近期,华晟HS-B96 AgriPV异质结高透光组件在法国蒙彼利埃EnerGaïa与观众们首次见面,凭借其异质结技术赋能,吸引了众多关注,这一全球首款异质结高透光农业专用组件为欧洲农业光伏的高质量发展带来了更多的可能性。
在欧洲,农业光伏备受瞩目,法国和德国政府均已将农业光伏视为其能源战略的核心支柱之一。面对日益增长的农业光伏发展需求,华晟与合作伙伴——法国知名能源解决方案提供商Feedgy携手开发HS-B96 AgriPV异质结高透光组件,专为园艺、树木栽培和花卉栽培等大棚农业设计,该产品已获得TÜV莱茵认证。据Feedgy调研,2021 年全球农业光伏市场价值为33亿欧元,预计到2031年将达到86亿欧元,年增长率10%。
HS-B96 AgriPV由96片华晟异质结电池制备而成,异质结电池天然的双面对称结构使得组件轻松实现超过90%的双面率。此外,异质结-0.24%的温度系数保证了组件在高温环境中仍能稳定地输出电力。同时,异质结具有低温生产工艺和“四步”精简制程,叠加异质结组件更优异的发电表现,从制造端到应用端降低能耗、减少碳排放,为全球农光用户再添一份实实在在的绿色增益。
相较于传统大棚光伏组件,HS-B96 AgriPV采用半透明设计,得益于其90%的双面率、39%的透明度和33%的光合有效辐射透过率等优越特性,在光伏大棚的应用中可有效提升对阳光资源的利用。HS-B96 AgriPV在保护农作物的同时,将太阳光线转化成为散射光,使农作物得到更有效的阳光照射,从而进一步提升光合作用。此外,HS-B96 AgriPV依托高效异质结技术,功率档涵盖300W-320W,为农业客户提供多样化选择及农光双赢更优解。
随着HS-B96 AgriPV高透光异质结组件的推广应用,华晟组件的身影将不仅出现在地面、屋顶,还将进入农场、大棚等农业场景。华晟新能源以超高效硅异质结(HJT)太阳能硅片、电池以及高功率组件垂直一体化的研发、生产、应用为主要业务,截至目前,华晟已建成6GW异质结专用单晶硅片产能、20GW异质结电池产能、19GW异质结组件产能,是行业首家投产异质结有效产能超过10GW的企业,产能规模稳居行业第一。华晟正以领先的异质结技术,率先拓展更多元的光伏应用场景,为全球各行各业的绿色转型和低碳高质量发展贡献华晟力量。
在如今“智算”属性不足的大背景下，建设智算中心不单纯是一项资金游戏，更是一个思维观念、企业架构转化的新模型。 作者|思杭 编辑|皮爷 出品|产业家 过去12个月，英伟达市值飙升了238%。这已经算是商业史上的现象级事件。 成为热点的不止有英伟达，还有站在英伟达背后的“人物”黄仁勋。就像当年的马斯克一样，现在的黄仁勋几乎每次发言都是科技界的“头条”。 “AI工厂”便是黄仁勋近期频繁提到的词语。在2月的英伟达2024财年第四季度财报电话会上，黄仁勋将一种专注于AI生成的新型数据中心定义为“AI工厂”。其中，为AI工厂输送“能源”的正是让英伟达市值上涨万亿美元的GPU芯片。 而黄仁勋口中新型的数据中心“AI工厂”也正是国内近两年异常火热的智算中心。 那么，究竟什么是智算中心？以及，黄仁勋口中的AI工厂到底是什么？ 简单来理解，智算中心就是为如今的AI大模型、AI应用，以及未来所有的人工智能项目提供计算力的新型“发电厂”。它是专为AI而生的。 与传统计算中心不同的是，智算中心所需要的算力是由GPU提供，而前者则是由CPU提供。在过去，GPU的用处则更多是在游戏行业，而到了今天的AI时代，GPU芯片则变成了一种“必需品”。 2023年10月前，阿里、腾讯、字节跳动、百度等国内大型科技公司都是从英伟达手里获取AI芯片。 但伴随着美国禁止英伟达等本土企业向中国出售A100/H100等AI芯片，这也一定程度上导致了国内的算力短缺。在过去的2023年，“缺卡”也更在成为一众大模型企业的普遍现状。 但实际上，早在之前，国内的AI算力军备竞赛早已打响。从国家启动“东数西算”工程开始，传统IT企业、云厂商和电信运营商就已经在紧锣密鼓地布局智算中心。 早在2022年已有相关动作。1月，商汤科技智能计算中心在上海市临港区启动运营；8月，阿里云张北超级智算中心在张家口张北县；9月，百度智能云（盐城）智算中心在江苏省盐城市落地，以及包括华为晟腾系列、昆仑芯、寒武纪等越来越多中国厂商也都在2022年甚至之前已经在稳步布局。 在过去的一年中，智算中心的建设在中国大地上可谓如火如荼。 纵观2023年的整个算力产业发展上，在智算中心之外，AI芯片、AI服务器、数据训练中台等等，如今也更在成为云厂商、传统IT企业和电信运营商的一块兵家必争之地。 而在2024的今年，这些节奏更在进一步提速。智算中心，飞奔在路上。 一、2024，欢迎来到智算中心「元年」 国家队的入场无疑是最引人注目的 。 2023年，超30座城市抢建智算中心。这是国家信息中心与相关部门联合发布的《智能计算中心创新发展指南》中给出的一组数据。 而2024年，智算中心则更是迎来它的“元年”。 在刚刚结束的两会，一个产业界最关注的话题便是，政府工作报告提出开展“人工智能+”行动。而在这其中，据《证券日报》的记者了解到，不少企业界人士都认为，“人工智能+算力基础”会率先“动起来”。 事实也的确如此。从2024年初开始盘点：1月8日，中国移动智算中心（武汉）在武汉未来科技城开放运营，预计成为华中地区规模最大的智算中心；1月22日，上海电信在上海点亮“大规模算力集群暨人工智能公共算力服务平台”，预计成为国内首个超大规模国产算力液冷集群；1月30日，中国联通人工智能创新中心成立仪式在京举行。 此外，北电数智承建的北京数字经济算力中心达产后将实现1000P智能算力供给。 从中可以看到一个明显的信号，包括互联网厂商、通信厂商、电信运营商在内的一众企业都正在加大力度建设智算中心。 判定算力资源的最直观指标便是看服务器规模。后者规模越大，前者算力资源就更多。 而在2024年初中国移动发布的一份供应商信息核查公告中透露，2024年～2025年，中国移动将采购特定场景AI训练服务器6000台。如果按照中国移动《2023年至2024年新型智算中心（试验网）招标》中第12个标包——1250台（包括风冷和液冷）中标价24.7亿元粗略估算，这笔投资将超过120亿元。 实际上，与电信运营商相比，云厂商和传统IT企业的投入其实占比更大。 国际数据公司IDC的一位中国分析师对《财经》记者表示，从服务器采购量占比来看，互联网云厂商等科技公司占比约40%，电信运营商占比超过15%，数据中心服务商、地方大数据产业园以及其他IT服务公司占比约10%。 实际上，再往前追溯，在这种强投入的背景下，互联网云厂商则在更早之前已经便开始投入到智能计算当中。从一组云厂商的动态中即可窥见出这一趋势： 2019年，百度智能云提出ABC战略（AI，Big data，Cloud Computing），致力于智能计算、智能应用、智能生态的全面发展； 2021年7月，腾讯在合肥设立的腾讯智慧产业总部基地正式揭牌； 截至2021年上半年，华为云的“南贵北乌”智算中心已经全面建设完成，并于2022年进入年度国家绿色数据中心名单； 2023年9月，京东云发布数智算力矩阵； 2023年，火山引擎与理想汽车合作，在山西省建设智算中心； … 这种对于智能计算的强调对大模型厂商而言也更是自然趋势。此外，在如今国外GPU芯片困难的背景下，互联网厂商和传统IT企业也都在加速“追赶”，力争自研能应用于AI大模型及其他AI应用的芯片。比如华为的昇腾、阿里巴巴的含光和百度的昆仑等等。 而在AI服务器的供应上，这部分的市场份额目前主要还在传统IT企业手中。 据IDC数据，2022年中国AI服务器市场（按销售额），浪潮以46.6%份额占据首位，新华三、宁畅分别以11%和9%占据第二、第三名。 在如此AI算力军备竞赛打响的背后，实际上隐藏起来的是如今国内巨大的算力缺口。 据不完全统计，过去一年单单是中国大模型创新企业就超过250家，而中国更是凝聚了1070万名开发者，服务23.5万家企事业单位。更不用说，伴随着如今的产业落地，这种需求更将会加速涌现。 首次提出“智算中心”的浪潮认为，未来人工智能计算需求占比将在80%以上。而且未来对一个大模型训练所需的算力，可能每3～4个月就翻一番，这意味着一年就要增加10倍。阿里云智能解决方案首席架构师郑海超也曾公开提到，大模型带来的算力需求为每两年275倍的增长。 在如此巨大的算力缺口下，智算中心在国内的大规模建设也成为了一种必然。 而对于像“智算中心”这种基础设施而言，政策的推动则起到了加速的作用。2017年，《新一代人工智能发展规划》提出“建立人工智能超级计算中心”，自此智算中心也被提高到国家战略的高度。 从2020年开始至今，智算中心更是多次出现在“十四五”报告、新型数据中心发展三年行动计划、数字中国建设整体布局规划等等白皮书中。战略地位被一再提高，直到2024年3月的两会上，“人工智能+”行动被写入政府工作报告，相关产业都将得到高度重视。 根据IDC圈不完全统计，截至2023年底，全国带有“智算中心”的项目有128个，其中83个项目有规模 披露，超过7.7万P。 这也正是企业与国家队共同努力得到的一份成绩单。 然而，在传统IT厂商、云厂商和电信运营商“抢建”智算中心的当下，一些问题也正 在被看见。 二、建一个智算中心，难在哪？ 2024年哈尔滨平房区批复了4.6亿元的哈投智算中心；2023年长春公布了4.8亿元长春新区智算中心的建设计划，青岛市公布了17.7亿元的元宇宙智慧算力中心建设计划，南昌市公布了4.5亿元的江西人工智能计算中心建设计划。 地方城市正在市场和政策的驱动下积极响应，投入建设智算中心。 然而，这种异常高涨的热情背后，对应的并非是实际的算力需求。一方面，据《财经》了解，一些城市投资智算中心的逻辑是，希望以此扩大基建、招商引资、吸纳人才，推 动本地产业升级。很多地方政府还会为企业发放算力券，进行市场补贴。 而在没有合理规划和试验的情况下，盲目建设智算中心的行为则会导致极大的资源浪费。 全国政协委员、中科院计算所研究员张云泉也在《算力经济发展趋势分析与展望》中分析道，“有些地方只是为了追求排名、追求规模效应，运营过程不透明、缺乏监管，建成之后发现需求不足，没有大的应用，出现了很多智算中心直接空转、关机的现象，造成很大浪费。” 实际上，建一个智算中心需要更为合理的规划和实验验证。对此，张云泉给到的第一点建议便是，“对新增建设类算力网工程技术装置进行实验验证，在验证的基础上再放大。” 尤其是大型算力网的构建则更需要通过原型实验，进行严格论证。一个正常大型项目的逻辑是，在应用场景确定下来的基础上，再衡量项目建设的投入产出比。但如今在算力的架构、调度、测量、交易、安全技术等方面都尚不成熟。 严格意义上讲，目前国内的智算中心还并不能称之为真正的“智算”，在运营模式、服务等方面都还深受传统IDC行业影响。 北电数智首席战略官杨震告诉产业家，AI时代，企业需要的，除了能够精准匹配需求、极具性价比的智能算力服务，还要有端到端的人工智能全栈服务。 除了算力，企业应用人工智能还涉及数据、模型开发和调优、AI应用等多个环节。每个环节对于传统企业都存在技术门槛高、人才缺失、开发周期长等难题。据了解，北电数智的做法是联合生态伙伴提供底座大模型、丰富的行业垂直大模型、一栈式AI工具链，企业可以灵活调用各种能力，加工出所需要的AI应用；此外，其也围绕数据要素打造赋能工具，帮助拥有丰富数据的企业挖掘数据价值。 杨震告诉产业家，事实上，具有全智算属性的AIDC，是在提供从底层算力到顶层应用使能的全栈能力。在他看来，北电数智承建的北京数字经济算力中心就是在打造新型的AIDC，也就是黄仁勋说的“AI工厂”。 实际 上，智算中心与传统数据中心的区别一方面在于能够帮助AI企业提供AI算力；另一方面则在于改变运营方式。 而提供AI算力的前提除了需要AI芯片，更重要的则是如何发挥“平台”作用，为企业提供配套的算力服务。尤其是在如今的大模型时代，一个参数规模达千亿甚至万亿级的大模型， GPU卡的需求就高达数万张。 因此，于企业而言，“算力服务除了提供算力外，还要有底座大模型、丰富的行业垂直大模型、一栈式AI工具链等。而这些都是智算中心应该做到的。”杨震表示。 但从目前的智算中心建设情况来看，整体的现状是只注重“量”，而忽视“质”。在智算中心的华丽外壳下，却装着传统数据中心的“里子”。 此外，在如今智算中心占领高地的当下，一个更新的问题也在被放到台面上：传统IDC将如何转型？ “过去，云厂商和传统IDC企业存在竞争关系，而未来将是互补，甚至是合作的关系。”在2月末的阿里云战略发布会上刘伟光曾公开表示。与此同时，AIDC企业北电数智也同样认为，传统IDC实现转型则要避免“单打独斗”，要和生态合作伙伴共同发挥各自优势，联合创新。 换言之，如果实现智算中心的“AI工厂”的平台价值，在算力之外，还需要关于数据的训练、标注以及后期的微调等等。能够预测的是，在2024年将会有越来越多围绕智算中心的生态出现。这里面不仅包括晟腾、寒武纪等芯片企业，更多的也恰是整个大模型生产链上的企业，比如标注企业、大模型isv开发者等等。 此外，从ChatGPT到Sora，大模型应用不仅仅带动了算力需求的爆发，能耗也在急剧增长。比如最近ChatGPT爆出日消耗电力超50万度，相当于美国家庭每天用电量的1.7万多倍。而在此背景下，智算中心的绿色节能也被提上日程。 这也恰是如今越来越多的智算中心开始选择液冷配置的原因。但相较于传统的水电模式，液冷需要的硬件配备以及对应的成本都将会更大，对不少算力规模较小的智算中心而言，这也更是一项难覆盖的成本。 但在单点上，国内企业也有突破。比如在2023中国算力大会期间，联想问天发布的AI大模型训练服务器便实现了相比同级别服务器功耗降低约10%，恰是基于液冷对服务器的加持。 不难看出，在种种难题下，不论其算力规模大小，智算中心的建设实际上都并非容易，一方面是如何实现技术突破，这些包括和芯片的兼容、适配等等，另一方面是如何打通生 态，开辟新的运营方式。 对智算中心而言，这不单纯是一项资金的游戏，更是一个思维观念、企业架构转化的新模型。 换句话说，这是一个基于AI时代的新IDC企业模型。如果要做好，在资金和技术之外，更要有兼容和共创。 三、算力，狂飙在大模型时代 在越发强烈的市场需求下，行业本身的问题也更在加速浮现。 过去一年，ChatGPT发生过多次宕机事件，最长宕机时间甚至达到16小时21分钟。尽管OpenAI所用到的芯片都来自于全球生产GPU芯片最厉害的企业英伟达，但算力依然捉襟见肘。 从AI芯片的架构来分析，目前最为核心的架构是GPU、FPGA、ASIC。其中，GPU通用性较强，适合大规模并行计算，且设计及制造工艺较成熟，目前占据AI芯片市场的主要份额。 而FPGA则可以更好地解决当下AI时代所出现的暗硅效应，其中，暗硅效应（Dark Silicon）指由于芯片工艺和尺寸的限制，芯片上只有一小部分区域可以同时运行，其余的区域被闲置或关闭，这些闲置或关闭的区域被称为“暗硅”。 能看到的是，国内的大型科技企业都在尝试FPGA架构，如阿里、华为等等。 从全球范围来看，智算中心的军备竞赛早已拉响。首先是美国，斥资3000亿美元重点投资数据中心和智算中心；接下来是出资50亿欧元支持人工智能研究的德国。而在日本，NTT（日本电报电话公司）2023年宣布，未来5年内向人工智能、数据中心等领域投资590亿美元。另外，Meta甚至叫停部分在建数据中心，转而打造智算中心。 张云泉在《算力经济发展趋势分析与展望》中写道，“工业互联网、自动驾驶、全息通信等业务对网络时延、带宽和确定性等条件的要求远远高于消费互联网。如L3~L5级别的自动驾驶要求端到端的时延不超过3毫秒，而传统的集中式的云服务时延一般会超过50毫秒。在这样的情况下，把海量数据上传到云计算中心进行集中处理的模式难以为继。” 这些都将是算力狂飙的最直接需求。面对这些更为广泛的需求，圈内更多的观点是算力分布式理念。即从单一的CPU走向CPU、GPU、NPU、FPGA等多架构，进而满足需求。 未来，“算力会像水、电一样通用”。这是如今大模型时代里一个美好的畅想。 那么，今天距离这样的畅想还有多远？ 二十年前，“十五计划”提出了电信网、互联网、有线电视网三网融合的概念。此后的八年一直到2008年北京奥运会，中国已经完全实现让居民接入高速宽带传输网络的愿景。 二十年后的今天，这样的场景也在重新上演。在如今的算力时代，“算网融合”被提升到重要位置，其主要模式恰是让居民和企业使用算力像使用网络一样方便、便捷。 想象一下在个人移动端，某天你可以在手机上办理“算力套餐”，直接购买算力，像现在购买流量一样；而在企业端也是如此，比如教育、能源、工业、交通等等领域都可以更廉价地购买算力。未来，随着智算中心的规模扩大、技术提升，以及算力订阅式、分布式的普及，有理由相信，这些都将会一一实 现。 按照这样的速度，“算力像水电一样通用”这样的畅想也许不需要第二个“八年”。
原创文章，作者：admin，如若转载，请注明出处：http://readdaily.cn/other/127198.html