今天,由施耐德电气联合宁德时代、星星充电、隆基绿能主办,清华四川能源互联网研究院、中国能源网作为合作机构的“绿色能源管理创赢计划”第二季在上海圆满收官。历经8个月的共研共创,最终落地8大创新方案,杭州拓深科技有限公司、武汉所为科技有限公司和上海夏维信息科技有限公司凭借优异的表现,最终夺得了第二季“绿色能源管理创赢计划”前三甲。收官仪式上,施耐德电气同时发布“Green+俱乐部”专家计划,通过构建可持续、有影响力的专家体系,进一步聚合生态力量,助力行业创新发展。
双碳是一项系统性变革,要求能源价值链各环节打破壁垒,展开开放合作与融合发展。“绿色能源管理创赢计划” 第二季在合作伙伴层面,形成覆盖“源、光、储、充”多场景产业端+学术媒体端的全生态组合,为攻坚能源场景难题,以及入营企业的项目孵化提供了更好的先天优势。自2022年7月6日开营以来,施耐德电气及合作伙伴为入营企业提供了包括一对一指导集训、专家洞察分享、客户走访实践等一系列支持与赋能。
经过8个月的加速营培训与联合创新,在决赛现场,杭州拓深科技有限公司、上海尤比酷电器有限公司、南京智汇电力技术有限公司、厦门四信智慧电力科技有限公司、博彦物联科技(北京)有限公司、武汉所为科技有限公司、昂顿科技(上海)有限公司、上海夏维信息科技有限公司、国霖技术有限公司等9家企业,围绕“基于NILM技术实现负载监测及安全管理”“带安全监测功能的分布式光伏智能并网柜”“基于光差+5G的速动型配网故障自愈应用”“HVAC系统设备智能检测系统”“新型电力系统电能质量解决方案”“增容数据中心解决方案”六大课题,依次向在场客户及评委展示了高质量、可落地的8大数字化创新方案:
经过专家评审从客户需求满意度、技术创新性、产品方案成熟度、联创成果和方案规模化五个维度进行综合评定,“基于光差+5G的速动型配网故障自愈应用”、“基于NILM技术实现负载监测及安全管理”、“增容数据中心解决方案”三大课题团队,依次夺得第二季“绿色能源管理创赢计划”联创团队一等奖、二等奖、三等奖。杭州拓深科技有限公司、武汉所为科技有限公司和上海夏维信息科技有限公司等3家企业,则凭借优异的表现,最终依次夺得了第二季 “绿色能源管理创赢计划”金奖、银奖、铜奖。
第二季 “绿色能源管理创赢计划”入营企业及联创团队前三甲
构建可持续的创新生态,是施耐德电气的重要战略方向。活动当天,施耐德电气与9家入营企业正式签署联合创新协议,在未来继续深化创新方案的复制推广。
施耐德电气与9家入营企业正式签署联合创新协议
与此同时,为进一步聚合生态力量,扩大生态共赢,施耐德电气正式发起“Green+俱乐部”专家计划。该计划由施耐德电气联合来自超过10个行业及创赢计划专家共同组建,旨在通过构建可持续、有影响力的专家体系,借助“创赢开放日”及“行业影响力活动”,展开前瞻洞察、创新交流、生态合作、项目孵化、联合推广等多维输出,引领创新实践,助力行业发展。
“Green+俱乐部”专家计划正式启动
“双碳”进程下,加大能源技术创新攻坚力度,推动能源产业链各环节展开开放合作与融合发展,势在必行。施耐德电气高级副总裁、战略联盟&创新投资中国区负责人李瑞表示:“科技创新是推动能源高质量发展、落实‘双碳’目标的关键支撑。施耐德电气将创新视为业务发展的核心驱动,我们期望通过‘绿色能源管理创赢计划’,携手合作伙伴联合共创,推动一批高质量绿色低碳创新成果转化落地,为助力企业减碳增效,推动能源产业清洁低碳转型提供切实助力。”
好文章,需要你的鼓励
腾讯今日开源混元MT系列语言模型,专门针对翻译任务进行优化。该系列包含四个模型,其中两个旗舰模型均拥有70亿参数。腾讯使用四个不同数据集进行初始训练,并采用强化学习进行优化。在WMT25基准测试中,混元MT在31个语言对中的30个表现优于谷歌翻译,某些情况下得分高出65%,同时也超越了GPT-4.1和Claude 4 Sonnet等模型。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
今年是Frontiers Health十周年。在pharmaphorum播客的Frontiers Health限定系列中,网络编辑Nicole Raleigh采访了Startup Health总裁兼联合创始人Unity Stoakes。Stoakes在科技、科学和设计交汇领域深耕30多年,致力于变革全球健康。他认为,Frontiers Health通过精心选择的空间促进有意义的网络建设,利用网络效应推进创新力量,让企业家共同构建并带来改变,从而有益地影响全球人类福祉。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。