为进一步促进全国智慧园区标准化体系建设,近日,全国信标委智慧园区专题组召开“标准新征程 产业共发展”智慧园区论坛。紫光股份旗下新华三集团应邀出席,与相关主管部门领导、专家学者及企事业单位代表齐聚一堂,共话新时期智慧园区标准化发展。论坛期间,全国信标委智慧园区优秀案例正式发布,新华三未来工厂成功入选,成为零碳智慧园区建设示范样板。
锚定“双碳”目标 推动减污降碳一体协同
自2020年提出“双碳”目标以来,我国坚定不移、稳步推进碳达峰碳中和工作落实。2022年,生态环境部等国家多部委联合印发《减污降碳协同增效实施方案》,聚焦加强源头防控、突出重点领域、优化环境治理、开展模式创新、强化支撑保障、加强组织实施六个主要方面提出重要任务举措。
然而,不同于发达国家解决环境污染问题后再强化碳排放控制,我国面临协同推进生态环境根本好转和碳达峰碳中和的双重战略任务,需要一体谋划、部署和推进,实现减污降碳协同治理。
新华三集团数字中国研究院泛企业方案部部长陈阳分享了“双碳”战略下,新华三以产园一体、污碳同治助力智慧园区建设的新思考。新华三集团依托零碳智慧园区解决方案,提出“双碳”智达、三污数治(精准治污、科学治污、依法治污)、协同创新的园区碳污同治建设思路,致力于打造“污碳协同高质量发展示范园区”,为全国减污降碳工作贡献提供创新经验。

新华三集团数字中国研究院泛企业方案部部长 陈阳
零碳智慧园区解决方案 赋能产业体系绿色升级
以产业园区为例,产业园区是各地经济的发动机,也是公认的“用能大户”,是污碳同治的关键切入点。然而产业园区系统复杂,一边是无法妥协的节能减排指标,一边则是无从下手的管理困境。新华三集团基于零碳智慧园区解决方案,从招商、治理、服务三个维度出发,以“梳理-诊治-服务-优化”的数智化体系,全面赋能产业园区绿色转型升级。
● 园企画像,助力绿色招商精准高效:传统产业园招商由于缺乏企业经营管理、碳污排放等信息,往往被动纳入高碳排、低效益、高污染企业。新华三在产业园招商指标体系中增加碳污指标,依托零碳智慧操作系统沉淀出精准的园企数据画像,涵盖碳污指标、经营状况、处罚情况、资质荣誉等信息,助力绿色招商精准高效,招商精准度同比提升3倍以上,成本同比减少70%以上。
● 污碳同治,实现产业绿色协同发展:结合业界碳污协同治理理论,为执法部门打造“源头、过程、末端”三位一体的减污降碳协同管理平台,对重点企业进行实时、准确、全面的监测治理。执法部门处置效率提升2倍以上,响应时间同比缩短60%以上,企业碳污排放同比降低30%以上。
● 减碳提质,服务产业绿色低碳转型:通过零碳智慧操作系统的数据沉淀和算法模型,构建企业的碳效指数,将碳排等级与企业准入退出机制挂钩,加快现有产业结构调整。针对低碳效企业,协助管理部门对高碳排产线清理腾退,或指导其进行产业结构转型。同时推进相应土地收储工作,将空间和指标给予优质企业、重点项目,为园区发展带来新可能。
目前,零碳智慧园区解决方案已在新华三集团未来工厂全面落地,依托1个零碳智慧操作系统和“源-探-管-服”4个层面治理框架,一方面,利用新能源技术和储能技术,改善园区碳排放现状并减少能源支出;另一方面,通过碳家底的盘查,构建了工厂碳排放模型分析的数字化体系,已助力工厂年度碳排减少近千吨。未来工厂实现了“零碳+智慧”能力全栈升级,成功入选全国信标委优秀智慧园区案例,打造零碳智慧园区建设的示范样板。

新华三集团未来工厂入选全国信标委2022智慧园区优秀案例
同时,新华三集团数字中国研究院解决方案高级架构师杨光荣获“智慧园区专题组突出贡献个人奖”。杨光长期从事智慧园区标准需求、评价指标等方面的研究和白皮书撰写工作,并积极以新华三集团未来工厂为试点,推进“零碳+智慧”应用的落地实践,为智慧园区标准规范体系建设及样板示范建设做出突出贡献。

新华三集团数字中国研究院解决方案高级架构师杨光荣获“2022年度突出贡献个人”奖项
面向未来,新华三集团将秉持“精耕务实,为时代赋智慧”的理念,在智慧园区建设中沉淀更多知识和经验,携手产学研用各界推进智慧园区标准化进程,为经济社会高质量和绿色可持续发展注入新动能。
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。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
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。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。