[瑞士日内瓦、新加坡、上海, 2022年5月24日] 服务多重电子应用领域、全球排名前列的半导体公司意法半导体 (STMicroelectronics,简称ST;纽约证券交易所代码:STM) 与亚太地区主要的公用事业集团、新加坡国家电网运营商新加坡能源集团 (SP Group) 于近日签署合作协议,后者将为意法半导体新加披AMK TechnoPark科技园区建设区域供冷系统(district cooling system,简称DCS)。这项估值 3.7 亿美元的项目为期 20 年,计划于 2025 年正式投入使用。届时,它将成为新加坡最大的工业项目区域供冷系统。

根据协议,新加坡能源集团将设计、建造、持有和运营区域供冷系统,提供冷冻水服务,以满足意法半导体公司生产车间和办公空间的供冷需求。该系统的制冷量最高可达 36,000冷吨,通过提高供冷系统能效,可帮助意法半导体公司每年节省 20% 的供冷相关电力消耗,为该公司的AMK Technopark 科技园每年减少多达 120,000 吨的碳排放,相当于在路上减少 109,090 辆汽车。这一脱碳结果除了源于系统能效提升,也归功于原有供冷设备占用的 4,000 平米空间将被释放出来进行再利用,通过安装太阳能和全氟化合物 (PFC) 减排设备更好地助力脱碳的实现。
新加坡贸易及工业部兼文化、社区及青年部政务部长刘燕玲女士作为特邀嘉宾出席签约仪式。她表示:“私营经济与公众和人民的力量一样,在共同推进新加坡的气候和可持续发展目标方面发挥着重要作用。企业通过践行可持续发展行动,如提高能源效率,向他们的合作伙伴和客户发出了强烈的信号,传递了关注可持续发展问题的紧迫性和采取严肃行动的必要性。同时,企业也可以将可持续发展作为一个竞争优势。”
她进一步补充说:“我希望这一举措能够在其他工业发展中激发更多创新的减碳解决方案,并激励更多公司在可持续发展方面寻求机会。”
该供冷系统将成为意法半导体在其全球生产设施中首个落地的区域供冷系统。意法半导体承诺将于2027 年在全球范围内实现碳中和。在其最大规模的(按产量算)晶圆加工厂采用区域供冷,是满足其达到新加坡国家环境局 (NEA) 规定的最低能源效率标准 (MEES)的关键推动因素 ,也是实现ST可持续发展目标的关键因素。
意法半导体人力资源和企业社会责任总裁 Rajita D'Souza 对此表示:“新加坡工厂供冷系统将是 ST 在全球生产设施中首个部署的区域供冷系统,是我们为ST 2027 年在全球实现碳中和目标交出的一份承诺书。在我们最大规模的单一晶圆加工厂(按产量算)中采用的区域供冷系统,将减少 12 万吨的碳排,这相当于 意法半导体公司2021 全年在新加坡碳排放总量的 30%。该区域供冷系统的部署将成为该工厂和全公司实现可持续发展目标的一个关键推动因素。”
新加坡能源集团总裁黄天源先生对此表示:“区域供冷是一项关键的可持续能源解决方案,可以为城市、乡镇和工业园区的低碳未来提供支持。为赋能新加坡工业部门脱碳,我们定制了这一解决方案,以支持像意法半导体AMK TechnoPark 科技园这类能源密集型的制造业项目发展,基于他们的可持续发展战略,减少其能耗和碳足迹。凭借我们这套覆盖太阳能和电动汽车充电在内的全面可持续能源解决方案,我们期待着与意法半导体公司合作,助力其实现净零目标。”
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。