日立能源(Hitachi Energy)已在弗吉尼亚州南波士顿园区正式破土动工,启动大规模扩建计划。扩建完成后,该工厂将成为美国规模最大的电力变压器制造工厂,而变压器正是当前美国老化、超负荷电网中需求最为迫切的关键设备之一。
此次扩建项目总投资达4.57亿美元,预计将在哈利法克斯县新增约825个就业岗位,并使园区员工规模接近翻倍。目前,日立能源在该园区已有约850名员工,自1968年起便在此生产变压器。
新工厂将生产用于高压输电、发电、工业设施及数据中心的大型电力变压器,是日立能源此前宣布的逾10亿美元美国电网设备制造扩产计划的重要组成部分。
随着电力公司加速推进电网升级,以接入新能源项目、推动电气化转型并满足AI数据中心的用电需求,电力变压器的市场需求急剧攀升。变压器供应短缺已成为制约全美新能源项目推进的最大瓶颈之一。
这一压力预计还将持续增大。ICF发布的最新报告显示,美国总用电量预计将在2030年增长21%,2035年增长39%;峰值用电量则分别预计增长14%和25%。数据中心扩张规模最大、工业发展最活跃、电气化进程最快的地区,将出现最为显著的用电增长。
报告同时指出,目前美国增长最快的两大电力市场——ERCOT(德克萨斯州)和PJM(覆盖13个州及哥伦比亚特区)——已无多余发电容量来可靠支撑额外的用电增长需求。
报告还预测,2026年至2030年间将新增约445吉瓦的发电容量,但2026年预计仅有68吉瓦能够投入运行,且并非所有新增容量都能在用电高峰期按时调配到位。换言之,挑战不仅在于发出更多电力,更在于能否以足够快的速度建设输电线路、变压器及其他电网基础设施,将电力输送至真正需要的地方。
弗吉尼亚州正处于这一需求浪潮的核心地带。该州拥有全球密度最高的数据中心集群,北弗吉尼亚地区处理着全球约70%的互联网流量。数据中心目前已占弗吉尼亚优势能源公司(Dominion Energy Virginia)电力销售额的近四分之一,该公司预计未来15年内用电需求将几乎翻倍,主要驱动力正是持续增长的数据中心业务。
日立能源表示,南波士顿工厂的扩建将有助于满足全国电力公司、发电商、数据中心及工业客户日益增长的用电需求,同时强化关键电网设备的国内供应链保障能力。
此次新变压器工厂的建设,建立在日立能源在弗吉尼亚州南侧近60年制造历史的基础之上,也是其美国制造战略布局中的重要一环。在逾10亿美元的美国总投资中,相当大的比例集中在弗吉尼亚州,进一步巩固了该州在供应电网现代化所需设备方面的战略地位。
Q&A
Q1:日立能源南波士顿变压器工厂扩建规模有多大?
A:此次扩建总投资4.57亿美元,是日立能源逾10亿美元美国电网设备制造扩产计划的重要组成部分。扩建完成后,该工厂将成为美国规模最大的电力变压器工厂,新增约825个就业岗位,园区员工规模接近翻倍。新工厂将生产用于高压输电、发电、工业设施及数据中心的大型电力变压器。
Q2:美国为什么会出现变压器供应短缺?
A:主要有三方面原因:一是大量新能源项目接入电网需要新增变压器;二是工业电气化加速推进;三是AI数据中心用电需求爆发式增长。ICF报告预测,美国总用电量到2030年将增长21%,到2035年将增长39%,而当前电网基础设施建设速度远跟不上需求增长,变压器短缺已成为制约新能源项目推进的最大瓶颈之一。
Q3:弗吉尼亚州为何成为数据中心和电网投资的核心区域?
A:弗吉尼亚州,尤其是北弗吉尼亚地区,拥有全球密度最高的数据中心集群,处理着约70%的全球互联网流量。数据中心已占当地主要电力公司销售额的近四分之一,未来15年用电需求预计接近翻倍。正因如此,该州成为日立能源等电网设备制造商重点投资布局的战略要地。
好文章,需要你的鼓励
"影子AI"是指员工在未经公司批准的情况下使用AI工具办公。虽然ChatGPT等工具能提升效率,但将内部文件、客户数据或源代码输入未授权平台,可能导致企业数据失控。IBM报告显示,20%的企业存在未授权AI工具,63%尚无AI治理政策。专家建议,一味封禁效果有限,企业应明确哪些工具可用、哪些数据禁止上传,员工也应主动核查AI输出内容,避免将敏感信息粘贴至公共AI平台。
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。
Hirebotics联合Fanuc发布首款基于无代码Beacon平台的防爆协作喷涂机器人Cobot Painter。该方案适用于金属制造商,无需专用喷涂房或复杂编程,可在现有人工喷涂环境中数日内完成部署。操作人员通过平板或手机的"点击示教"功能即可引导机器人完成路径学习,实现液体涂料、粉末涂装等高精度重复作业,帮助制造商将涂装业务收回自主管理。
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。