虽然 3D 打印技术已经存在了几十年,但它之前仍然局限在业余爱好者和设计师的小圈子内,只是用来制造一次性原型。而且,之前的 3D 打印技术使用任何非塑料材料(尤其是金属)时,成本非常昂贵,速度也慢得让人无法接受。不过现在,随着成本越来越低,使用也越来越简单,这项技术有望成为可用于零部件生产的实用技术。如果它被广泛应用,将有可能改变我们大规模量产产品的方式。短期来看,有了这项技术后,制造商们将不再需要维持大量的库存,他们可以按需地打印一个部件。比如说,当顾客需要给旧车替换一个零部件的时候,就可以立即提供给他。长期来看,那些大规模生产某一特定零部件的大工厂将会被产品线丰富的小工坊所取代。这些小工坊将能按照顾客的需求随时打印出各种各样的零部件。
这项技术的优势在于它可以生产出更轻、更坚固的金属零部件,以及用传统金属加工方法无法制造出来的复杂形状的零部件。它甚至还可以在制造过程中精确调控金属的微观结构。2017年,来自劳伦斯·利弗莫尔国家实验室(Lawrence Livermore National Laboratory)的研究人员宣布他们研发出了一种 3D 打印不锈钢零部件的方法,通过这种方法生产出来的零部件的强度是通过传统方法生产出来的两倍。同样在2017年,位于波士顿附近的3D打印初创公司 Markforged 发布了第一台价格在10万美元以下的3D金属打印机。而另一家位于波士顿地区的3D打印初创公司 Desktop Metal 也在2017年12月开始交付他们的第一台3D金属原型打印机。该公司还计划推出体积更大的、用于工业制造的打印机,它们的速度将会比之前的3D金属打印机快 100 倍。
3D 金属打印的操作如今也变得越来越容易。Desktop Metal 公司现在推出了一款用于 3D金属打印的软件。使用者只要在软件中输入他们所要打印的物体规格,软件就会生成一个适用于 3D 打印的计算机模型。GE公司长期以来一直将3D打印技术用于它的航空产品生产中。早在2013年“十大突破性技术”中就曾提到“增材制造”(Additive Manufacturing)。该公司现在也正在测试一款新型3D金属打印机,该打印机打印速度很快,可用于大型零部件的生产。而GE计划在2018年开始销售该3D金属打印机。
在可预见的未来,我们可能要一直将天然气作为主要的发电能源之一。现成又便宜的天然气发出的电占美国总发电量的近 32%, 全世界发电量的 22%。天然气虽然比煤炭清洁得多,仍造成了大量的碳排放。在美国炼油工业区的中心休斯顿城外出现了一家前沿发电厂,他们正在测试一项可以实现清洁天然气能源的技术。这家公司拥有 50 兆瓦特的项目,他们就是 Net Power。该公司相信他们能捕获天然气发电过程中释放的所有二氧化碳,同时又能够以低廉的成本发电,至少和标准天然气发电厂的成本相同。如果此举真的可以实现,就意味着从此就可以以合理的价格从化石燃料中获得零碳能源。这样的天然气发电必会改善能源供给的局面,因为它既不像核能那样成本高企,也不像可再生能源那样供给不稳。
Net Power 公司是 8 Rivers Capital,Exelon 电力公司以及 CB&I 能源公司合作的产物。这家公司的发电厂已经在试运行且开始了初始测试,他们打算在未来几个月内就公布初次评估的结果。这家发电厂将燃烧天然气产生的二氧化碳放置到高压高温的环境中,并用合成的超临界二氧化碳作为“工质”,驱动一个特制的涡轮机。其中,大部分的二氧化碳都能被不断地再利用,剩下不能利用的可以用一种低成本的方式捕获。
降低成本的关键在于出售部分二氧化碳。目前二氧化碳主要用于协助开采原油。这个市场容量有限,也并不环保。然而最终 Net Power 希望其他行业对二氧化碳的需求能够涨起来,比如水泥制造业、塑料制造业及其他碳基材料行业。Net Power 的科技并不能解决天然气带来的所有问题,尤其是开采方面的问题,但是只要我们还在使用天然气,就应该让天然气变的更清洁。在正在发展的所有清洁能源技术中 Net Power 的技术是最有远见的技术之一,他向我们展示的是一个真真切切的可减少碳排放的新突破。
专业解读
中国科学院山西煤炭化学研究所副研究员陈成猛:中国目前天然气约占总电力供应量的3%,截止2020年预计将占6.7%。为使以天然气和煤炭等为燃料的火电厂更清洁环保,在现有技术体系通常是进一步增设 CO2吸附、脱硫脱硝、降灰等环保装置来实现。然而,这些手段大都是补救性质的,会增加发电成本和能耗,降低经济效益。Net Power 公司则不然,在天然气发电领域,他们选择了源头创新,彻底摒弃传统的以水蒸气为工质的热能循环过程,选用全新的以高压高温超临界CO2为介质的Allam循环过程。这样就从本质上解决了CO2排放和NOx污染的问题,且回收的CO2还变废为宝,可应用于采油或作为化工原材料等利用。该技术发电综合效率更高,设施大幅简化,固定投资少,占地面积小。如果该技术成熟并实现产业化,将引领热力发电领域的技术革命,不仅对天然气发电意义重大,对煤电领域也有非常重要的参考价值。另外,该技术的突破还有望改变当前全球碳排放和碳交易的格局。
直到2014年,当时还是蒙特利尔大学博士生的 Ian Goodfellow 在酒吧里与友人进行学术辩论时,他突然想到了这个问题的答案。这种名为“对抗式生成网络”(GAN)的手段会使用两个神经网络(一种简化人脑数学模型,是现代机器学习基石),然后让这两者在数字版的“猫捉老鼠”游戏中相互拼杀。这两个网络会使用同一个数据集进行训练。其中一个神经网络叫生成网络,它的任务就是依照所见过的图片来生成新的图片,比如一个多长一条手臂的行人。而另外那个神经网络叫判别网络,它的任务则是判断它所见得图片是否与训练时的图片相似,还是由生成模型创造出来的“假货”,比如,判断那个长着三个手臂的人有没有可能是真的?慢慢的,生成网络创造图片的能力会强到无法被判别网络识破的程度。基本上,经过训练之后,生成网络学会了识别并创造看起来十分真实的行人图片。
Ian Goodfellow发明出GAN后,获得Facebook首席科学家Yann LeCun、NVIDIA创办人黄仁勋、Landing.ai创办人吴恩达等大牛的赞赏,吸引了诸多的机构及企业开始研究。在中国部分,学术机构致力于研究GAN理论的近一步改良及优化,像是中科院自动化所研究人员受人类视觉识别过程启发,提出了双路径GAN(TP-GAN),用于正面人脸图像合成,而商汤-香港中大联合实验室在国际学术大会上发表多项GAN相关研究成果。中国企业界则是更倾向于把技术应用在服务中,相关案例不胜枚举,比如,百度使用GAN构建语音识别框架,科大讯飞通过GAN与传统深度学习框架的结合在语音合成领域获得了很大的进展。而阿里巴巴的城市大脑项目团队在ACM MM2017会议上,其中发表的一篇论文便是使用GAN来生成用以进行车牌识别的训练数据集。
Lightelligence联合创始人兼CEO沈亦晨:计算硬件是人工智能的核心之一,算力更高的计算硬件可以在更短的时间里完成神经网络的训练,而由于AI处理器(如NVIDIA的GPU)更新换代很快,售价高,更换硬件也比较麻烦,个人用户每年更换处理器并不经济,而云计算平台把有限的资源集约化共享给大众。AI 算法共享也是云平台的一大优势,目前有一些已经被广泛使用的 AI 算法,如人脸识别,语音识别,图像识别等,都是定义非常清晰的,公众也只需要一个结果最好的算法。
将来有一天,婴儿出生时就会得到一份 DNA 检测报告。这些报告将提供婴儿患心脏病或癌症的几率、是否对烟草上瘾,以及是否比一般人更聪明的预测。由于大型基因研究(部分研究涉及人数超过 100 万人)的开展以及科学进步,这样的报告很快就会从概念变成现实。
事实证明,最常见的疾病和人们的许多行为和特征,包括智力水平,都不是一个或几个基因影响的结果,而是许多基因作用的结果。利用正在进行的大型基因研究的数据,科学家们正在创造他们所谓的“多基因风险评分”指标。尽管新的DNA 测试只是提供了概率推断,而不是直接得出诊断结论,但依然可以极大地造福医学的发展。例如,如果那些患乳腺癌几率高的女性做更多的乳房 X 光检查,而患病几率低的女性做更少的乳房 X 光检查,那么这些检查可能会发现更多真正罹患癌症的患者,也能降低假警报发生的几率。制药公司还可以在针对阿尔茨海默病或心脏病等疾病的预防性药物的临床试验中使用这些分数指标。通过挑选患病风险更高的志愿者,他们可以更准确地测试药物的效果。
BrainCo及BrainRobotics 创始人兼CEO韩璧丞:Google发布的这款pixel buds是其对于智能耳机领域的第一次的尝试,然而小硬件背后却是大心思。仅通过这一款硬件,Google就攒起自家过半的当家AI技术-知识图谱、自然语音处理、翻译、语音识别,以家居+车载+便携的全场景语音接口,撬动智能家居,智能出行等生态系统,这次打造耳机便携 AI 接口的野心不可谓不大。
ASU就是空气分离器,应该是 air separation unit 缩写。二氧化碳送回燃烧室。但我想燃烧室应该是有个二氧化碳加压的部分的。回流的二氧化碳应该进入燃烧室的那个部分。然后和新烧出来的二氧化碳一起形成一个高温高压的二氧化碳流进入涡轮来推动涡轮旋转。涡轮估计一边是高温高压,一边是低(常)温低压。整套装置密封性好的话,那大部分的二氧化碳都能被不断地再利用也不算是忽悠。目前的烧煤的火力发电靠水蒸汽。这套方案的好处是理论上效率应该比烧水要高,因为直接就利用气体做功,省了烧水的能量转换。比目前的烧天然气发电的电厂优势主要是排放。氮都预先去掉了,没有氮氧化物排放。然后大部分二氧化碳也循环使用了,废气的热量也很好利用,理论上效率会更好,也更省成本一些。不过还都是理论,没数据支持。