Rivian宣布与ChargeScape达成合作,将其电动汽车接入北美各地由电力公司管理的家庭充电项目,为车主创造节省电费的新机会,同时协助电力公司优化电力需求调度。
Rivian车主可通过ChargeScape网络注册参与各电力公司的合作项目。电力公司可借此引导车主在用电低谷时段进行充电,并在用电高峰期减少充电行为,从而实现电网负荷的动态平衡。
Rivian表示,旗下电动汽车凭借大容量电池组,本身已能为电网提供一定价值,而此次与ChargeScape的系统集成将进一步便利电力公司通过该平台调用这部分灵活储能资源。
ChargeScape由多家汽车制造商联合发起,目前获得宝马、福特、本田和日产的支持。特斯拉、Stellantis等车企也已接入该平台。ChargeScape将自身定位为一个汽车行业共享基础设施平台,致力于帮助电力公司直接与联网车辆开展协作。
Rivian车辆接入ChargeScape后,车主可在不离开Rivian原有应用程序的前提下,参与家庭托管充电项目,充电管理权限始终保留在Rivian的App体验框架内。双方表示,这一方案既简化了车主的参与流程,也为电力公司提供了更灵活的能源调配资源。
ChargeScape首席执行官约瑟夫·韦隆内表示:"这是推动汽车厂商围绕统一平台和充电标准协同合作的重要一步。Rivian与ChargeScape的合作,将把一批路上容量最大的车载电池纳入这一行业共有的共享基础设施。在通货膨胀持续高企、油价居高不下的当下,我们正在为全美电动汽车车主释放切实可观的经济节省空间。"
Rivian先进能源解决方案总监安德鲁·彼得曼表示,公司的软件定义汽车非常适合协助电力公司管理电力需求,同时为车主创造额外价值。
他说:"通过与ChargeScape及其他合作伙伴的协作,Rivian的软件赋能车辆是平衡能源电网的理想灵活伙伴,能帮助驾驶者从车辆中获得更多价值。这些解决方案展示了电动汽车如何帮助降低电力成本,并为所有人——无论是否拥有电动汽车——支撑起更具韧性的能源电网。"
此次合作宣布之际,电力公司正积极寻求管理快速增长的用电需求的新途径,尤其是来自AI数据中心的电力消耗压力。目前美国路上已有近700万辆电动汽车,托管充电项目正成为电力公司越来越青睐的调峰工具,因为这一方式无需新建发电厂或升级电网即可实现需求侧调节。
Q&A
Q1:Rivian与ChargeScape的合作对车主有什么实际好处?
A:Rivian车主可以通过ChargeScape网络加入电力公司管理的家庭充电项目,系统会引导车主在用电低谷期充电,从而降低充电电费。整个参与过程无需离开Rivian原有的App,操作简便。在通货膨胀和能源价格高涨的背景下,这一合作能为车主带来切实的费用节省。
Q2:ChargeScape平台目前有哪些汽车品牌接入?
A:ChargeScape由多家车企联合发起,目前获得宝马、福特、本田和日产的支持,特斯拉、Stellantis等品牌也已接入该平台。此次Rivian的加入,进一步扩大了平台覆盖范围,将更多大容量车载电池纳入这一行业共享基础设施。
Q3:托管充电项目对电网有什么帮助?
A:托管充电项目允许电力公司在用电高峰期减少电动汽车的充电需求,在低谷期引导集中充电,从而实现电网负荷的动态平衡。随着AI数据中心等高耗电设施增多,以及美国路上近700万辆电动汽车的普及,这一方式可以在不新建电厂或升级电网的前提下有效调节用电需求。
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。