日前,由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,携手宁德时代、星星充电、隆基绿能主办,清华四川能源互联网研究院、中国能源网作为合作机构全程参与的“绿色能源管理创赢计划”第二季首次线下“碳中和”主题生态活动于常州星星充电顺利落幕。经过近2个月与专家导师、一线客户及生态伙伴的交流沟通,11家入营企业齐聚龙城,展开首次实地走访实践,进行深入研讨交流和阶段性成果汇报,共享绿色创新理念,共助碳中和。
本次活动不仅为入营企业搭建了面对面线下深入沟通的机会,还以“碳中和”为主题,为入营企业带来了一场思想盛宴。在题为《助力双碳计划、实现可持续发展》的主旨演讲中,施耐德电气可持续发展咨询经理姜朝野表示:“碳中和是一项系统性工程,首先需要厘清方向、制定切实可行的目标,再制定详细的减碳计划。为帮助企业切实落地碳中和,施耐德电气秉持‘以终为始,从场景出发’的理念,推出绿色能源管理‘一顶四柱’咨询引领的整体解决方案,即碳中和(暨可持续发展)战略咨询、电力资产健康服务、电能质量优化服务、数字能效服务、微网优化服务。我们希望从顶层规划开始,帮助企业去做更精细、更经济的一系列规划及可落地数字化创新技术方案,使企业的碳中和减碳之路更加高效。”
面对能源转型带来的技术与成本压力,星星充电云BD美丽充投建管理总监张威认为:“通过数字化、智能化技术提高能源的使用效率、降低能源的生产和交易成本是破局关键。而星星充电正在做的便是,秉承‘光储充放,绿能交易’的原则,通过构建从生产到交易,从调度到消纳的‘云-管-端’能源生态,让能源的生产和运输‘更聪明’,助力能源供给清洁化、产业发展绿色化、交通出行电动化、城市建设节能化。”
(星星充电云BD美丽充投建管理总监张威)
碳中和目标下,进行碳管理是企业构建低碳发展能力的重要一环。活动现场,两家“创赢计划”校友企业围绕“碳管理”为入营企业带来倾情分享。DNV数字化转型总监郁杰介绍:“企业要实现碳中和需要经过三个关键步骤:首先,通过碳排查、碳核算,找好基准线;其次,通过数据收集、情景分析和模拟,规划脱碳路径和减排目标;第三,碳中和项目实施以及后续认证。”在此进程中,碳资产是重要的市场减排工作。江苏擎天工业互联网有限公司副总经理仇卫文,则向与会企业分享了数字化碳管理与核查产品的实际应用场景与最新实践。
活动期间,经过破冰互动以及课题方向讨论后,入营企业拓深科技联合创始人钱伟感慨表示:“创赢计划为我们提供了一次真正意义上的创新之旅。我们不仅可以锁定创新方向,结合具体的项目了解客户真正的痛点和需求,通过项目立项到最终落地,纵向提升自身技术创新水平的同时,还可以通过横向关联其他项目组的创新话题,逐渐搭建生态创新的理念与能力,实现1+1>2的协同效果。”
此外,与会嘉宾还一同参观了星星充电光储充放一体化充电站及企业展示中心,学习了解星星充电作为移动出行充电领域领军企业的战略规划与重要创新成果。
数字技术与能源产业的深度融合,是实现碳中和目标的关键所在,立足“真实场景”的技术创新,是行之有效的重要路径。施耐德电气期待通过“绿色能源管理创赢计划”,与来自产业链不同领域、拥有数字化技术专长、怀揣推动能源转型志向伙伴一起,展开立足真实场景的联合创新,为推动碳中和目标的最终达成创造价值、贡献力量!
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。