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
OpenAI明确表示要成为互联网一切事物的主导界面。AI智能体正在改变用户的数字习惯,从健康记录分析到购物指导,ChatGPT已经在多个领域扩展影响力。用户快速采用AI工具,但企业和生态系统的适应速度滞后。电商领域的权力分配尚不明确,用户偏好AI驱动的答案优先体验,品牌则推动生成式引擎优化。研究旨在了解用户与企业在AI变革中的适应差异。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。