在AI浪潮的強力推動下,電子信息制造產業(yè)正邁入關鍵轉型階段。近年來,作為數據處理與存儲的核心基礎設施,數據中心規(guī)模持續(xù)高速擴張,強力拉動了對高性能芯片等核心電子器件的龐大需求,驅動電子信息制造產能加速擴張。然而,這場由需求驅動的繁榮背后,電子制造環(huán)節(jié)的能源消耗正急劇攀升。激增的能耗成本與日益緊迫的碳排放管控,將電子企業(yè)推入了運營成本控制與可持續(xù)發(fā)展目標激烈博弈的漩渦中心。
“電子廠房正面臨著供能系統復雜、高能耗以及巨大的碳排放壓力等問題。”施耐德電氣能源管理中壓業(yè)務戰(zhàn)略與市場副總裁林婷說道。
對于電子產業(yè)而言,其對能源的需求遠比“量”的滿足更為復雜。如果說其他行業(yè)對配電系統的要求是“穩(wěn)定運行”,那么電子行業(yè),尤其是半導體制造,追求的則是“近乎苛刻的完美”。哪怕是微秒級的電壓波動或諧波干擾,也可能影響高精密設備運行,進而帶來良率降低、數據出錯甚至設備停機的風險。因此,“高質量電能”已成為支撐電子行業(yè)運行的生命線,一場圍繞能源管理的智慧革命勢在必行。
首先最基礎的一環(huán),是確保能源電力底座的絕對可靠。施耐德電氣實現了配電系統的主動運維和預防性運維,從而提升整體設備的可靠性和運維效率,滿足無人值守的需求。林婷介紹說,例如施耐德電氣EvoPacT HVX中壓智能真空斷路器采用數字原生設計,提供主回路、一次配柜、二次器件、機械特性、智能手車等完整的智能化解決方案,結合大數據和人工智能算法,安全可靠。而新一代PIX智能空氣絕緣開關柜用多種先進的在線監(jiān)測技術,實現電力系統的全方位監(jiān)測。
僅有可靠性還不夠,企業(yè)還需要對能源管理進行更精準的調控。在半導體企業(yè)的廠房用能結構中,空調、冷機等高能耗單元具有巨大的優(yōu)化空間。施耐德電氣推出了針對半導體廠務能源管理方案,通過先進的數字孿生技術和AI算法,從設備級、管控級和數據分析級三個層面,助力半導體廠房實現能源優(yōu)化與高效節(jié)能。例如SmartCool末端空調節(jié)能解決方案通過AI與ML機器學習技術,使空調末端基于IT實時負載需求進行動態(tài)制冷輸出,可節(jié)約空調末端15%-40%的電力消耗,從而在答復提升智能能效的基礎上實現節(jié)能降耗。
在此基礎上,施耐德電氣還在推動整個電子產業(yè)的綠色轉型。施耐德電氣最新推出的全矩陣中壓配電產品都具有綠色環(huán)保的特點,涵蓋中壓開關元件和設備。例如,全新一代的綠色智能環(huán)網柜RM AirSeT將干燥空氣和真空開端技術巧妙結合,可應用于中壓二次配電領域,助力行業(yè)綠色轉型。“我們一直在把可持續(xù)發(fā)展融入到業(yè)務的方方面面,并作出如下承諾:到2025年,在公司運營層面實現碳中和;到2030年運營層面實現零碳就緒,爭取到2040年實現端到端價值鏈的碳中和;2050年,實現端到端價值鏈的凈零碳排放。”林婷說。
值得注意的是,施耐德電氣在中國市場的策略并非簡單的“拿來主義”,而是深度的“中國中心”戰(zhàn)略。自2019年以來,施耐德電氣在華研發(fā)投入年復合增長率已超過18%。林婷強調,“施耐德電氣堅持‘在中國為中國’,加強產品研發(fā)迭代的速度,響應中國快速發(fā)展的市場需求。”這種本土化的創(chuàng)新,又通過“在中國惠世界”的模式,把在中國研發(fā)的產品和技術,帶向全球市場。
面對激烈的市場競爭,施耐德電氣展現出開放的心態(tài)。“良性競爭是推動市場發(fā)展的重要驅動力,”林婷坦言,“作為產業(yè)技術的全球領導者,我們對自己的技術非常有信心,同時我們堅持通過共研、共創(chuàng)、共贏的生態(tài)協作,推動產業(yè)發(fā)展。”這種開放的“競合”思維,對于技術迭代日新月異的電子產業(yè)而言,無疑是構建強大產業(yè)生態(tài)的基石。
歸根結底,AI時代的未來,需要的不僅僅是更澎湃的算力,更需要一個安全可靠、智慧、高效且綠色的能源體系。在這場關乎未來的轉型中,唯有那些能巧妙平衡性能與能效、融合創(chuàng)新與可持續(xù)的企業(yè),才能穿越周期,行穩(wěn)致遠。而施耐德電氣正在講述的,正是在AI的強勁心跳之下,如何為包括電子信息制造業(yè)注入一股更穩(wěn)健、更綠色的可持續(xù)脈搏。
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據不同問題靈活調整內部專家配置。該方法在數學、編程等任務上顯著提升推理準確率,且不增加計算成本。研究發(fā)現不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯合研究團隊開發(fā)出Rolling Forcing技術,實現AI視頻實時流式生成的重大突破。該技術通過滾動窗口聯合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質量視頻,延遲僅0.76秒,質量漂移指標從傳統方法的1.66降至0.01,為交互式媒體和內容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現,通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構建了包含約30000個幾何題目的Euclid30K數據集,使用強化學習方法訓練多個AI模型。實驗結果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。