近日,蚂蚁数科升级推出能源电力时序大模型EnergyTS 2.0,参数规模在1.0基础上从1B扩展至7B,可以应对更为复杂的能源预测任务。根据在Energy-EVA基准上的测试结果,EnergyTS 2.0在光伏发电功率预测、风力发电功率预测和用电负荷预测三项任务中的准确率表现优于多个现有主流时序大模型。
据悉,EnergyTS 2.0采用混合专家(MoE)架构,通过融合气象、地理、日历等多元协变量信息,能显著提升光伏发电、风力发电及用电负荷预测的精准度,破解新能源弃风弃电、投资收益波动等核心痛点。
为推动行业技术评估标准化和协同发展,蚂蚁数科同步开源了能源电力垂类评测基准Energy-EVA。该基准整合多个公开数据集,涵盖光伏发电、风力发电和用电负荷三大核心场景,包含超过1122万个时序数据点。
今年3月,蚂蚁数科EnergyTS能源电力时序大模型正式发布,基于该模型构建的智能体相继投入应用,覆盖新能源资产投资决策、电力交易辅助、能源系统运行优化、设备运维管理等场景,助力协鑫能科、霍普等企业最小化能源成本、最大化投资回报。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。