梅赛德斯-奔驰(Mercedes-Benz)和西门子(Siemens)共同开发了数字能源孪生系统,帮助这家汽车巨头以可持续的方式运营旗下所有工厂。
奔驰希望到2039年,旗下所有生产基地都能100%使用可再生能源。双方表示,数字能源孪生系统可增强、简化并加快棕地和绿地工厂早期阶段的能源规划流程。
该孪生系统(基于西门子的Xcelerator开放数字业务平台)以建筑物、技术设备和能源生产的行为模型为基础,在德国辛德尔芬根的梅赛德斯-奔驰工厂设计并测试。
该孪生系统连接了气象数据、负荷曲线模拟、建筑资产选择和尺寸确定等输入。通过模拟物理能源系统,它可以验证所提出的能源使用规划方案,并就如何优化预期成果(包括能源效率和相关成本节约以及减排)提出建议。
西门子将提供培训和支持,维护并持续开发数字能源孪生系统。
西门子与梅赛德斯-奔驰于2021年建立了可持续汽车生产战略合作伙伴关系,双方将在推进可持续生产数字化方面开展合作。
梅赛德斯-奔驰汽车公司生产规划副总裁Arno van der Merwe表示:“数字能源孪生系统是我们成功实现可视化、分析和可持续优化节能建筑流程的答案。通过这种创新方法,我们可以更好地了解现有厂房,并将其改造成有生命力的智能建筑。得益于这项变革性技术,我们正在最大限度地发挥它们的潜力,并为梅赛德斯-奔驰全球生产网络中的节能和可持续建筑使用设定前瞻性标准。”
西门子还为一家不具名的全球饮料供应商开发了类似的孪生技术。双方正在使用该孪生系统模拟能源使用情况,并确定全球15家啤酒厂的节能情况。据西门子估计,每个生产基地可节约15%至20%的能耗,平均每个生产基地可减少50%的二氧化碳排放量。
好文章,需要你的鼓励
在AI智能体的发展中,记忆能力成为区分不同类型的关键因素。专家将AI智能体分为七类:简单反射、基于模型反射、目标导向、效用导向、学习型、多智能体系统和层次化智能体。有状态的智能体具备数据记忆能力,能提供持续上下文,而无状态系统每次都重新开始。未来AI需要实现实时记忆访问,将存储与计算集成在同一位置,从而创造出具备人类般记忆能力的数字孪生系统。
香港理工大学联合多所高校开发的Mol-R1框架,首次实现了AI在分子发现中的透明推理。该系统通过PRID方法学习专家推理模式,配合MoIA迭代训练策略,不仅能准确生成分子结构,还能展示完整思考过程。相比现有模型,Mol-R1推理更简洁高效,为药物研发等领域的AI应用提供了重要的安全保障。
OpenAI首席执行官阿尔特曼表示,公司计划在不久的将来投入数万亿美元用于AI基础设施建设,包括数据中心建设等。他正在设计新型金融工具来筹集资金。阿尔特曼认为当前AI投资存在过度兴奋现象,类似于90年代互联网泡沫,但AI技术本身是真实且重要的。他承认GPT-5发布存在问题,并表示OpenAI未来可能会上市。
蚂蚁集团AWorld团队发表突破性研究,创建动态多智能体协作系统解决AI稳定性难题。研究灵感来源于船舶导航,通过执行智能体和守护智能体的协作机制,在GAIA测试中准确率达67.89%,稳定性提升17.3%,荣登开源项目排行榜第一名。该系统为构建可靠智能系统开辟新路径,具有广阔应用前景。