近日,宁畅“智领能源,赋能未来”新能源行业研讨会在南京隆重举行。面向新型电力系统转型,宁畅带来电力行业解决方案,助推AI技术在能源领域的应用与发展。
随着新能源的快速发展和源网储荷一体化程度加深,传统电力系统向新型电力系统转变,结构及运行方式日益复杂,需要海量感知数据和以AI为代表的强大算力作为支撑和保障,实现深度的数字化和智能化。目前,人工智能在电力领域应用仍存在很多问题,如数据不均衡、算力集群效率低、模型可信度有待考验、云边端算力资源没有有效协同等一系列挑战。这些挑战影响了AI技术在电力领域的规模应用。
宁畅洞悉行业需求,推出电力行业解决方案,针对人工智能的关键技术需求,以宁畅人工智能服务器、人工智能管理平台、绿色数据中心(液冷)、并行存储核心产品矩阵为抓手,建立健全整体方案体系。面向新型电力系统云边端统一部署架构,从边缘层、IAAS、PAAS、SAAS提供面向场景的全IT架构技术及流程保障,实现电力人工智能的精准、及时、可靠。
领先算力,广泛应用
凭借领先的计算能力,宁畅能够提升气象预测及功率预测的整体预测速度与预测精度,对于新能源并网和电力交易具有重要意义。同时,宁畅可以打造生态级一体化数据中心,为能源系统提供先进算力底座。
云边协同,高效统一
云边协同是宁畅电力行业方案的核心方案之一,能够满足海量终端接入和工业控制实时性的需要,适用于从能源生产调控与运行检修、经营服务、资产全寿命周期管理等应用场景。
目前,宁畅训练/推理服务器在电网及发电领域得到极大推广。例如针对电力场站“无人化、少人化”运维场景,宁畅按照“云边端”协同巡检体系,结合设备监控实际需求,提供服务器、边缘设备作为巡检平台底座,支撑软件厂商研发图像/声纹识别模型,最终实现电力一二次设备“可见、可听、可测”。
数据智能,数字孪生
在数据智能与数字孪生技术方面,宁畅聚焦数据服务、模型开发、应用发布重要环节,实现数据智能全流程。同时,宁畅通过数字孪生建立多智能体三维仿真模型,解决新型电力系统主体多元化、网络复杂化和运行方式多样化的特点,助力实现数据驱动下的电力系统安全稳定分析、运行方式分析、用电大数据分析和设备健康状态分析。
电力行业解决方案的广泛应用,体现了宁畅对于行业的敏锐洞察以及强大的科技创新力。基于核心技术与解决方案,宁畅将继续携手合作伙伴赋能人工智能与新能源体系构建,探索新能源行业未来发展的无限可能性。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。