2月25日,以“数字引领 绿色发展”为主题的第二届中国数字碳中和高峰论坛在四川省成都市举行。作为行业影响力盛会,中国数字碳中和高峰论坛由中央网信办、生态环境部、国家发展改革委,四川省委网信办、经济合作局,成都市人民政府等共同主办。开幕式暨主论坛上,中央网信办副主任、国家网信办副主任盛荣华,生态环境部应对气候变化司司长李高,中国互联网发展基金会理事长王秀军等发表致辞。

当天,由中国互联网发展基金会与中华环保联合会联合开展的“2022数字碳中和案例征集活动”年度评选结果正式揭晓。其中,紫光股份旗下新华三集团提报的“零碳智慧园区之紫光股份智能工厂”案例成功入选,充分彰显了新华三在推动数字碳中和和绿色可持续发展过程中的创新实力和突出价值。

紫光股份智能工厂成功入选 “2022数字碳中和案例征集活动”年度案例
拥抱“双碳”时代,打造节能减排行业标杆
作为一场广泛而深刻的经济社会系统性变革,实现碳达峰和碳中和是我国一项重大战略决策。在“双碳”战略和“数字浙江”目标指引下,新华三集团一直致力于积极探索具有中国特色的双碳演化路径。紫光股份智能工厂是双碳时代下节能减排领域的标杆案例,也是新华三在零碳智慧园区建设中的典型代表。

紫光股份智能工厂数字化和绿色化转型进程中,新华三集团充分发挥自身优势,同时集结行业生态资源,以新华三数字大脑为核心底座,整合物联、视频、5G、云计算、大数据、AI、工业互联网等最新技术能力,形成数字化双碳智慧平台,并从产业层、企业层、园区层三层实践电子行业全面双碳数字化管理,打造国内领先的工业4.0样板点,最终实现“智能工厂”解决方案的产品化。
在新能源方面,通过利用新能源技术和储能技术,可明显改善厂区碳排放现状并减少能源支出。以紫光股份智能工厂实施光伏工程为例,可根据工厂可用屋顶面积进行屋顶光伏铺设,光伏铺设面积1万平米,装机容量1000KW,实现电力自发自用,并利用余电上网,使屋顶利用率最大化。
发挥创新优势,护航园区零碳智慧升级
数字碳中和,旨在通过数字化的高效手段,实现绿色低碳的目标、促进绿色低碳发展。园区是城市的基础单元,也是重要的人口和产业聚集区,推动园区的零碳智慧升级,是落实精准减排,实现碳达峰、碳中和的关键着力点。
作为数字化解决方案领域的领军企业,近年来,新华三集团加快推进“数实融合”,将数字化变革与促进“碳中和”结合起来,并针对零碳智慧园区建设,在业界率先提出“1+4+N”顶层设计理念,从源、探、管、服四个维度,全面赋能传统工业园区加快绿色低碳转型。如今,新华三除率先通过在紫光股份智能工厂开展数据驱动的双碳实践,树立行业标杆,还以模块化自由组合的方式对外输出方案能力。截至目前,该方案已在百行百业的众多园区落地实施。

紫光股份智能工厂亮相数字空间绿色低碳行动成果展
为进一步推动数字化绿色化协同转型发展,促进企业交流探索数字碳中和之路,活动期间,主办方还举办了“数字空间绿色低碳行动成果展”,集中展示一年来积极探索数字化绿色化协同转型发展实践的相关成果。基于紫光股份智能工厂的领先优势,众多与会者纷纷驻足参观和了解,新华三在积极推动绿色转型和高质量发展方面的实践成果,给大家留下了深刻印象。
面向未来,作为减排降碳的坚定“践行者”,新华三集团将持续深化“云智原生”战略,依托“数字大脑”全栈实力,在创新求变和积极实践中,为“双碳”目标早日实现贡献力量,助推数字经济绿色可持续发展。
好文章,需要你的鼓励
随着员工自发使用生成式AI工具,CIO面临影子AI的挑战。报告显示43%的员工在个人设备上使用AI应用处理工作,25%在工作中使用未经批准的AI工具。专家建议通过六项策略管理影子AI:建立明确规则框架、持续监控和清单跟踪、加强数据保护和访问控制、明确风险承受度、营造透明信任文化、实施持续的角色化AI培训。目标是支持负责任的创新而非完全禁止。
NVIDIA研究团队开发的OmniVinci是一个突破性的多模态AI模型,能够同时理解视觉、听觉和文本信息。该模型仅使用0.2万亿训练样本就超越了使用1.2万亿样本的现有模型,在多模态理解测试中领先19.05分。OmniVinci采用三项核心技术实现感官信息协同,并在机器人导航、医疗诊断、体育分析等多个实际应用场景中展现出专业级能力,代表着AI向真正智能化发展的重要进步。
英国正式推出DaRe2THINK数字平台,旨在简化NHS全科医生参与临床试验的流程。该平台由伯明翰大学和MHRA临床实践研究数据链开发,能够安全传输GP诊所与NHS试验研究人员之间的健康数据,减少医生的管理负担。平台利用NHS现有健康信息,安全筛查来自450多家诊所的1300万患者记录,并使用移动消息系统保持试验对象参与度,为传统上无法参与的人群开辟了研究机会。
Salesforce研究团队发布BLIP3o-NEXT,这是一个创新的图像生成模型,采用自回归+扩散的双重架构设计。该模型首次成功将强化学习应用于图像生成,在多物体组合和文字渲染方面表现优异。尽管只有30亿参数,但在GenEval测试中获得0.91高分,超越多个大型竞争对手。研究团队承诺完全开源所有技术细节。