Maximo是由AES公司孵化的太阳能机器人企业,近日宣布在AES位于加州克恩县加州城附近的Bellefield综合基地成功完成100兆瓦(MW)公用事业级太阳能装机容量的安装工作,该基地所在地原为农业用地。
当前,受数据中心扩张、电气化进程加速以及工业制造需求增长等因素驱动,电力需求持续快速攀升。与此同时,太阳能建设也面临着劳动力短缺、项目工期压缩以及成本波动加剧等多重压力。
Maximo的机器人太阳能安装解决方案,正在有效弥合快速并网需求与建设产能之间的差距。此次100MW的成功交付,标志着机器人组件安装已从早期部署验证阶段正式迈入持续商业化生产阶段。
Maximo总裁Chris Shelton表示:"在单一站点实现100MW的安装,对于Maximo以及机器人技术在太阳能建设中所能发挥的作用而言,是一个重要里程碑。这充分证明了智能现场机器人能够在公用事业规模上持续稳定地交付成果。随着全球太阳能部署持续提速,能够提升安装速度、质量与可靠性的技术将愈发不可或缺。"
在Bellefield项目中,Maximo的部署规模从单台机器人扩展至四台机组并行协同作业。通过将机器人放置环节与经验丰富的工会技术人员紧密融合进标准化建设流程,整个机队在保持高安全标准和质量水准的前提下,实现了生产效率的跨越式提升。
Maximo 3.0版机组在技术层面的表现尤为亮眼,安装速率稳定保持在每分钟一块组件以上,施工团队每人每班时最多可安装24块组件,几乎是该地区传统安装方式产能的两倍。即将发布的Maximo 4.0主要版本,将在Bellefield所取得的行业领先规模与性能成就基础上进一步升级迭代。
英伟达(Nvidia)的技术为部署于加州的Maximo机器人机队的研发与就绪工作提供了重要支撑。Maximo团队充分利用英伟达AI基础设施,结合英伟达Omniverse库和英伟达Isaac Sim开放机器人仿真框架,在实地部署更新之前,通过基于物理的仿真技术和AI驱动建模,完成了机器人能力的开发、测试与精炼优化。
AI、视觉、机器人技术与仿真驱动工程的有机融合,有效缩短了研发与验证周期,并在机器人机队规模扩大的过程中,进一步增强了对现场性能表现的信心。
英伟达能源高级总监Marc Spieler表示:"物理AI是加速现实世界能源基础设施建设的强大力量。通过将AI基础设施、仿真技术与边缘AI相结合,Maximo等平台充分展示了物理AI如何在复杂环境中以高可靠性加速太阳能板的安装进程。"
亚马逊云服务(AWS)为Maximo AI驱动现场系统的开发、部署与运营提供了全面支持。AWS提供可扩展的计算能力、自动化软件交付以及涵盖实时建设智能在内的高级数据分析能力,使Maximo得以采集运营机器人数据并持续提升系统性能。
亚马逊首席可持续发展官Kara Hurst表示:"在无碳能源开发领域的创新,对于满足全球日益增长的能源需求至关重要。通过将AI与机器人技术相结合,Maximo等技术充分展示了我们如何在提升安全性与效率的同时,加速向无碳能源的转型。亚马逊很荣幸能够支持那些突破可持续基础设施可能性边界的项目。"
公用事业级太阳能建设必须快速扩张,以满足不断增长的电力需求,预计美国在本十年内将部署数百吉瓦的新增太阳能装机容量。
Maximo等机器人安装解决方案,使工程、采购与施工(EPC)企业能够在复杂施工环境中提升生产效率、改善劳动力安全状况并规范安装质量标准。
Maximo表示,Bellefield项目的安装实践证明,机器人技术如今已能够在太阳能建设领域以吉瓦级规模可靠稳定地运行。
Q&A
Q1:Maximo机器人安装系统的效率相比传统方式提升了多少?
A:Maximo 3.0版机组的安装速率稳定保持在每分钟一块组件以上,施工团队每人每班时最多可安装24块组件,这一效率几乎是加州地区传统安装方式产能的两倍。通过将机器人放置环节与工会技术人员的工作流程紧密结合,整个机队在保持高安全与质量标准的前提下,实现了生产效率的显著跨越。
Q2:Maximo在Bellefield项目中用到了哪些技术合作伙伴的支持?
A:Maximo在Bellefield项目中获得了两大技术伙伴的关键支持。英伟达提供了AI基础设施、Omniverse库及Isaac Sim机器人仿真框架,帮助团队在实地部署前完成机器人能力的开发与验证。亚马逊云服务(AWS)则负责支撑系统的开发、部署与运营,提供可扩展计算、自动化软件交付及实时建设智能分析能力。
Q3:Maximo机器人系统未来的发展计划是什么?
A:Maximo即将发布4.0主要版本,将在Bellefield项目所取得的行业领先规模与性能基础上进一步升级迭代。从更宏观的视角来看,Maximo认为机器人技术已具备在太阳能建设领域以吉瓦级规模可靠运行的能力,未来将助力工程、采购与施工企业应对劳动力短缺、工期压缩等挑战,加速美国乃至全球太阳能装机容量的快速扩张。
好文章,需要你的鼓励
Kollmorgen发布NDC布局助手软件工具,专为工厂和仓库中的自动导引车(AGV)及自主移动机器人(AMR)的路线规划与优化而设计。该工具通过分段分析路线,帮助工程师在系统部署前识别瓶颈与低效环节,提供行驶时间、车速及优化潜力等关键数据,并以可视化方式标注问题区域,从而缩短布局设计与验证周期。Kollmorgen表示,该工具未来还将融入AI驱动的优化能力。
这篇由加州大学圣地亚哥分校等六所机构联合发布的综述(arXiv:2605.02913,2026年4月),首次系统梳理了大型语言模型强化学习训练中长期被忽视的轨迹设计问题,提出了GFCR四模块框架(生成、过滤、控制、回放),覆盖数学、代码、多模态和智能代理等多个应用场景,并附有实用的故障诊断手册,为AI训练工程师提供系统性的方法论指导。
现代仓储已从幕后走向前台,配送速度成为品牌竞争核心。面对次日达甚至两小时送达的市场压力,领先履约中心借鉴敏捷开发理念,以周为单位迭代代码、机器人与工作流程。IoT信标、边缘计算与视觉识别模块构建双层架构,实现厘米级货盘追踪与低延迟决策。人机协作模式让员工从重体力劳动转向异常处理与数据分析,拣选准确率突破99%。同时,自动化系统实时采集碳排放数据,在提速的同时实现可量化的减排目标。
中国科学技术大学与FrameX.AI联合提出Stream-R1框架,针对AI视频生成蒸馏训练中"一视同仁"的核心缺陷,引入奖励模型对训练样本进行双重加权:在样本层面根据质量分数筛选可靠的学习信号,在像素与帧层面通过梯度显著性热力图集中优化最需改进的区域,使4步快速学生模型在VBench多项指标上超越慢速多步教师模型,推理速度提升30倍且不增加任何额外计算开销。