.4 TB的資料，而每個便利店每小時產生0.01 TB資料，每個汽輪機每小時產生0.4 TB資料，每個自動化工廠每小時產生1 TB資料，每個海上鑽井平臺每小時產生1-2 TB資料。
隨著聯網設備規模的迅速擴大，工廠所產生資料規模正以極高的速度發生“膨脹”。過去，這些資料往往因為人工處理效率的低下而被白白浪費；而AIoT的出現恰如其時，讓傳統製造業企業能夠真正的將固有資料價值最大化，真正開啟數位化轉型之路。
如今，AIoT技術已經在製造領域得到了廣泛的應用：
■ 簡化設計模擬：當前的模擬系統要求使用者對模擬優化演算法和模擬建模工具有較深的瞭解，非模擬專業人員很難優化大量運行參數，利用AI可以幫助設計人員快速做出選擇。比如吉利，原本需要經過很多次的汽車碰撞實驗，現在通過AI技術可以大大縮短模擬時間。
■ 助力數位化排產：工廠中排產過程必不可少，排產的特性是小批次、多邊界、多約束，而人工考慮的約束條件常常是不完善的，所以導致排產效率較低，AIoT可以很好的解決這一問題。比如上汽在傳統衝壓車間，將手工排產轉變成數字排產，減少了物料的存放，快速回應了生產需求，提高了生產效率。
■ 預防性維護：數位化雙胞胎借助安裝在實體工業設備上的感測器資料和模擬手段來映射產品的即時狀態、工作條件或位置，用於預防性維護。GE公司管理的數位風場，就是利用了這樣的技術，預先發現問題，能夠提升20%的效率。
■ 優化供應鏈：製造企業的產品銷售很多是經過代理商的，難以直接獲得最終使用者的情況，AIoT技術在此過程中能起到很好的助力。聯想利用全球資料中心掌握的資料，根據國際市場狀況，與寶鋼合作建立了鋼鐵的銷量預測系統，預測精度是92.2%，庫存周轉期減少20%。
■ 更多新的應用、新的場景、新的模式正被工業製造的創新者不斷開創、挖掘、實踐......
面對AIoT的新藍海，工業領域的傳統巨頭們自然不會“甘於人後”。
西門子正在與華潤電力合作，通過AI技術，幫助華潤電力實現發電機組的數位化連接、提高機群透明度，進行資產診斷和運營優化，從而幫助提高電廠的運營效益，由此建成了中國首個數位化電力遠端運營中心。
施耐德電氣推出了首個專注於變頻系統業務的人工智慧機器人 “小嚴”，“小嚴”基於自然語言識別技術，增加了專注變頻系統相關專業知識，將以嵌入施耐德電氣變頻顧問的形式，24小時全天候線上回應使用者關於變頻系統業務的諮詢需求。
研華科技為實現物聯網與人工智慧時代下運算力決定AIoT效能的需求，將攜手英偉達提供從端到雲的AI解決方案，將人工智慧與物聯網中的各項技術及智慧系統進行充分融合，提高AIoT的高運算表現，加速產業智慧落地。
PTC則於今年的LiveWorx數位化轉型大會上推出了集成AI技術的Vuforia引擎8.3版，該引擎能夠利用AI技術提高目標識別功能，提高3D AR模型定位的準確性（即使在光線不好的情況），以及更自然的AR用戶交互。
霍尼韋爾Tridium推出開放式軟體框架平臺——Niagara Framework?，它可用于開發、集成、連接和管理眾多的物聯網協定、網路、智慧設備與系統。經過20年積累實踐，Tridium已有超過80萬套技術平臺在不同領域穩定運行，包括智慧建築、基礎設施管理、工業控制、連鎖商業、安防、智慧電網、能源、製冷、暖通空調等。
資料來源：http://i4.cechina.cn/19/0805/11/20190805112337.htm
《文茜的世界財經周報：工業4.0系列報導》
【當人類流行簡單思考時，人工智慧正走向深度思維：谷歌的"海馬迴" Alpha Go敗韓國棋王 深度思維一戰成名 谷歌購併深度思維 數據與財力完美結合 】
人類可以繼續的爭吵，但有一個東西正在超越我們，那就是DeepMind。Alpha Go打敗韓國棋王李世石，就是DeepMind。Google所擁有的DeepMind這樣的一個人工智能，不斷不斷的發展，人類遠遠的被拋在後頭，這是個根本不可能阻止的未來。一個人工智能時代必然來臨，有些人需要再教育，有些人在現在要趕快加緊的學習，國家應該早一點認識這個問題，而不是在傳統的泥沼中，你爭我奪，不斷的咒罵。或是用一些特殊的方法，暫時躲過一個時間，或是創造一段時間的繁榮。事實上人工智能，它將永久的改變人類的歷史，而且一定會發生在我們這個世代。
當Alpha Go打敗韓國棋王李世石的那一刻，外界第一次聽說了深度思維(DeepMind)這間公司。
坐落在倫敦國王十字車站旁一間不起眼的大樓，沒有出過任何商業產品的小AI(人工智慧)公司，卻吸引科技圈兩大豪門臉書和谷歌爭搶收購。最後谷歌贏了，2014年1月，以6.6億美元購併了深度思維。已經在機器學習和人工智慧領域已經是佼佼者的谷歌，花了點零用錢買來人工智慧研發團隊到底想要增加什麼競爭力? 經濟學人用"谷歌的海馬迴"，來形容深度思維的價值。
深度思維創辦人哈薩比斯說，「我想整個社會下一個重大挑戰，是如何處理海量的數據，從方方面面收集來的，不管是醫療、經濟還是氣候等等，我們希望能夠搞懂這些數據代表的意義，找出這些數據背後隱藏的規則架構，讓我們可以解決想解決的問題。」
深度思維強大的運算技術和Google擁有的海量資料，成就了一樁完美的結合。深度思維取得Google龐大的計算資源，Google的財力足以支持深度思維DeepMind高昂且週期漫長的研發支出。如果財力一般的企業收購深度思維，恐怕需要盡快實現盈利，但納入Google大旗讓深度思維可以專注開發人工智慧。而且深度思維辦公室在倫敦，與矽谷的Google總部之間有著"安全距離"，讓深度思維能夠擁有更多實際控制權。
雖然在2015年10月之後，Google成立 Alphabet母公司，將旗下搜索、影音和其他網路子公司以及研發投資部門，全部分割成為利潤中心，各事業體需要各自商轉維持營運，但深度思維的價值超乎帳面數字，遠比想像中更深遠。最直接收益是深度思維對Google和Alphabet在AI爭奪戰中的戰略優勢、鎖住頂尖AI人才，深度思維擁有400名電腦科學家和腦神經科學家，未來可能擴大到千人規模。
不僅如此，深度思維也給Alphabet帶來了威望。收購以來深度思維兩度登上權威科學期刊《自然》雜誌封面，2016年3月Alpha Go一戰成名後所吸納的大眾關注，都讓Google覺得這筆錢花的值得。
除了人才和曝光度兩個附加價值之外，納和公眾關注兩個方面外，DeepMind的戰略意義恐怕還不止於此。儘管尚未研發出相當人類水準的人工智慧產品，深度思維的學習軟體也幫助了Alphabet其它的業務。
Google就在2016年7月宣佈 深度思維軟體成功讓資料中心冷卻電力節能五分之二，深度思維的部分研發專案也可以用於能源基礎設施管理、醫療系統和潔淨水源的改進。
2016年11月，深度思維就拿下了一個有營收的數據合同，與英國健保體系醫療機構Royal Free London簽下五年合約，處理該院170萬名患者的醫療記錄。先前也拿到了分析另外兩家倫敦醫院資料庫的許可，深度思維軟體運算約百萬份視網膜掃描，找到退化性眼部疾病的早期症狀，以及判讀頭頸部癌症圖像，軟體學會區分健康細胞和癌細胞的不同。
深度思維的鬼才創辦人哈撒比斯(Demis Hassabis)將長遠目標定為解決智慧的難題，如果能成功創造出人機通用的AI產品，固然將對母公司Alphabet帶來莫大意義，但目前深度思維的研究項目還不能做為一家有商業模式的公司，哈撒比斯將研發週期訂為20年，並以"讓機器跟人類一樣思考"做為目標，希望打造一個演算法工廠以及 AI人才庫，成為Alphabet的最重要資產之一。雖然深度思維未來可能無法只利用AI程式解決複雜問題創造大量營收，但其軟體分析資料的成果，已經足夠讓Google降低營運成本，並且解決機器學習問題，當初那筆戰略收購已經值回票價。
ai基礎設施管理 在 #ai基礎設施管理 - Explore | Facebook 的推薦與評價
開發#AI模型想提升#GPU使用率， #AI基礎設施管理如何開始？ 透過#Kubernetes 創建#容器的訣竅， #數位無限AI-Stack 知道讓你用GPU搞AI更有效率！ ... <看更多>