GE在收购两家数据智能创业公司后,最近又签署了一项协议,在Invenergy LLC上测试其仪器仪表软件,GE周一表示,正在扩大其电力和公用事业产品组合,将能源交易与发电设备中的数据实时连接。
平衡价格与生产的需求正在增长,因为可再生能源的使用正在迫使电力生产商和分销商更快地对短期交易机会做出反应,并平衡各种发电源的能力,包括天然气、柴油、核能、太阳能、风力和水力。
GE的Digital Utility软件分析发电、配电和传输资产的数据,以提高设备效率,并优化定价。 GE Power首席数字官Ganesh Bell表示:“现在,我们现在的交易依据的不仅仅是发电厂的能力,还依靠真实的信息,使客户能够从现有的设施中获得更多的能力。”
1.3万亿美元的机会
World Economic Forum(世界经济论坛)估计,通过提高设备利用率和优化价格,电力行业在未来十年可实现高达1.3万亿美元的成本降低和收入。Bell估计,单靠资产优化可以节省380亿美元的成本并增加收入。他预计,四分之三的设备故障可以避免,而高达8%的发电因为电网的损失从来没有被消费者使用。
然而,绝大多数能源公司运作情况仍然与上个世纪七十年代时候一样。Bell表示:“今天的数据并不是实时的,整个流程是通过电话进行的。”他认为,“对于数字化来说,能源是成熟度最低的一个市场,而又有着最大的机会。”
GE旨在通过去年与New York Power Authority签署的交易以及收购像NeuCo Inc.这样的公司实现电力行业的数字化转型,NeuCo Inc.制造了用于改善化石燃料发电厂的数据分析软件。NYPA将投资11亿美元,以提高效率并纳入可再生能源,预计在未来十年内将实现22.5亿美元的效益。
本周发布的新服务和功能包括以下内容:
Business Optimization提供交易和发电厂之间的实时通信,使其了解整个消费过程。该应用程序会提醒发电商有利可图的交易机会——通常是短期的——以及关于机构可以如何适应市场的建议。因此,这些机构可以挖掘新的利润池,例如辅助服务市场,以帮助管理电网稳定,并把握跨境交易等新的市场机会。
更新的GE Operations Optimization应用程序可帮助这些机构了解应该在哪里投资资源以提高灵活性、效率、容量、可用性和排放。更新包括根据性能目标衡量交付的能力,关于如何更好地满足目标的建议以及提高性能的闭环反馈技术。
公司还在其Electricity Value Network(电力价值网络)中引入了资产健康的单一面板视图,该网络根据通用电气的“数字双胞胎”概念,整合了发电和交付流程。数字双胞胎是物理资产的虚拟版本,可用于测试和发现。Asset Performance Management(资产绩效管理)面板可以访问基于超过1.25亿小时的机器操作数据的分析目录,这些数据涵盖了联合循环工厂可能遇到的所有故障模式的70%。该面板还提供一个闭环系统,用于调度现场维修技术人员并完成操作和维护任务。
GE的新服务是基于云端的,独立于该公司的工业机械。由基于X86的Linux设备组成的本地控制器可以使用云平台的指令对设备进行调适。 GE没有公布定价,定价可能会按每个客户订阅的情况计算。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。