开启共享企业社会责任新时代
作者:英特尔公司企业社会责任总监Suzanne Fallender
面对新冠疫情,企业采取联合行动应对全球最大挑战的必要性从未如此显著。科技公司更是如此,因为数据和信息在帮助追踪、诊断和治疗这一流行病方面发挥着至关重要的作用,并且将在我们努力应对未来全球性挑战中继续发挥重要作用。
英特尔长期以来一直致力于将企业社会责任融入公司的业务运营。时光飞逝,难以置信自制定2020年企业社会责任目标以来,已经过去了近十年。不过也很高兴地告诉大家,我们几乎实现了所有目标。英特尔最新企业社会责任报告详细介绍了我们所付诸的努力,我想特别分享其中几项成就:
考虑到半导体制造业对能源和水资源的使用强度,应对气候变化和可持续用水是英特尔的首要关注点。联合国报告显示,气候变化正在影响地球上的每一个国家,扰乱经济并改变气候模式。温室气体排放也处于历史最高水平。联合国还警告,气候变化正在影响我们的水资源,导致水供应不可预测、水质受损以及水资源枯竭。我们应对气候变化的一些方法包括:在全球范围内将绿色能源的使用增加到71%,并在2010年的基准上减少39%的直接碳排放量。自2000年以来,我们在显著扩大制造能力的同时,将直接排放源和间接排放源中的碳排放绝对值减少了31%。我们还超额完成了“将用水量减少到2010年用水强度水平以下”的目标,用水量减少38%。通过与非盈利环保组织的合作,我们在当地流域恢复了十亿加仑(约38亿升)的水。
促进包容性是我们企业文化的核心以及创新的关键。Gartner最近发布的一项调查显示,85%的多元化和包容性领导将组织包容性作为其工作中最重要的人才成果,但目前只有57%的组织使用该指标来追踪进展。我们大胆设定了2020目标,并承诺投入3亿美元,加快英特尔、乃至整个科技行业在包容性方面的进步。我们提前两年实现了女性和少数族裔在美国员工中的充分代表,并在全球员工中实现薪酬平等。我们还实现了“向多元化供应商的年度支出增加到10亿美元”的目标,并通过我们的技术赋能项目惠及500万女性。
我为我们取得的成就感到自豪,但自我们设定最初目标以来,世界发生了巨大变化。我们需要整合企业社会责任战略,以便企业通过协作的方式来推动价值创造并提高社会影响力。当前疫情使这些新方案成为更加引人瞩目的焦点,因为我们面临的挑战太复杂,任何一个企业机构都无法凭借一己之力加以解决。
考虑到这一点,我们启动了一项综合方案来制定我们的2030目标和战略。为了增强全公司的企业社会责任意识,我们充分利用来自多个部门和地区的广大员工的专长和技能。我们还汇总了外部利益相关者的意见,其中包括我们的客户、投资者、供应商和社区成员,以确保我们开展各项工作时都以“合作与协作”为核心。
最终我们制定出英特尔新的RISE战略和2030目标。通过该战略,我们将借助英特尔技术以及员工的专长和热情,努力创造一个更负责任、包容和可持续的未来。我们将与科技行业以及包括政府、非政府组织和政策制定者在内的各方开展合作,扩大我们的影响力,从而应对重大全球性挑战。我们的RISE战略是:
今天标志着英特尔企业社会责任新时代的开启。我们随时准备在全球重大挑战上与各方合作,从而推动技术变革,改善健康和安全、促进技术包容性,扩大数字化就绪、实现碳中和计算。我们将推动更高层次的整合与协作,为我们的利益相关者创造更多价值,并履行我们的宏旨,即:创造改变世界的技术,造福地球上每一个人。
好文章,需要你的鼓励
戴尔第三季度营收270亿美元,同比增长11%,创历史新高,主要受AI服务器需求爆发式增长推动。AI服务器订单达123亿美元,全年订单总额300亿美元。基础设施解决方案集团营收141亿美元,增长24%,其中服务器和网络业务表现强劲。存储业务营收39.8亿美元,同比下降1%,但全闪存阵列产品实现双位数增长。公司预计第四季度营收315亿美元,全年AI服务器出货量约250亿美元。
阿里巴巴达摩院联合浙江大学、香港科技大学发布Inferix,这是专为世界模拟打造的下一代推理引擎。它采用块扩散技术,像搭积木般分段生成视频,既保证高质量又支持任意长度,克服了传统方法的局限。配套LV-Bench评测基准包含1000个长视频样本,建立了分钟级视频生成的评估标准,为游戏、教育、娱乐等领域的内容创作带来革命性突破。
数据分析提供商Mixpanel遭遇安全漏洞,导致OpenAI部分API用户账户信息泄露。黑客通过短信钓鱼攻击入侵Mixpanel内部系统,获取了用户姓名、邮箱地址、位置信息及技术数据。OpenAI表示支付详情和API提示内容未受影响,用户无需重置密码,但需警惕钓鱼攻击。作为应对措施,OpenAI已移除Mixpanel服务并计划对供应商实施更严格的网络安全要求。
Luma AI推出的终端速度匹配(TVM)是一种革命性的图像生成技术,能够在单次计算中生成高质量图像,突破了传统方法需要数十步采样的限制。该技术通过关注生成路径的"终点"而非"起点",实现了从噪声到图像的直接跳跃,在保证数学理论基础的同时大幅提升了生成效率,为实时AI应用开辟了新路径。