11月15日-18日,2023中国国际高新技术成果交易会——全球清洁能源创新博览会(简称“能博会”)在深圳拉开帷幕,大会云集了新能源领域的各界代表,聚焦前沿新能源创新技术、行业发展趋势等话题,深入探讨能源行业向数字化转型的趋势与战略,分享企业在能源数字化道路上的成功应用与实践。在同期举办的全球能源可持续发展大会暨全球清洁能源创新博览会的开幕式上,发起了《以科技创新推动全球能源可持续发展》的共同倡议。

《以科技创新推动全球能源可持续发展》共同倡议
能源产业融合数字技术 实现产业升级新变革
绿色发展已经成为全球共识,通过低碳化、电气化、数字化、智能化全面进行能源结构变革,成为推动碳达峰、碳中和进程的战略举措。随着我国“双碳”战略持续深入,能源行业正在经历一场借助数字技术应用实现产业升级的新变革。

大会开幕式华为数字能源技术有限公司中国区副总裁邢清发表致辞
华为数字能源技术有限公司中国区副总裁邢清在大会开幕式发言中表示,能源是社会经济发展的基础,能源需要持续演进变革,来支撑人类文明的可持续发展,而发展新能源是实现能源可持续发展的必然趋势。当前,新能源发展模式已经从“资源驱动”走向“技术驱动”,能源世界和数字世界将深度融合发展,能源产业也将进入数字能源新时代。
创新技术赋能产业发展 全面推动能源数字化
当前,全球能源产业的源动力正由“资源依赖”转向“技术驱动”,在低碳技术持续创新的浪潮中,华为数字能源积极参与新型能源体系的建设,通过融合数字技术、电力电子技术、热管理技术和储能管理技术,以实现发电的低碳化、用能的电气化和用电的高效化。

从发电的低碳化方面来看,过去十年,华为通过架构升级、技术创新,引领智能组串式成为了全球主流;过去两年,通过Grid Forming构网型技术,打造智能光储发电机,从概念到实现,成功助力沙特红海新城建设全球最大的GW级微网,实现全球首个100%光储供能。同时为行业标准的制定奠定了基础,加速光伏成为主力能源。
从用能的电气化方面来看,充电网络是重要的新型基础设施,要兼顾社会效益与经济效益,应统一规划、统一标准、统一建设、统一运营。通过车上车下高质量的协同发展,华为推出了超融合的动力系统和“一秒一公里”的全液冷超充解决方案,推动实现“有路的地方就有充电”。

华为数字能源新一代全液冷超充,实现了“源、网、荷、储、车”的协同发展,拥有方便快捷的充电体验、充电基础设施的高质量和高安全性及社会效益与经济效益的正向循环,加速了汽车产业电动化发展。当前已在全国的50多个城市、20多条高速沿线,部署了约200多个全液冷超快充样板站,为新能源车主带来更极致的充电体验。
从用电的高效化方面来看,ChatGPT引领的人工智能时代已经来临,算力就是生产力,智能算力就是创新力。未来,算力需要更多的绿色电力来支撑,华为致力于打造绿色低碳的数据中心、通信网络和高效的关键供电方案,以构筑智能世界的绿色底座。
针对大型数据中心场景,华为数字能源通过FusionPower电力模块3.0通过全链融合和关键节点优化,打造省地、省电、省时、省心的大型数据中心供配电解决方案;针对中小型数据中心场景,推出FusionModule智能微模块6.0通过全模块设计,实现一模块一DC,打造中小数据中心一站式解决方案;针对关键供电场景、UPS系列不间断电源,打造可靠性和效率双优的智能供电解决方案。
以创新驱动技术进步,以技术赋能产业发展。面向未来,华为数字能源将继续发挥数字技术与电力电子技术融合优势,协同上下游伙伴、产业生态,积极响应新型能源体系的建设需求,共同为高质量达成双碳战略目标持续奋斗。
好文章,需要你的鼓励
讨论AI发展前景及其对各行业的影响,以及加速计算的未来。演讲将涵盖人工智能、机器人技术、仿真、游戏和内容创作等前沿技术。此次演讲备受关注,特别是在英伟达与Synopsys深化合作以及收购Groq和SchedMD之后。观众可通过YouTube观看直播。
SimWorld是由UCSD等多所顶尖院校联合开发的革命性AI仿真平台,基于虚幻引擎5构建了具备真实物理规律的虚拟城市环境。该平台支持无限扩展的程序化世界生成和自然语言交互,让AI智能体能够在复杂环境中学会生存、合作和竞争,为通用人工智能的发展提供了前所未有的训练平台。
波士顿动力在CES 2026上发布了新版Atlas通用人形机器人。新原型机以轻快且极其类人的步伐登台,展现了令人印象深刻的行走能力。该机器人拥有56个自由度,配备全旋转关节和具备触觉感知的人类尺寸手部,能够执行材料排序、装配和机器维护等任务。Atlas将首先在现代汽车集团位于乔治亚州萨凡纳的制造工厂投入使用。现代汽车还宣布与谷歌DeepMind合作,将Gemini机器人技术集成到波士顿动力系统中,推动物理AI领域发展。
浙江大学联合华为提出C2DLM,这是一种因果概念引导的扩散语言模型,通过自动提取因果关系并融入注意力机制来增强AI推理能力。相比传统方法,C2DLM在推理任务上平均提升1.31%-12%,训练效率提高3.2倍,为解决语言模型推理能力不足开辟了新路径。