Category: ICT-Information and Communication Technology
-
行业数字化+私有云架构模式
今天去拜访参观了交大的更多的单位，有一个初步的感受就是各个行业的数字化可以进行一定的应用模式抽象，形成行业的私有云架构（IAAS, PAAS, SAAS）的产品系统体系，这样同样的行业可能可以省去更多的重复的研发活动。 云计算底层的IAAS层差别不大，主要是硬件基础设施（计算节点，GPU，网络，存储等硬件资源设施）+云操作系统等底层软件环境。PAAS层可能差异比较大，如音视频流媒体服务的音视频的RTC服务中间件，智能驾驶的中间件等根据行业方向不同可以按需研发和部署。SAAS差异也会更加的专业化，也会根据行业的不同差异比较大，比如面向教育行业，工业生产，智能驾驶，医疗系统，智能化农业等不同的应用。PAAS和SAAS是研发的重点，在智能化技术发展的新时期，也是信息产业革命中面向行业需要相关产业公司重点经营打磨的关键。 因此是否可以考虑面向行业，进行合理的建模抽象，将公共通用的业务逻辑按层次去搭建好面向行业的云系统产品。这样行业可以快速去部署，需要个性化的地方就去按需求再做定制开发，这样行业内存在几个有竞争力的企业已经足够。大大节省资源和提升效率。市场自发行为加上合理的统筹可能会效果更好，仅代表自己的观点，但感觉有一定的合理性。 感谢有机会和不同方向（网络，航空航天，计算机）的老师交流学习，后面也会专注一下自己的方向，践行一专多能的宗旨，拓展自己的认知边界。有新的想法就是大脑的养料，大脑也会常用常新，不断进步。 References
-
数字化工业生产-工业互联网+物联网的分层粗粒度架构（待更新）
云计算基础设施、物理传感器、智能数控机床、工业机器人流水线、生产资源调度优化系统、智能UI可以看成是工业互联网和物联网相关平台的分层架构。 其中云计算负责基础设施的建设，实现工业生产大数据和弹性计算支持，物理传感器支持智能计算的感知。如温度、振动等环境的感知（交大电院的老师有做短距离高精度的激光测量传感器的老师，硬件+FPGA）等。智控机床通过传感器对相关物理环境进行感知，输出更加精密的控制信号，相比传统机床而言会有更好的控制精度，可以达到丝级（0.01mm）甚至微米的精度，是精密制造的关键核心技术。 工业机器人流水线（如ABB的机器人机械臂，可编程，机器人根据生产任务需要进行选择）是工业物联网的重要组成部分，好的实施可以替代传统的人工流水线，可以将人类从重复的劳动中解放出来。 生产资源调度系统属于运筹优化的范畴，可以根据实际的业务及资源需求和供给情况进行优化配比计算，达到更高效的生产。（这一块属于运筹优化的范畴，可以抽象共享出面向不同问题的算法模式，针对类似或同样的问题，算法可以复用） 智能UI层（HCI，intelligent UI）这一层主要是与生产管理员（上位机等）+生产状态展示+其他展示所用，是最上层的界面展示和交互（包括资源配置，生产任务需求输入等） 可以根据需要合理选择云计算的基础架构技术栈，基于开源的openstack的集群节点限制在500以内，中小企业的私有云足够。面向更大的需求，可以选择大的IT公司资源的支持更多节点的云计算基础设施产品（如腾讯，百度，华为，新华三等）。 感谢交大电院和机动学院还有马克思主义学院的老师们的指导，期待后面有多方面的合作机会。
-
智能驾驶是一种数理过程及大模型发展方向趋势
AI的发展在近十年来迎来了高速的发展，深度学习的兴起，在计算机视觉，自然语言理解，语音智能等方面都相比传统信号处理方法或以及早期的机器学习算法有了长足的进步。 智能驾驶在近五年内也是一个竞争激烈的领域，一般智能驾驶以计算机视觉（周视摄像头，如在车子四周布置8个）、激光（lidar)、雷达等传感器对周围的物理世界进行感知以及将多个感知通道进行融合，然后将类似路径规划，决策控制等模块进行集成，形成一个大的以车子形态体现的机器人系统。 智能驾驶从本质上来看是一种数理过程的解释如下：摄像头对周围的物理空间进行感光，将获取到的图像（image，镜像）经过深度学习神经网络计算得出感知结果，最后会影响到车子的最终运动走向。从这个过程看，获取镜像是将周围的物理空间进行简化了的数字化，然后智能驾驶系统通过智能计算（AI）转化为最终的控制信号后改变车子的运动状态。这个过程是通过数字化的物理世界然后通过智能计算（应用数学，高维空间的数学计算，神经网络参数量很大，是个复杂的函数，维度很高）最终影响当前车子的运动状态的一个过程。具体表现在：1、数字化的物理空间状态和计算系统的物理硬件是融合的，在计算系统中，这些感知信号都表现为0和1的状态编码，在数字电路中可以理解为高电平低电平的电压状态，同时计算的逻辑也是将数学的计算逻辑通过硬件芯片来实现。因此信息空间（数字空间）和物理空间是充分融合在一起的。2、最终的计算结果转化为车子的控制信号，如加速度，转向，刹车等，通过这些信号改变车子的物理运动，宏观上等价于从外界给车子施加了一个特殊的力，这个力的产生溯源是一个复杂的数理过程，而不是简单的直接施加一个单一的力来起作用的。 这些AI的模型算法（集合）是算法工程师发明的，发明的过程是通过人脑创造出来的，也是通过一些生物电计算将物理的能量转化为这些数学计算的算法，后续加载了这些算法的智能驾驶系统又通过算法将改变现实世界的物理运动。因此可以说信息空间和物理空间存在着相互的融合和改变，说的夸张一点，这和中国古人的阴阳观点有相似，阴阳之间彼此耦合协调形成一个整体。 从这个过程来进行拓展和联想到我们人类，也可以看出相似性，不过一般人类将自己的行为当作理所当然，没有去思考罢了，甚至我们人类的这种机制很有可能更复杂，因为我们的四肢和五脏六腑的构造更为精密复杂，运动也更为复杂。 人类的智能还是有很大的挖掘空间的，毕竟机器人是人类自己创造出来的。早就听说过人的大脑就是个小宇宙，期盼着某一天人类的大脑能有更加清晰的全宇宙图景，去一步步改造宇宙，或者说宇宙自身由于人类的存在越来越和谐。 现在的机器人不仅仅在运动上表现出了较强的性能，在决策上，甚至在generative ai的创造上都有很不俗的表现，以后机器人也将会越来越自主，也更像人类的社会行为。引文为张亚勤老师的世界互联网大会的报告文字版链接，大模型技术正在向下面6个大的方向发展的摘要如下： References 附：新版更新于2025/06/12 智能驾驶是一种数理过程及大模型发展方向趋势
-
IT研发过程管理工具集锦
1、代码管理工具及相关研发过程管理工具 2、集成开发环境VSCODE 3、其他研发过程管理
-
云计算是各行各业数字化的基础设施
一个比较大的组织有可能有必要搭建自己的私有云，个人感觉有几个好处： 1、数据隐私保护，数据在自己的私有云平台，相对比较安全 2、数据容易可以随时扩充，保证了大数据的场景的可扩展 3、一个组织结构的数字化业务安全可持续 4、相对的付出为有专人的维护，专人的硬件设施，成本要和从其他公司购买要做一下对比和综合考虑。 做相关的云计算的专业课程的计划，借机快速熟悉云计算的技术栈和技术路线图，培养更多的专业性人才，学以致用，借此机会掌握相关云服务基础设施的搭建，为后面的数字化工程和相关横向项目做准备，是个不错的计划。 References