近日,全球能源管理与自动化领域数字化转型专家施耐德电气凭借I-LINE™ Track中电流母线的防呆自锁式插接机构及锁扣设计,荣获2021红点设计大奖产品设计奖。
多年来,被冠以“国际工业设计的奥斯卡”之称的红点设计奖评选一直备受行业关注,2021年该评选更是吸引了约60个国家的优秀产品参选,并经过专业国际评审团的多维度评估,遴选出在外观设计、质量及创新程度等方面的卓越产品。
与众多凭借外观设计获奖的产品不同,I-LINE™ Track中电流母线的防呆自锁式插接机构及锁扣设计,从产品实际应用出发,通过整合设计,让母线安装操作,自动锁定和状态指示一气呵成,改变了传统母线产品安装对人力、工具的强依赖性,工人仅需3秒钟即可完成安装或拆卸。与同款产品相比,I-LINE™ Track中电流母线提升近6倍的安装效率,在降低安装成本的同时,也为数据中心的快速部署、灵活扩容赢得了更多空间。


在新基建的推动下,数据中心基础设施正在经历又一轮迭代过程,而这其中最为关键的是“电”,最为基础的也是“电”,因此可靠高效的供配电系统是避免意外断电、保障持续稳定运行的核心基础。施耐德电气认为,作为能源传输载体的母线系统,广泛连接了电气设备与系统,是能源网络中的“主骨架”。如何通过母线系统的全面升级,通过更“柔性”的设计赋能数据中心整体能源体系的稳定,并配合业务不可预测的需求变化,提升快速部署和灵活扩容能力,则变得至关重要。
从客户实际需求出发,施耐德电气联合全球三大研发中心,结合全球超20场市场调研结果,为I-LINE™ Track中电流母线植入10项创新专利,实现多个创新突破:
• 经典传承,创新设计:传承经典“家族基因”,首次将I-LINE™系列高电流密集型母线连接器设计引入中电流母线产品,包括独立式可拆卸、预制力矩双头螺栓及双面搭接设计,连接器载流性能提升100%;过盈弹性插爪,表面镀银处理,确保插接可靠;创新性的外形设计,节省母线本体60%的安装空间。
• 灵活部署,极速扩展:除连接器处外,可在母线其它任意位置实现插接箱空载带电插拔,即插即用;防呆自锁式插接机构,配合安装到位指示,带来秒级安装体验;预制防呆连接器设计,首次引入滑入安装方式,让体验更快捷。
• 云边协同,洞察全局:通过Digital Logbook实现资产管理,结合千里眼运维服务,实现主动的故障发现和快速故障定位;全新母线健康管理系统,既能透视电能质量和系统隐患,也能高效实现自动化运维的,有利于数据中心整体能耗监控,推动数据中心“碳中和”加速度。
此外,通过遍布全国的售后网络,施耐德电气可确保10个工作日的最短供货周期,并依托端到端的项目管理和7*24快速响应服务,从设计、建设到营维阶段的全生命周期,贴近客户,在保证项目按时交付的同时,助力数据中心提升更高等级的快速部署和灵活扩容,以时刻准备拥抱更大的数据处理量、更多元的业务机会。
从2020年正式发布至今,I-LINE™ Track中电流母线还荣获了来自英国短路检测联合会的ASTA认证,进一步佐证了这款产品的安全可靠性。同时,凭借以I-LINE Track中电流母线与I-LINE H高电流干线母线为核心的数据中心母线整体解决方案,还荣膺由中国工程建设标准化协会严选的“数据中心科技成果奖”。
面对诸多权威认可,施耐德电气高级副总裁,能效管理低压业务中国区负责人李瑞表示:“我们很荣幸收获国内外权威机构的认可。以用户需求为核心创新驱动,一直是施耐德电气多年来坚守的信仰。围绕数字经济发展对数据中心在高可靠性、高灵活性方面的更高需求,施耐德电气为数据中心量身定制的I-LINE™ Track中电流母线,集模块化、数字化为一体,可扩展,可感知,可演进,配合更完备、灵活的数字化运维方案,全面助力打造新一代柔性数据中心。未来,我们也将携手更多合作伙伴,推动数据中心行业拓展更为广阔的天地!”
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。