西门子正运用Xcelerator的端到端数字孪生与AI技术,为柏林设计可持续的未来城市形态。
国际科技巨头西门子正利用端到端数字孪生与AI技术,帮助柏林设计出面向未来的可持续城市形态。
这一城市开发项目在德国首都的西门子城广场上举行了奠基仪式,其最终目标可容纳3.5万人。
西门子Xcelerator的端到端数字孪生技术可以容纳整个开发区内的各项基本要素,包括园区、建筑和能源等,其中将包括欧洲地区规模最大的废水热交换器以实现净零排放。
到2035年,西门子计划投资8亿美元以将西门子城广场发展为合作中心,项目的总投入则高达48亿美元。
德国总理奥拉夫·朔尔茨。
棕地蓝图
德国总理奥拉夫·朔尔茨与柏林市长凯·韦格纳,携手西门子公司高管一同出席了此次奠基仪式。
西门子城广场占地约188英亩,建筑面积超过100万平方米,未来将可容纳约3.5万人在这里生活和工作。
西门子公司发言人表示,“该项目将为城市棕地开发和全球工业转型设计出一份行之有效的蓝图。”
“整个西门子Xcelerator平台的数字技术——从端到端数字孪生、到人工智能(AI)——将让该地区愈发宜居并适应未来需求。”
西门子构想中的未来之城。
未来区
柏林施潘道地区拥有100多年历史的工业基地将转型为“未来区”,尝试将制造、研究学习和生活等设施融为一体。
这块占地27万平方米的区域,最多将提供可容纳7000人的居住空间。
其中30%的面积用于建设社会住房,而同样落户于此的众多企业及合作伙伴将创造多达2万个就业岗位。
朔尔茨表示,“奠基仪式令人鼓舞,展示出我们德国如今在城市规划和现代社区建设方面已经取得的成就。”
“西门子城将保持过去125年来的优秀传统,成为新起点、未来与信心的来源。”
西门子公司董事长兼CEO Roland Busch。
可持续增长与竞争力
西门子股份公司总裁兼CEO Roland Busch表示,“西门子城广场将成为勾勒城市未来面貌的蓝图。”
他补充称,“此项目将结合人工智能、数字孪生及西门子Xcelerator平台等多种技术,将工业棕地转化为稳定且健康增长的引擎。通过生产与建筑技术自动化、优化能源管理及绿色出行,我们将确保实现净零排放,这也将成为一份通过数字化方式实现可持续增长与竞争力增强的蓝图。”
柏林市长凯·韦格纳则提到,“创新与未来正在柏林的这片区域内落地。当我们为新的西门子城广场社区奠定基石时,也标志着一个令人振奋的城市发展项目的起点:这座智慧城市将更加先进、更可持续,并成为柏林新建筑群当中增长速度最快的区域中心之一。”
“它将极大帮助德国首都实现其气候目标并吸引更多技术工人,而这种吸引力主要源自社区内提供的高品质住房。”
西门子公司与西门子城广场将“展示西门子Xcelerator平台技术如何将数字与可持续解决方案,融合到城市的各个层面:从带有光伏屋顶的智能可持续建筑,到AI优化的生物多样性监测与电动汽车解决方案。”
该公司还补充道,“城市基础设施规划、优化及运营的核心则由端到端数字孪生负责实现,其中整合了来自园区孪生、建筑孪生及能源孪生的全部数据点。”
“通过智能接入并使用这些数据,可以为该区域建立起完整的虚拟形态,成功打破长久以来的数据孤岛。”
也就是说,工程人员可以在数字版本的城市中检测错误,并据此在现实世界中避免这些错误。
这种在数字世界中不断发现改进潜力并加以实施的方法,能够将种种富有远见的概念和思路投入测试,从而积极塑造更加宜居的城市未来。
西门子股份公司管理委员会成员Cedrik Neike。
西门子Xcelerator技术坐拥三大孪生副本:
西门子股份公司管理委员会成员Cedrik Neike表示,“30年前,我自己的培训与职业生涯就是从西门子城开始。今天作为管理委员会的一分子,我则在这里为「未来区」奠定基础。”
“在以封闭式生产基地运转了100多年之后,西门子城广场将全面转化为开放的欢聚之地。”
好文章,需要你的鼓励
据报道,OpenAI正与亚马逊洽谈至少100亿美元的融资。亚马逊此前已是Anthropic的最大投资者,并为其建设了110亿美元的数据中心园区。若融资达成,OpenAI将采用AWS的Trainium系列AI芯片。Trainium3采用三纳米工艺,配备八核心和32MB SRAM内存。AWS可将数千台服务器连接成拥有百万芯片的集群。报道未透露具体估值,但OpenAI最近一次二次出售估值已达5000亿美元。
伊斯法罕大学研究团队通过分析Google Play商店21款AI教育应用的用户评论,发现作业辅导类应用获得超80%正面评价,而语言学习和管理系统类应用表现较差。用户赞赏AI工具的快速响应和个性化指导,但抱怨收费过高、准确性不稳定等问题。研究建议开发者关注自适应个性化,政策制定者建立相关规范,未来发展方向为混合AI-人类模型。
各行业企业存储的数据量持续攀升,5PB以上已成常态,10PB以上也日益普遍。2026年非结构化数据管理的主题是全面增长:更多数据、更多投资、更多痛点以及更多AI安全风险。AI应用加速普及、数字化信息激增以及富媒体和传感器数据大幅增加推动了数据增长。随着AI推理应用的发展,企业将意识到非结构化数据管理对AI投资回报率的关键作用。
这项由伊利诺伊大学香槟分校等四所院校联合完成的研究,提出了名为DaSH的层次化数据选择方法。该方法突破了传统数据选择只关注单个样本的局限,通过建模数据的天然层次结构,实现了更智能高效的数据集选择。在两个公开基准测试中,DaSH相比现有方法提升了高达26.2%的准确率,同时大幅减少了所需的探索步数。