Polycam’s latest update specifically targets the Architecture, Engineering, and Construction (AEC) industry by enhancing the app’s capabilities for capturing detailed scans of architectural spaces and structures. This makes it a valuable tool for professionals in the AEC field who need to quickly and accurately capture 3D models of buildings, rooms, and other architectural elements.

The app’s user-friendly interface allows users to easily capture scans by simply moving their smartphone around the desired object or space. Polycam’s advanced algorithms then process the images to create high-quality 3D models that can be exported in various file formats for further editing and sharing.

With Polycam, architects, engineers, and construction professionals can streamline their workflow by eliminating the need for expensive and bulky 3D scanning equipment. The app provides a cost-effective and efficient solution for capturing 3D scans on the go, making it ideal for on-site inspections, design presentations, and project documentation.

In addition to its AEC-focused features, Polycam also offers tools for measuring distances, annotating scans, and collaborating with team members in real-time. This makes it a versatile app that can be used for a wide range of applications beyond the AEC industry, including virtual reality experiences, digital art creation, and educational purposes.

Overall, Polycam’s latest update enhances its functionality as a powerful and accessible 3D scanning tool for professionals and enthusiasts alike, making it a valuable asset for anyone looking to easily create detailed 3D models using their smartphone.

La Citicorp Center, situata a Manhattan, è stata progettata dall’architetto Hugh Stubbins e dall’ingegnere strutturale William LeMessurier. Tuttavia, nel 1978, un giovane studente di architettura ha scoperto un grave errore di progettazione che metteva in pericolo la stabilità del grattacielo in caso di forti venti laterali.L’errore consisteva nel posizionamento delle travi di supporto, che non erano saldamente ancorate alle colonne portanti. Questo avrebbe potuto causare il cedimento della struttura in caso di venti troppo forti, mettendo a rischio la vita di migliaia di persone che lavoravano e vivevano nell’edificio.Una volta scoperto l’errore, LeMessurier ha immediatamente avviato una corsa contro il tempo per correggere la vulnerabilità della struttura. In segreto, ha coordinato un piano di riparazione che prevedeva il rinforzo delle travi con l’aggiunta di bulloni di acciaio e la sostituzione di alcuni elementi strutturali.Grazie alla tempestiva risposta dell’ingegnere e alla sua determinazione nel risolvere il problema, la Citicorp Center è stata resa sicura e stabile, evitando una potenziale tragedia. Questo episodio ha evidenziato l’importanza della supervisione costante e della prontezza nell’affrontare eventuali errori di progettazione nelle strutture architettoniche.

I nuovi bracci telescopici H2E di Niftylift sono progettati per ridurre le emissioni nocive durante i lavori di costruzione. Questi bracci telescopici sono alimentati da celle a combustibile all’idrogeno, che producono energia elettrica senza emettere gas nocivi nell’atmosfera. Questa tecnologia innovativa consente di ridurre l’impatto ambientale dei cantieri edili, contribuendo alla lotta contro il cambiamento climatico.

Le celle a combustibile all’idrogeno funzionano convertendo l’idrogeno in elettricità attraverso una reazione chimica. Questo processo non produce emissioni di CO2 o altri inquinanti atmosferici, rendendolo una fonte di energia pulita e sostenibile. Inoltre, l’idrogeno può essere prodotto da fonti rinnovabili, come l’energia solare o eolica, rendendo l’intero ciclo di produzione energetica a emissioni zero.

I bracci telescopici H2E di Niftylift offrono prestazioni eccezionali, con una capacità di sollevamento fino a X kg e un’altezza massima di X metri. Questi macchinari sono ideali per lavori in altezza, come la manutenzione di edifici, l’installazione di impianti fotovoltaici e la pulizia delle facciate. Grazie alla tecnologia all’avanguardia e all’efficienza energetica delle celle a combustibile, i bracci telescopici H2E garantiscono prestazioni elevate senza compromettere l’ambiente.

In conclusione, i nuovi bracci telescopici H2E di Niftylift rappresentano un passo avanti verso una costruzione più sostenibile e a emissioni zero. Questa tecnologia all’avanguardia dimostra che è possibile conciliare le esigenze del settore edile con la tutela dell’ambiente, aprendo la strada a un futuro più verde e pulito per l’industria delle costruzioni.

Un Indice dei Prezzi Potrebbe Chiarire i Costi Opachi del Noleggio di GPU per l’Intelligenza Artificiale

Chiedi cosa, se c’è qualcosa, sta frenando l’industria dell’IA e la risposta dipende molto da chi stai parlando. Ho chiesto a uno degli ex capi dei dati di Bloomberg, Carmen Li, e la sua risposta è stata “trasparenza dei prezzi”.

Secondo Li, l’incapacità della maggior parte delle piccole aziende di IA di prevedere quanto dovranno spendere per il privilegio di noleggiare del tempo su una GPU per addestrare i loro modelli rende le loro attività imprevedibili e ha reso le aziende di finanziamento dell’IA inutilmente costose. Ha fondato la startup Silicon Data per creare una soluzione: il primo indice dei prezzi di noleggio a livello mondiale per una GPU.

Quell’indice dei prezzi di noleggio, chiamato SDH100RT, è stato lanciato oggi. Ogni giorno, elaborerà 3,5 milioni di punti dati da più di 30 fonti in tutto il mondo per fornire un prezzo medio di noleggio spot per l’utilizzo di una GPU Nvidia H100 per un’ora. (“Prezzo spot” è ciò che una merce da consegnare immediatamente viene venduta in quel momento.)

“Credo davvero che il calcolo sarà la risorsa più grande per l’umanità nei prossimi anni”, dice Li. “Se la mia tesi è corretta, allora sarà necessaria una gestione del rischio più sofisticata.”

Secondo Li, un tale indice porterà a strumenti di intelligenza artificiale più economici e più opportunità per un numero più ampio di attori che vogliono entrare nell’industria dell’IA. Come si passa da un indice a tutto questo? La storia di origine di Silicon Data aiuta a spiegarlo.

US $1.04: Vantaggio di prezzo di noleggio per le GPU Nvidia H100 sulla costa orientale degli Stati Uniti rispetto a quelle sulla costa occidentale.

Fino all’inizio dell’anno scorso, Li era responsabile dell’integrazione globale dei dati presso Bloomberg. In quella posizione ha incontrato diverse piccole aziende che stavano cercando di offrire prodotti dati alimentati dall’IA, e molte di esse stavano lottando con lo stesso problema. Potevano offrire il loro prodotto solo a una tariffa fissa, ma il costo del tempo della GPU di cui avevano bisogno era imprevedibile. Di conseguenza, anche i margini di profitto lo erano.

Con materie prime tipiche come l’energia, le aziende possono pianificare queste oscillazioni conoscendo le tendenze storiche e coprendosi con prodotti finanziari come i contratti futures. Ma questo non esisteva per la principale materia prima dell’IA, il tempo su una GPU. Quindi Li si è impegnata a creare le basi per quei prodotti, e il risultato è l’indice dei prezzi SDH100RT.

Ha scelto di indicizzare la Nvidia H100, perché è la GPU più diffusa ed è utilizzata per addestrare nuovi modelli di IA. Tuttavia, è in fase di sviluppo anche un indice dei prezzi per le Nvidia A100, che affrontano molte attività di inferenza. E ha sviluppato un metodo che determinerà quando ha senso indicizzare i prezzi per altre chip di IA, come quelli di AMD e della serie Blackwell di Nvidia.

Insights e Curiosità dai Dati

Anche se è stato lanciato oggi, Silicon Data ha monitorato i prezzi di noleggio delle GPU per mesi. Come ci si potrebbe aspettare, avere una finestra sul prezzo dell’addestramento dell’IA ha rivelato alcuni interessanti spunti. Quello che segue sono alcune cose che Li ha scoperto. (Ha pubblicato queste analisi regolarmente da settembre scorso.)

La costa orientale domina! La costa occidentale sbava: Il prezzo di noleggio H100 è molto stabile negli Stati Uniti, ma c’è un persistente vantaggio sulla costa orientale. A marzo si poteva ottenere un’ora di lavoro da un H100 sulla costa orientale per 5,76 dollari. Ma quella stessa ora ti costerebbe 6,80 dollari sulla costa occidentale.

I chip degli iperscalatori aiutano: L’incursione di Amazon Web Service nella progettazione dei propri chip e server ha abbassato i prezzi per i clienti del gigante del cloud. Secondo Silicon Data, a circa 4,80 dollari l’ora il prezzo medio per unità per GPU per il Trainium2 di AWS è inferiore alla metà del prezzo per l’utilizzo di una Nvidia H100. I chip di prima generazione Inferentia e Trainium si attestano entrambi a meno di 1,50 dollari l’ora, che è inferiore alla metà del prezzo del cavallo di battaglia dell’inferenza di oggi, la Nvidia A100. Tuttavia, si ritiene che gli H100 siano l’unica opzione per l’addestramento di modelli all’avanguardia, quindi le loro prestazioni potrebbero giustificare il costo aggiuntivo.

L’effetto modesto di DeepSeek: Lo shock di Deepseek di gennaio ha fatto poco al prezzo di noleggio spot. Forse ricorderete che le prestazioni e il basso costo di addestramento segnalati degli LLM di DeepSeek di Hangzhou hanno sorpreso molti e hanno mandato in fibrillazione le azioni correlate all’IA. “Quando è uscito DeepSeek, il mercato è impazzito”, dice Li. “Ma il prezzo spot non è cambiato molto.” Al debutto di DeepSeek il prezzo dell’H100 è salito leggermente a 2,50 dollari l’ora, ma era comunque nell’intervallo di 2,40-2,60 dollari l’ora dei mesi precedenti. Poi è sceso a 2,30 dollari l’ora per gran parte di febbraio prima di iniziare a salire di nuovo.

Intel è più esclusivo di AMD: Le GPU sono sempre sotto il controllo delle CPU, di solito in un rapporto 4:1. E il mercato per quel posto CPU è conteso tra Intel e AMD. (Nvidia fa anche la propria CPU, chiamata Grace.) Ma sembra che i clienti siano disposti a pagare un po’ di più per i sistemi alimentati da Intel. Per i sistemi Nvidia A100, quelli con CPU Intel hanno raggiunto circa il 40 percento in più rispetto a quelli con processori AMD. Per l’H100, l’effetto dipendeva dalla tecnologia di interconnessione coinvolta. Se un computer utilizzava SXM o PCIe come collegamenti, Intel otteneva un prezzo più alto. Ma per quelli che utilizzavano lo schema di interconnessione NVLink di Nvidia, AMD otteneva il premio.

La Commodity dell’IA

Si può davvero ridurre il prezzo dell’IA a un singolo numero? Dopotutto, ci sono così tanti fattori coinvolti nelle prestazioni di un computer e nella sua utilità per un cliente specifico. Ad esempio, un cliente potrebbe essere in fase di addestramento con dati che, per motivi legali, non possono attraversare i confini internazionali. Quindi perché dovrebbero preoccuparsi del prezzo in un altro paese? E, come chiunque abbia esaminato i principali risultati di riferimento del machine learning, MLPerf, può vedere, le prestazioni della stessa GPU Nvidia possono variare ampiamente a seconda del sistema in cui si trova e del software in esecuzione.

Secondo Li, la visione della merce può funzionare. L’indice di Silicon Data normalizza tutte queste differenze e attribuisce diversi pesi a cose come quanto un data center partecipa al mercato del noleggio, la sua posizione, le sue fonti di dati e molte altre cose.

La più grande approvazione dell’idea dell’IA come merce arriva dal CEO di Nvidia Jensen Huang. Al grande evento per sviluppatori dell’azienda, GTC, ha spinto a pensare ai data center come “fabbriche di IA” il cui output sarebbe misurato in quanti token, la più piccola unità di informazione che un LLM utilizza, possono produrre al secondo.

Differenze ingegneristiche tra leghe di alluminio serie 5000 e 6000

Introduzione

Panoramica sulle leghe di alluminio

Le leghe di alluminio sono materiali molto utilizzati nell’industria moderna grazie alla loro leggerezza, resistenza alla corrosione e buona conducibilità termica ed elettrica. Tra le varie serie di leghe di alluminio, le serie 5000 e 6000 sono particolarmente importanti per le loro applicazioni ingegneristiche.

Importanza delle leghe di alluminio serie 5000 e 6000

Le leghe di alluminio serie 5000 sono note per la loro resistenza alla corrosione e sono spesso utilizzate in applicazioni marine e chimiche. Le leghe di alluminio serie 6000, invece, sono conosciute per la loro buona saldabilità e resistenza meccanica, rendendole ideali per applicazioni strutturali.

Proprietà meccaniche e chimiche

Composizione chimica

La serie 5000 contiene principalmente magnesio come elemento di lega, mentre la serie 6000 contiene magnesio e silicio. Queste differenze nella composizione chimica influenzano significativamente le proprietà meccaniche e la lavorabilità delle leghe.

Proprietà meccaniche

Le leghe serie 5000 hanno una resistenza allo snervamento più bassa rispetto alle leghe serie 6000, ma sono più duttili. Le leghe serie 6000, grazie alla presenza di silicio, possono essere trattate termicamente per ottenere una maggiore resistenza meccanica.

Serie	Composizione chimica	Resistenza allo snervamento (MPa)	Esecuzione
5000	Al, Mg	80-200	Buona resistenza alla corrosione
6000	Al, Mg, Si	130-310	Buona saldabilità e resistenza meccanica

Applicazioni pratiche

Settori di utilizzo

Le leghe di alluminio serie 5000 sono comunemente utilizzate nell’industria chimica, petrolchimica e nella costruzione di serbatoi. Le leghe serie 6000 trovano applicazione nella costruzione di strutture aeronautiche, automotive e nell’ingegneria civile.

Casi studio

Un esempio di applicazione delle leghe serie 5000 è nella costruzione di navi cisterna per il trasporto di sostanze chimiche corrosive. Per le leghe serie 6000, un caso studio interessante è la loro utilizzo nella realizzazione di ponti e strutture portanti nell’edilizia.

Innovazione e sinergie

Nuove tecnologie

Recentemente, sono state sviluppate nuove tecnologie di trattamento termico e di lega che hanno migliorato le proprietà delle leghe di alluminio serie 5000 e 6000. Queste innovazioni hanno ampliato le possibilità di utilizzo di questi materiali.

Integrazione con altre tecnologie

Le leghe di alluminio possono essere integrate con altre tecnologie come la bioingegneria e i sistemi di energia rinnovabile. Ad esempio, strutture in alluminio possono essere utilizzate per supportare pannelli solari o turbine eoliche.

Analisi economica e valutazioni costi-benefici

Costi di installazione

I costi di installazione delle strutture in leghe di alluminio serie 5000 e 6000 variano a seconda dell’applicazione e della complessità del progetto. In generale, le leghe di alluminio offrono un buon rapporto qualità-prezzo rispetto ad altri materiali.

Efficienza e rendimento

Le strutture in alluminio offrono una lunga durata e bassa manutenzione, il che si traduce in un rendimento economico positivo nel lungo termine. La resistenza alla corrosione e la leggerezza contribuiscono a ridurre i costi operativi.

Conclusione e riflessione critica finale

Sintesi delle potenzialità e limiti

In sintesi, le leghe di alluminio serie 5000 e 6000 offrono una combinazione unica di proprietà che le rende ideali per una vasta gamma di applicazioni ingegneristiche. Tuttavia, è importante considerare i limiti legati alla temperatura di fusione e alla resistenza a certi tipi di corrosione.

Visione etica e sostenibile

Dal punto di vista etico e sostenibile, l’utilizzo di leghe di alluminio può contribuire a ridurre l’impatto ambientale grazie alla loro riciclabilità e alla possibilità di essere prodotte con processi a basso impatto ambientale.

Per Approfondire

• Associazione internazionale dell’alluminio
• Organizzazione internazionale per la standardizzazione
• American Society of Mechanical Engineers
• Rivista Ingegneria
• Associazione italiana di diritto del lavoro e della previdenza sociale
• Università della California