日前,在中国数据中心工作组(CDCC)主办的第四届数据中心液冷技术大会上,施耐德电气发布热管理解决方案。作为“AI就绪”全栈布局中的关键一环,此次发布标志着施耐德电气智算基础设施能力版图的进一步完善,将为智算中心提供从规划设计到运营优化的全链路支撑,全面助力中国AI基础设施高质量发展。
2026年《政府工作报告》中明确提出“实施超大规模智算集群、算电协同等新基建工程”,AI基础设施建设上升为国家战略行动。截至2025年底,中国智能算力规模已超过1590 EFLOPS,建成万卡智算集群42个,位居全球前列。算力需求指数级攀升和能耗红线持续收紧的双重驱动下,智算中心向高密化全面升级——当单机柜功率密度达到10倍以上跃升,散热成为高密部署的刚性约束,热管理由此从“配套系统”演进为与供电系统同等关键的“核心能力”,两者深度耦合,共同决定算力产出的效率与韧性。
作为能源科技的全球引领者,施耐德电气基于数据中心行业数十年的深厚制冷实践,此次推出的热管理解决方案完整覆盖液冷与风冷架构,支持从机架级、行级到房间级的分层部署,以风液兼容的模式灵活适配客户不同业务场景,并实现可靠性与经济性的最优平衡。
然而,散热并非变革的全部命题。当智算中心从“技术基建”进化为“算力工厂”,在供电瓶颈、散热极限、迭代加速、负载波动的多重挑战下,单一技术路径已无法破解系统性难题,基础设施竞争从“单点性能优化”升维至“全栈能力协同”。施耐德电气的核心优势正在于此:融合能源战略、物理基础设施与数字化能力,以“AI就绪”全栈解决方案提供完整支撑。
施耐德电气“AI就绪”全栈解决方案以数据中心全生命周期为主线,贯通“思路就绪、方案就绪、未来就绪”三大阶段,提供从电网到芯片、从芯片到冷源的端到端能力支撑,护航智算中心从规划设计到运营优化的全链路演进。
在思路就绪阶段,施耐德电气基于数十年的深厚行业积淀,将顶层设计重新定义为“建设前的战略定义能力”——不仅以行业白皮书输出方法论,引领行业最佳实践;同时也与英伟达等生态伙伴共创AI工厂标准化参考设计,共享可落地的技术路径;更以能源采购战略咨询,帮助客户优化全生命周期能源成本。从而助力客户在规划阶段明确方向,确保架构既能满足当下算力需求,又能兼容未来技术演进。
在方案就绪阶段,施耐德电气从“电、冷、软、服、融”五大维度提供深度融合的弹性解决方案,助力客户在AI时代的不确定性中,获得方向、落地与演进的三重确定性。
面向未来长线竞争,施耐德电气基于“未来就绪”的能力,确保客户的基础设施获得持续演进的优势,从而构建长周期竞争力。通过全栈能效优化、模块化弹性扩展与技术迭代兼容,助力客户持续释放算力资产的商业价值,并将可持续发展转化为长期战略优势。
面向“十五五”开局之年,智算中心竞争的核心命题正在演变:表面是“每度电产出多少算力”的能效比拼,实质是全生命周期系统协同能力的深层较量,这也是实现长期商业价值的关键。施耐德电气通过“AI就绪”全栈解决方案,将基础设施的不确定性转化为可规划、可演进、可持续的确定性能力。从“思路就绪”到“方案就绪”,再到“未来就绪”,施耐德电气将与行业伙伴携手共赢AI时代。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。