最近,施耐德电气全球执行副总裁、首席数字官Peter Weckesser怀着很高的期许,在加入施耐德电气以后第二次来到中国。
在之前的25年里,Peter Weckesser见证了中国的数字化以及工业转型。“在AI、5G、云等领域,中国已经走在了世界的前端,相信这个趋势会继续下去。”
当下,数字经济已经成为中国稳增长、促转型的重要引擎。《数字中国发展报告(2022年)》显示,中国2022年我国数字经济规模达50.2万亿元,总量稳居世界第二,占GDP比重提升至41.5%。施耐德电气是一家多元化、国际性,但又非常本地化的公司,在北美、亚太、西欧和中国有平衡的业务增长,而中国是施耐德电气第二大市场。在这样一个沃土上,Peter Weckesser也分享了施耐德电气的数字化愿景,即数字化+电气化=可持续。
施耐德电气的数字化转型由三个维度组成,第一,客户,施耐德电气通过自身践行实现数字化愿景,推进业务的数字化转型,并赋能客户;第二,合作伙伴,在技术爆发的时代,施耐德电气需要依靠合作伙伴、供应商共创共赢,帮助客户做数字化的转型;第三,员工与业务流程,施耐德电气一直将员工培训、员工的能力的培养等方面,视为数字化转型的首要因素。
与此同时,施耐德电气对可持续发展也有持续的投入。施耐德电气承诺,到2025年,实现自身运营层面的碳中和;到2030年,自身运营层面实现“零碳就绪”;到2040年,实现端到端价值链的碳中和;到2050年,实现端到端价值链的净零碳排放。
施耐德电气全球执行副总裁、首席数字官Peter Weckesser
Peter Weckesser分享称,对于施耐德电气来说,可持续发展不光是一个口号,而是已经有很多的实际承诺以及案例。比如,被世界经济论坛评为"端到端灯塔工厂"的施耐德电气无锡工厂。无锡工厂使用了新能源、微网技术,真正实现了电气化和自动化和数字化。在工厂里除了提高生产效率以外,也加强了新能源的使用。在整个产线上运用了自动化技术,包括AI等技术,实现了产线上的质量提升和效能提升。同时,无锡工厂运用新能源管理系统“EMA微网能源顾问”,实现了传统能源和新能源更好的匹配和管理、预测。
而施耐德(北京)中压&低压电器有限公司(后简称“施耐德电气北京中低压工厂”)是施耐德电气在中国的首家“零碳工厂”,是由EcoStruxure三层架构来实现。施耐德电气北京中低压工厂数字化转型就带来了良好的收益,生产效率持续提升13%、通过电气化、自动化和软件带来能耗降低8%、质量问题降低15%,并实现了0配电故障。
施耐德电气副总裁、数字化服务业务中国区负责人,施耐德电气(中国)软件研发中心负责人张磊
研发与创新是实现可持续发展的重要途径。谈及施耐德电气在中国如何践行研发能力和创新能力,施耐德电气副总裁、数字化服务业务中国区负责人、施耐德电气(中国)软件研发中心负责人张磊介绍,2021年,施耐德电气便在中国成立了中国软件研发中心,希望从研发端就开始考虑怎样让软件更好地产生价值为客户服务。一方面提供技术,包括IT、OT技术和软件开发技术可实现的产品组合;另一方面将软件变成解决方案,实现对客户的可交付。
施耐德电气ETAP中国、SEE软件业务总经理刘华涛
今年6月,施耐德电气还在北京落地了AI创新实验室。AI创新实验室的能力将注入并进一步加强施耐德电气在工业、能源两大支柱行业的数字孪生能力。在能源转型的关键时期,以电气化与数字化结合的方式,将有助于建立更加完善的新型电力系统。施耐德电气SEE软件中国区总经理刘华涛进一步介绍,ETAP通过SEE电气套件、Caneco ONE和Revit高级电气设计等进一步加强产品组合,从而形成丰富的集成电气数字孪生平台,为电气系统全生命周期提供创新的软件解决方案,从设计和工程到运营和维护,协助用户提高生产力、协作和效率,使用户能够在生命周期的各个阶段加速数字化进程,并顺利实现能源转型之旅。
施耐德电气副总裁、过程自动化与数智化中国区负责人丁晓红
在工业自动化领域,施耐德电气同样开展了大量基于数字孪生、AI等技术的探索,驱动工厂迈向“绿色化、数字化、智能化”的未来工厂。施耐德电气副总裁、过程自动化与数智化中国区负责人丁晓红介绍:“我们交付一个真实工厂的同时,会同时交付一个1:1的虚拟工厂。如果实体工厂在某个位置安装了阀门、管线,在虚拟工厂也将会1:1呈现。工厂投入运营之后,我们还将利用虚拟工厂的模型,不断优化实体工厂的运营。也就是说,我们的全生命周期数字孪生,既涵盖设计、建造阶段,也覆盖运营阶段。”
施耐德电气认为,软件能力是中国数字化转型的关键基石。张磊表示,为了让ETAP、RIB和AVEVA与中国的本土软件更好地结合,施耐德电气实现了软件协同。“一方面,我们要通过软件在前端、销售端让大家去更多地复用软件和协同。另一方面,我们要从技术端把这些软件打通,或者说把软件的技术能力和我们的硬件更好的结合起来。我们通过软件帮助客户解决软件部署问题,并实现软件和管理流程的协同,从而真正产生价值。”
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。