英特尔正在设计一个充满活力、灵活且包容的未来办公场所,让超过11万名员工能够快速高效地工作。
英特尔希望员工及其主管共同确定能够实现最好绩效的办公地点和模式。这可能意味着,现场办公环境下升级过的协作空间和新工具,将成为一个加分项。(图片来源:英特尔公司)
Christy Pambianchi
执行副总裁兼首席人力资源官
自从加入英特尔担任首席人力资源官以来,我的首要任务之一就是让我们的全球团队更好地为未来的工作做好准备。
新冠肺炎疫情让我们在短短数月内见证了原本可能要十年才能发生的变化。危机让我们有机会重新构想工作和协作的方式。在英特尔,这就意味着未来打造一个“混合办公优先”的企业。
我们专注于提供一个充满活力、灵活且包容的办公场所,让我们所有11万余名员工都可以尽其所能。我们相信,这种方法将为我们的结果驱动型组织文化提供支持,同时让我们的团队能够快速高效地工作。
重新构想我们的工作方式和场所
英特尔对于新冠疫情的响应措施是基于数据驱动的决策机制和对不确定性的灵活应对。在许多企业很快宣布重返办公室的节奏和模式时,英特尔却暂缓了此项计划。相反,我们根据每个办公场所当地的数据和法规制定了计划,并根据了解到的情况不断调整。
我们在设计未来办公场所的时候采用了相同的方法。从我们工作模式的塑造到现场协作空间的设计,我们面向全球各地的员工展开了调查,并将数据作为一切工作的基础。
在2021年4月的一项调查中,90%的员工表示其办公场所重新开放时,他们更期待是混合灵活的办公场所。随着我们不断学习和适应调整,我们看到未来将有三种工作模式:
我们的目标是支持远程和现场办公,以实现最佳产出,同时确保每个人都能公平地获得个人发展所需的制度、资源和机会。在过去的20个月里,我们了解到我们可以在虚拟环境中取得极大的成功,但我们仍相信人与人的交流是创新的源泉。
我们希望员工及其主管根据工作类型,共同确定能够实现最好绩效的工作地点和模式。这可能意味着,当需要专注于某个优先级项目时选择在家办公,或者当需要使用升级的协作空间和新工具时选择现场办公。通过增强的一键式视频会议和中枢控制将全球不同地点的团队联系起来,发挥面对面协作的魔力,激发创新和创造力。
优先考虑包容性
虽然混合和灵活办公模式有助于更广泛地招募人才,并提供许多候选人所需的灵活性,但企业领导者仍然面临挑战,需要确保未来的办公模式具有包容性并支持每个人的长期发展。
最近,英特尔委托进行了一项关于未来工作包容性的独立全球调查。该调查旨在了解世界各地的企业领导者如何看待创建公平的办公场所。我们收到了来自17个国家和地区3000多位企业领导者的回复。我们正利用这些数据来制定计划。今天,我们将公布这项全球和地区调查的结果,以供其他人参考并将这些洞察运用到自己的团队中。调查结果包括:
英特尔始终致力于将包容性置于业务规划的重心。我正在与包括首席多元和包容官兼社会影响力副总裁Dawn Jones在内的英特尔高管紧密合作,以确保我们在重新定义工作地点、时间及方式时,不会忽视这些面临风险的员工。
与此同时,确保在未来工作中优先考虑多元化和包容性,并不是一个人或者企业的责任。这就是为什么全球包容性联盟这样的机构,对于召集行业关注多元化和包容性的关键问题及其解决方案至关重要。
展望未来
英特尔对未来办公方式的态度是基于我们的信念,即员工是我们最重要的资产。虽然我们还不能确定长期来看最好的解决方法,但数据表明,许多员工正寻求更高的灵活性,这就是为什么我们要引入“混合办公优先”的方式。展望未来,我们将优先考虑多元化与包容性并将其融入我们的文化、制度、领导力期望和绩效指标,以确保我们未来的办公场所适合每一个人。
Christy Pambianchi现任英特尔公司执行副总裁兼首席人力资源官。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。