2023 年 4月 12 日,北京—— 在中国电子学会主办的“绿色计算机行业技术研讨会”上,绿色计算机标准工作组正式宣布成立,未来工作组将开展绿色计算机全生命周期以及相关分级分类、评价和评定等标准研制及应用推广工作,积极促进计算机行业的低碳节能技术创新发展及行业应用。英特尔和产业生态合作伙伴积极响应政府双碳目标的号召,合力推动绿色计算机的产品落地,助力其低碳环保的转型。
中国电子学会副秘书长曹学勤在会上表示:“双碳目标下,实践离不开绿色产业链和供应链的完善,更需要打通产业上下游之间的合作。绿色计算机标准工作组的成立是计算机行业可持续发展的重要里程碑,我们很高兴看到产业生态的积极响应。希望在工作组成员的共同努力下群策群力,为电子信息产业节能减排发展做出更多贡献。”
英特尔公司中国区技术部总经理高宇表示:“创新是英特尔的基因,我们不光发挥自身价值,更看重产业整体创新。我们知道,只有标准的规范化指导,才能加速低碳在中国的落实。我们希望配合政府加速打造绿色计算机的标准化规范,与生态伙伴们在各个环节中相互借鉴、交流技术,发挥创新力和产业整合力,共同推动 PC 产业的高能低碳创新,加速双碳目标的实现。”
计算机低碳转型大势所趋,标准工作组应运而生
中国电子学会标准化工作委员会副主任委员王大宁、中国电子学会副秘书长曹学勤为工作组成立揭牌,曹学勤副秘书长宣读了工作组成立批示文件。工作组成立后标志着在 PC 领域,从生产制造、运行维护,到产品的回收再利用等环节引入节能减排和绿色的设计和考量,未来将引领制定具有可操作性的绿色计算机标准规范。经过前期的征集和产学研单位积极申请,工作组委员会第一批成员中既有整机厂商,也有电源、芯片、显示、PCB 及软件厂商,同时还包括了知名计量、认证测评机构、高校科研院所等单位的代表。
会上,王大宁副主任委员宣读了第一批绿色计算机工作组委员名单,王大宁副主任委员与曹学勤副秘书长为委员颁发了受聘书,中国电子学会学术交流中心主任余文科宣读了工作组章程及近期工作计划。全体委员及代表重点围绕绿色高能效电源、可回收 PCB 以及绿色计算机评价标准草案进行了深入研讨。
中国电子学会绿色计算机标准工作组后续将关注最新国际标准趋势以及技术创新热点,制定一系列符合中国国情和推动行业绿色高质量发展的标准和评价规范。工作组将发挥团体标准研制速度快,更加贴近产业发展的需求等优势,为中国的信息通信行业的节能减排和绿色发展做出贡献。
四大关键环节低碳实践成果显著,产业生态分享低碳创新成果
在研讨会上,多家厂商分享四大关键环节的专业技术和卓越成果。
在电源方面,作为工作组电源方面的牵头企业,长城电源也分享了其为实现双碳目标所作出的努力。长城电源在电源转化能效提升、设计轻量化和高功率密度和延长电源使用寿命并降低更换频率三方面进行实践,全方位提高电源的高能效应用。
另外,镓未来是英特尔氮化镓功率器件合作伙伴,致力于开发和普及高性能的氮化镓器件,在研讨会上分享了技术与成果,为共同推进 PC 进入低碳时代做出卓越贡献。氮化器件产品打破硅损耗较高的局限,实现了极高效的高频高压同步整流,新电路相比传统的损耗降低高达 70%,从而实现高效钛金级电源标准,为高功率密度高及可靠性的设计方向提供更大的空间。
在回收方面,生益科技作为工作组在 PCB 回收问题方面的牵头企业也带来了分享,其展示了可降解 PCB 解决方案 Recyclad 新型覆铜板,通过专利的可降解可回收覆铜板,让以往只能填埋和焚烧的树脂、玻璃纤维能够回收再利用,热固性树脂能够形成可持续的应用闭环。
许多低碳先行者们已经将可持续发展落实到实际行动中,并取得了实质性的进展。宏碁、华硕、戴尔、惠普、联想、同方等产业生态伙伴将低碳环保根植于发展和运营战略,在各个打造产品的环节中致力于创新与研发,践行高能低耗的绿色承诺。
在中国电子学会绿色计算机的创新目标下,英特尔与 PC 产业生态合作伙伴利用各自优势,赋能 PC 全生命周期的低碳创新,并凝聚产业链的力量,将高能低碳的 PC 产品成功落地。未来,在中国电子学会绿色计算机工作组的共同努力下,产业将继续践行低碳承诺,打造可持续性和能效俱佳的计算机产品,为业界和社会创造更美好的未来。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。