[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
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。