2017年9月21日-22日,第二届能源互联网暨“一带一路”高峰论坛在上海成功举行,大会从最新示范项目着手、深入探讨了能源行业热点话题。会上,新华三集团电力能源技术部总监乌建恒以行业价值及社会角度,围绕ICT技术在能源互联网中的应用,发表了《创新IT 能源互联》的主题演讲。
新华三集团电力能源技术部总监 乌建恒
柴静的纪录片《苍穹之下》让国人深入了解了雾霾,更认识了环境保护的重要性。有数据显示,我国能源结构中煤炭等化石能源占比较国际数据高出20%,乌建恒指出,能源结构不合理是“环境之殇”的重要原因之一,他解释道:“能源行业发展的一个普遍问题是缺乏统筹和合作机制,系统协调性亟待提高。”此外,风电、水电、生物能等新能源的发展因其不稳定性受到了很多制约,能源高效化、绿色化以及市场化是能源行业的三个新要求。“能源行业不仅是企业,更肩负着重大的社会责任。”乌建恒指明:“能源互联网为未来能源行业的发展指明了方向。能源互联网将帮助能源行业应对市场化、民主化、去中心化、智能化、物联化等挑战。”
众所周知,新华三服务电力能源行业十三年的实践积累,不断为客户研发创新的行业解决方案 “对用户业务的理解,完整的解决方案,用户的信任是十几年来新华三逐步积累起来的优势,”乌建恒补充,新华三的另外两点优势体现在公司“应用驱动,云领未来”技术战略,以及能源互联网生态体系的构建。
不可否认的是,能源行业本身的业务复杂度高,导致能源互联网技术体系更为复杂。新华三电力能源系统部给出的解决方法,其一是基于ICT视角来继续积极寻找合作伙伴,尤其向传统电力一二次设备厂商寻求合作,并提出整合交付的思路,整合能源行业上下游企业,深度融合包括安全防护、系统建设、甚至互联网等企业,跨领域共同构建体系,为最终用户提供更高效、可用的能源互联网解决方案;其二,乌建恒直言:“现在我们需要更理解用户的业务、企业运作模式和商业模式,结合行业发展趋势,为用户‘量身定做’IT系统。例如,客户过去采用计划检修的方式维护设备,检修的停机时间长,对生产影响较大;如果运用物联网、大数据等新的技术手段,可以结气象、社会经济运行情况等全方位的数据,主动感知设备运行状态,提前发现可能的故障,实现智能检修,提升能源企业生产效率。”
另有一点值得一提,能源行业用户在本次大会上明确指出,目前能源行业的IT系统很大一部分工作是在收集和分析数据,但IT供应商不该只销售单一的技术,更重要的是提供相应的服务,帮助能源企业更好的利用技术驱动业务发展。对此,乌建恒也表示:“服务是用户决定是否购买产品的一个重要因素,新华三也在不断深挖客户需求,并据此加大服务投入,不断完善和提升服务能力”。新华三除了在总部设有专门的能源行业服务团队外,还在各省代表处设立售前、销售和售后“铁三角”的服务模式,随着技术的深入和产品设备的增加,不断增加专业服务人力,提升服务细致化程度,帮助用户逐步实现能源互联网落地。
为更好服务能源互联网发展,新华三一方面锐意创新,从设备、通信、数据、应用、商业等五个维度布局能源互联网整体解决方案,推动能源互联网产业健康快速发展;另一方面以客户需求和体验为核心,围绕“三大一云”新IT战略构建新华三平台,携手合作伙伴构建完整的能源互联网生态体系。乌建恒在演讲中表示,新华三将继续加大在能源行业的研发投入,用更多专业技术及产品帮助能源行业转型升级。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。