全球能源管理和自动化领域的数字化转型专家施耐德电气携手诺华(中国)生物医学研究中心和苏州诺华医药科技研发有限公司为其不动产和设施提供碳中和咨询服务,通过制定碳中和路径规划、可再生能源采购,以及电气化与数字化的可行性研究,为实现2025年诺华集团碳中和目标提供助力。对于双方此次合作,施耐德电气副总裁、服务业务中国区负责人陈蔚蔚表示,“作为可持续发展的创新引领者,施耐德电气依托大量行业洞察、丰富的可持续经验以及领先的数字化技术率先发布了碳中和服务解决方案,在一系列绿色能源管理与绿色智能制造相结合的落地解决方案的支撑下,将助力客户打破碳中和落地过程中的束缚与瓶颈,推动产业链实现高效和可持续。”

当前,全球各国减碳意愿愈发强烈、减碳趋势也愈加明显,越来越多的企业肩负起碳减排责任并制定可落地的碳中和路线图。但热情背后,企业如何制定合理的规划,让减碳目标与企业实际情况相吻合,才能为节能减排奠定坚实的基础。诺华是全球领先的医药健康企业,其中国区生物医学研究中心已获得绿色建筑的LEED铂金认证。其在精益化能源管理以及绿色可持续性发展上的先进性为行业所推崇。
作为碳中和行动先行者的施耐德电气,在碳减排上以“理念先行、融合主业、技术助力、伙伴协同”引领行业展开行动。在与诺华的合作中,施耐德电气碳中和服务涵盖“从咨询到落地”全面解决方案,帮助诺华上海及苏州的研发园区全面审视运维状态、挖掘减碳空间、全面提升能效以及可持续发展的能力:
“重塑”电力智慧单线图:多数用户都会面临传统电气系统图纸缺失或更新不及时的困扰,无法实时呈现准确的配电系统结构和设备参数,为电气系统更新及安全埋下隐患。因此,施耐德电气凭借ETAP电气系统设计软件助力用户实现数字化转型,通过数字孪生iSLD服务帮助用户构建数字化智能单线图。用户不但可以随时更新配电系统单线图,还可以通过调用自定义的配置文件查阅配电设备的各种参数及保护设定值,甚至可以通过版本功能保留配电系统每次改造的历史信息,以便追溯。数字孪生iSLD服务不仅可以实现单线图的数字化,时时保持单线图的准确性,还可以作为数字监控系统的基础平台。同时也为今后的电力系统分析构建了仿真基础信息,通过简单轻松的计算实现对未来改造方案的验证与优化,进而为未来接入分布式清洁能源就地消纳和零碳建筑实现提供计算依据,实现零碳清洁能源的时空转移,构建从绿色发电、绿电存储到绿色智慧用电的完整“源网荷储”新型电力系统;
“挖掘”更多减碳空间:以施耐德电气碳中和咨询服务为基础,凭借丰富经验、技术专长以及数字化智慧运维为诺华提供碳中和管理咨询、环境安全健康等领域全生命周期的一站式解决方案及服务。对其进行能源管理现状梳理、平台优化,以及数字化平台采样报告后,施耐德电气提供了全面、详细的能源消耗数据分析,并将因地制宜地提供实施节能的策略、建议,挖掘更多减碳空间;
以“云能效”数字化平台提供全面的能效数据透视并进行智能的分析,探寻可以进一步实现能效提升的可能性:利用云能效顾问对诺华进行能源数据和碳排放数据监视,提供定制化的能源管理分析报表,使用AI算法预测未来24h空调冷负荷趋势以及提供冷机开启策略建议,并实时监测空调、照明等多个用能系统和设备能效数据,利用智能诊断算法发现节能潜力并提供能效提升建议,从而挖掘更多减碳空间,保障碳减排计划的顺利实现。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
武汉大学研究团队提出DITING网络小说翻译评估框架,首次系统评估大型语言模型在网络小说翻译方面的表现。该研究构建了六维评估体系和AgentEval多智能体评估方法,发现中国训练的模型在文化理解方面具有优势,DeepSeek-V3表现最佳。研究揭示了AI翻译在文化适应和创意表达方面的挑战,为未来发展指明方向。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
参数实验室等机构联合发布的Dr.LLM技术,通过为大型语言模型配备智能路由器,让AI能根据问题复杂度动态选择计算路径。该系统仅用4000个训练样本和极少参数,就实现了准确率提升3.4%同时节省计算资源的突破,在多个任务上表现出色且具有强泛化能力,为AI效率优化开辟新方向。