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
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。