在北海的海上钻井平台是对技术最具挑战性的环境之一,欧洲电网运营商 TenneT 选择信任 Nokia,由其提供可靠的光纤网络来连接该地区的海上风电场,这是其提升可再生能源容量计划的一部分。
TenneT 将自己描述为首个跨境输电系统运营商 (TSO),负责在荷兰和德国大部分地区设计、建造、维护和运营超过 25,000 公里的高压电网,通过与邻国的 17 个互联系统促进欧洲能源市场的发展。
该公司的既定目标是全年 365 天、每天 24 小时提供安全可靠的电力供应,同时推动能源转型,追求更可持续、可靠和经济的能源未来。公司声称是国内和国际陆上及海上电网最大的投资者之一,为超过 4300 万人提供电力服务。
TenneT 认为,其在能源传输方面的"开创性"模式将把海上风能输送到陆地,带来"可观"的可再生能源容量,为欧洲 2050 年气候中和目标做出贡献。
TenneT 已委托三个联合体 - Petrofac 和 Hitachi Energy 联合体、GE Vernova-Seatrium 联合体以及 GE Vernova-McDermott 联合体 - 交付 2GW 海上变流器平台和陆上电网站。
该计划是欧洲能源转型的关键组成部分,这些平台将为陆地带来大量来自海上风电场的可再生能源,为欧洲 2050 年气候中和目标做出贡献。该项目也被认为代表了能源传输的开创性模式,旨在创建一个更高效、标准化的海上风能输送方式。
为促进运营改善,Nokia 的 1830 PSS DWDM 解决方案将作为荷兰北海八个新建 2 千兆瓦 (2GW) 平台的关键光纤网络基础设施,为陆地输送急需的可再生能源。该平台将用于建立一个弹性的、面向未来的光纤网络,将海上站点连接到能源运营商的陆上电信基础设施。这个网络旨在使 TenneT 能够监控和管理远程平台,确保持续可靠的能源传输。
作为部署的一部分,Nokia 还将提供先进的放大和转发器技术,以支持长距离传输,单跨无中继传输可达 400 公里。该解决方案包括扩展范围放大系统,即使在充满挑战的海上环境中也能保持可靠的光传输。
此外,支持服务将着眼于提供全面的设计、测试和运营维护,确保网络在建设和长期运营的每个阶段都符合 TenneT 的弹性和性能标准。
光纤网络解决方案的实施将于 2025 年初开始,与 2GW 平台的初始建设阶段保持一致。这次部署将允许通信系统的早期集成和测试,支持 TenneT 在 2029 年前实现第一个 2GW 平台的全面运营就绪。
TenneT 海上大型项目总监 Marco Kuijpers 表示:"随着我们扩展海上能源基础设施,连通性变得比以往任何时候都更加重要。Nokia 提供的标准化、任务关键型光纤网络在实现我们 2GW 平台的无缝运营和管理方面发挥着核心作用,使我们能够进行远程操作。通过这样的合作,Nokia 正在帮助我们实现更加独立的能源供应,并推进在 COP28 气候会谈期间设定的全球可再生能源部署三倍增长的目标。"
Nokia 光网络业务高级副总裁兼总经理 James Watt 补充道:"我们知道'没有数字化就没有绿色'。这个项目展示了这一原则的实际应用。通过提供满足海上环境独特需求的标准化、高性能光网络技术,[我们]正在支持 TenneT 为荷兰和欧洲数百万家庭提供可靠的绿色能源。"
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。