在AI浪潮的强力推动下,电子信息制造产业正迈入关键转型阶段。近年来,作为数据处理与存储的核心基础设施,数据中心规模持续高速扩张,强力拉动了对高性能芯片等核心电子器件的庞大需求,驱动电子信息制造产能加速扩张。然而,这场由需求驱动的繁荣背后,电子制造环节的能源消耗正急剧攀升。激增的能耗成本与日益紧迫的碳排放管控,将电子企业推入了运营成本控制与可持续发展目标激烈博弈的漩涡中心。
“电子厂房正面临着供能系统复杂、高能耗以及巨大的碳排放压力等问题。”施耐德电气能源管理中压业务战略与市场副总裁林婷说道。
对于电子产业而言,其对能源的需求远比“量”的满足更为复杂。如果说其他行业对配电系统的要求是“稳定运行”,那么电子行业,尤其是半导体制造,追求的则是“近乎苛刻的完美”。哪怕是微秒级的电压波动或谐波干扰,也可能影响高精密设备运行,进而带来良率降低、数据出错甚至设备停机的风险。因此,“高质量电能”已成为支撑电子行业运行的生命线,一场围绕能源管理的智慧革命势在必行。
首先最基础的一环,是确保能源电力底座的绝对可靠。施耐德电气实现了配电系统的主动运维和预防性运维,从而提升整体设备的可靠性和运维效率,满足无人值守的需求。林婷介绍说,例如施耐德电气EvoPacT HVX中压智能真空断路器采用数字原生设计,提供主回路、一次配柜、二次器件、机械特性、智能手车等完整的智能化解决方案,结合大数据和人工智能算法,安全可靠。而新一代PIX智能空气绝缘开关柜用多种先进的在线监测技术,实现电力系统的全方位监测。
仅有可靠性还不够,企业还需要对能源管理进行更精准的调控。在半导体企业的厂房用能结构中,空调、冷机等高能耗单元具有巨大的优化空间。施耐德电气推出了针对半导体厂务能源管理方案,通过先进的数字孪生技术和AI算法,从设备级、管控级和数据分析级三个层面,助力半导体厂房实现能源优化与高效节能。例如SmartCool末端空调节能解决方案通过AI与ML机器学习技术,使空调末端基于IT实时负载需求进行动态制冷输出,可节约空调末端15%-40%的电力消耗,从而在答复提升智能能效的基础上实现节能降耗。
在此基础上,施耐德电气还在推动整个电子产业的绿色转型。施耐德电气最新推出的全矩阵中压配电产品都具有绿色环保的特点,涵盖中压开关元件和设备。例如,全新一代的绿色智能环网柜RM AirSeT将干燥空气和真空开端技术巧妙结合,可应用于中压二次配电领域,助力行业绿色转型。“我们一直在把可持续发展融入到业务的方方面面,并作出如下承诺:到2025年,在公司运营层面实现碳中和;到2030年运营层面实现零碳就绪,争取到2040年实现端到端价值链的碳中和;2050年,实现端到端价值链的净零碳排放。”林婷说。
值得注意的是,施耐德电气在中国市场的策略并非简单的“拿来主义”,而是深度的“中国中心”战略。自2019年以来,施耐德电气在华研发投入年复合增长率已超过18%。林婷强调,“施耐德电气坚持‘在中国为中国’,加强产品研发迭代的速度,响应中国快速发展的市场需求。”这种本土化的创新,又通过“在中国惠世界”的模式,把在中国研发的产品和技术,带向全球市场。
面对激烈的市场竞争,施耐德电气展现出开放的心态。“良性竞争是推动市场发展的重要驱动力,”林婷坦言,“作为产业技术的全球领导者,我们对自己的技术非常有信心,同时我们坚持通过共研、共创、共赢的生态协作,推动产业发展。”这种开放的“竞合”思维,对于技术迭代日新月异的电子产业而言,无疑是构建强大产业生态的基石。
归根结底,AI时代的未来,需要的不仅仅是更澎湃的算力,更需要一个安全可靠、智慧、高效且绿色的能源体系。在这场关乎未来的转型中,唯有那些能巧妙平衡性能与能效、融合创新与可持续的企业,才能穿越周期,行稳致远。而施耐德电气正在讲述的,正是在AI的强劲心跳之下,如何为包括电子信息制造业注入一股更稳健、更绿色的可持续脉搏。
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。