ZDNet至顶网软件频道消息: 6月25日,施耐德电气发布数字化智能配电系统——Smart Panel低压配电智能系统方案。该系统方案是业内首个集一系列智能组件和通信设备,兼具能效与设备管理,依托远程能源管理服务而形成的一体化系统解决方案,通过简单三步骤助力建筑楼宇智慧节能。凭借灵活构建、快速连接和简单控制的特性,满足楼宇节能减排、增值和绿色等需求。
Smart Panel低压配电智能系统方案
根据世界企业可持续发展委员会(WBCSD)的统计,到2050年,全球用能需求将翻番,楼宇用能占大多数国家总能耗的40%。解决楼宇高能耗问题将帮助减少碳排放、降低对于全球变暖和气候变化的影响。近年来,中国政府出台了一系列发展和推广绿色建筑的政策法规。楼宇业主和运营商亟需相关解决方案与服务,以符合行业标准与国家法规,构建绿色建筑,使得楼宇领域存在着巨大的市场空间,发展潜力很大。
施耐德电气(中国)高级副总裁、合作伙伴事业部负责人司徒达言先生(Stephane Dariel)表示:“施耐德电气秉承‘善用其效、尽享其能’的公司理念,以最佳解决方案为目标市场的最终用户提供服务,以数字化技术,提升合作伙伴、客户的使用体验。针对中国智能建筑与绿色建筑市场的机遇与挑战,施耐德电气希望借助自身在节能增效领域的技术和解决方案,帮助客户提高楼宇能效、构筑绿色建筑。施耐德电气推出的Smart Panel低压配系统方案于建筑能耗管理、优化设备管理和提升楼宇运营具有独特价值应用。”
产品丰富灵活通信畅通无阻
Smart Panel低压配电智能系统方案秉承施耐德电气一直以来的创新精神,外观设计独特美观,尺寸小巧,简单选型,即插即用,可按客户需求进行配置;同时,该系统方案架构设计简单,可将一系列组件进行构建,支持开放且快速的以太网络通信互联,能够将能源数据数字化和可视化,传输、存储于能源管理平台,为能源管理战略提供有力支持。
一体化解决方案实现有效能源及设备管理
Smart Panel低压配电智能系统方案是业界首个将框架式断路器(ACB)、塑壳断路器(MCCB)、终端配电(MCB)以及多功能表计(Power Meter)整合在一起的针对楼宇能源管理的一体化系统解决方案。通过收集能源使用和设备信息,与StruxureWareTM能源管理软件相结合,储存并分析数据,进而采取有针对性的优化举措实现节能增效。同时,Smart Panel低压配电智能系统方案也能实现设备预诊断管理,为预防性维护提供有效指导,降低风险隐患,保证供电持续畅通。
无忧远程技术实现“云”端服务
通过施耐德电气自主研发的能源管理开放平台云能效™(EnergyMostTM),以云托管的服务形式,为用户提供能源信息的存储、展示、计算和分析,实现无距离式的能效管理以及远程定制化服务管理,挖掘节能潜力,降低企业能耗。
作为一个楼宇的智慧解决方案,Smart Panel低压配电智能系统方案为楼宇市场用户带来无限智慧价值。国内一流民营建筑企业之一的雨润建设集团总裁兰士升先生表示:“雨润建设集团承接着雨润控股集团旗下各大产业的项目建设工程,主营物流、商业和住宅等项目的施工和管理。施耐德电气的Smart Panel低压配电智能系统方案契合这些建筑配电对安全、可靠和节能的三大要求,以及在经济性、投资回报等方面的考量,是楼宇能效与设备管理的首选解决方案。”其独特价值体现在:
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。