随着农历二十四节气中的最后一个节气——大寒的到来,一股从西伯利亚而来的超级寒潮也“应景”般袭击了中国。随着气温的持续走低,北京的用电量屡创新高,一场冬季确保供电的紧张工作也由此展开。而就在此时,北京市朝阳区金榆路上的一栋银灰色建筑里,神华国华北京燃气热电厂的网络技术工程师正在屏幕前面,观察着全网设备与各项业务系统的运行状况,用“智能”网络确保生产环节运行通畅,将光明和温暖送至寒潮中的千家万户。
国内“最智能”的电厂需要什么网络?
神华国华北京燃气热电厂的建设,曾经颠覆了不少人对热电厂的固有印象。仅从外观来看,“去工业化”的设计理念让一个个大烟囱彻底消失了,经常让人误以为这是“一座博物馆”。从内部技术来看,从顶层设计到工程建设落实,在“数字化电站、信息化管理”理念下,“一键启动、无人值守、全员值班、一体化平台、智能巡检”等开创性技术的应用,更使得神华国华达到了国内智能化程度最高、用人最少(仅30名员工运行)、环保零排放的业内一流水平。
要实现这种智能化的建设理念,并让其高效运转,一张给力的信息网络必不可少。神华国华北京燃气热电厂的目标是利用业内领先的创新技术,构建具有高效率、高安全、高可靠、高扩展、易管理的网络。因此不仅希望建成的网络能够满足公司生产、办公服务的基本要求,做到有线接入可控,上网行为可管,实现财务、生产、办公等业务系统隔离,保障核心业务安全。更重要的是,希望网络能够充分针对能源企业的特点,成为神华国华新业务承载的有力保障。
“极简”方案获认可,“三层面”满足未来应用
通过技术调研、产品测试、内部评审等一系列前期准备之后,电厂最终确定采用锐捷网络设计的“极简”网络解决方案,将整网分为基础网络、网络安全保障体系和统一运维管理三个层面,确保上述目标的实现。
首先,根据具体的业务要求,本方案需要部署两套基础网络。其中一套是用于电厂的内网生产业务及办公需求,另外一套网络是独立的外网系统,连接互联网。基于高可靠性的需求,锐捷在这两套网络中均采用2台高端交换机作为网络核心,并采用VSU(Virtual Switch Unit)虚拟化技术,将两台交换机虚拟成一台。这项技术解决了MSTP+VRRP等传统技术的局限性,降低了网络的复杂性,并将系统故障恢复和切换时间达到了毫秒级的标准。
其次,在网络安全保障方面充分利用先进技术,确保生产运营安全。考虑到电厂的安全管理特殊性,网络采用了物理合一、逻辑隔离的网络拓扑结构,各种不同的业务系统通过VLAN进行区分与隔离。同时,还利用应用安全域、ARP攻击检测、防火墙流量过滤、入侵检测设备、网管等有效防范病毒与黑客攻击。
最后,智能电厂配置“智能网管”。根据神华国华北京燃气热电厂的智能化建设思路,锐捷网络提供了智能网络管理软件,可以直观的为网管人员提供了全网布局情况和设备运行情况,并在拓扑图上呈现的丰富的设备信息、告警通知、流量报告,实时检视网络运行的全貌,为科学管理提供了数据依据。
神华国华北京燃气热电厂的投产运行,让“长安街最后一根大烟囱”成为了历史,从而为北京年燃煤量“减负”做出了突出贡献。尤其是在特殊气象预警期间,新建设的智慧网络,不仅全力保障了生产运行安全,更在能源效率和污染物排放等方面起到了应用支撑作用,并为“智能化”电厂提供了更广阔的发展空间。
好文章,需要你的鼓励
微软宣布未来四年将在阿联酋投资152亿美元,包括首次向该国运输最先进的英伟达GPU芯片。美国已授权微软向阿联酋出口英伟达芯片,使该国成为美国出口管制外交的试验场和地区AI影响力锚点。这笔投资包括2023年以来的73亿美元支出和2026-2029年的79亿美元计划投入,涵盖数据中心建设、人才培训和AI基础设施扩展,目标到2027年培训100万当地居民。
特拉维夫大学研究团队开发了SAEdit方法,使用稀疏自编码器实现精确的AI图像编辑控制。该技术能像调节音量一样精确控制编辑强度,实现从微笑到大笑的连续调节,同时确保编辑的高度解耦性,避免意外修改其他图像元素。方法具有出色的通用性,可应用于多个AI图像生成平台,为图像编辑领域带来重大突破。
OpenAI与亚马逊云服务签署七年380亿美元协议,在微软Azure之外增加另一个超大规模云服务商来满足其不断增长的AI计算需求。该协议将让OpenAI立即获得AWS EC2 UltraServers访问权限,计算能力将在未来七年内扩展至数千万个CPU。AWS还将为OpenAI构建基于英伟达Blackwell芯片的定制基础设施。尽管签署了这一大额协议,OpenAI仍将继续依赖微软Azure作为其主要云计算合作伙伴。
Code4Me V2是荷兰代尔夫特理工大学开发的开源AI编程助手平台,专为学术研究设计。它解决了商业AI编程工具透明度不足、无法获取交互数据的问题,提供了模块化架构和完整的数据收集框架。该工具性能可媲美商业产品,代码补全延迟仅186.31毫秒,同时支持内联补全和聊天功能。通过透明、可控制、可扩展的设计,为AI辅助编程研究提供了重要的基础设施平台。