希捷可持续发展与业务转型高级副总裁Joan Motsinger
ESG理念寻求生态环境保护、社会和谐发展以及公司治理优化,代表可持续发展,逐渐在国际国内社会形成普遍共识。“十四五”规划《纲要》明确也提出推动绿色发展,促进人与自然和谐共生。ESG与中国新发展理念在底层逻辑上具有高度一致性。作为一家拥有七个生产基地的全球化企业,希捷一直以来将降低和解决数据存储行业的环境影响作为己任,高度关注企业ESG职责和实施。2023年来临之际,希捷对ESG进行了预测。
2023年是ESG行动年。2022年,ESG在国内的发展迎来两个标志性事件:一是社会责任局成立,将“指导推动企业积极践行ESG理念”作为职责之一,推动更多央企控股上市公司披露ESG报告,力争到2023年ESG报告披露“全覆盖”;二是证监会发布《上市公司投资者关系管理工作指引》,正式将ESG纳入其中,并作为上市公司与投资者沟通的内容之一。对于许多上市公司来说,由于ESG受到更广泛关注以及环境风险方面的报告增多,2023年将是从讨论迈向行动的一年,2023年企业就需要开始跟踪和收集关键信息。
制定切实目标,精准减排。电子产品是美国增长最快的废弃物来源,消费者希望企业不仅遵守法律法规,而且还要清楚地规划出切实可行的目标,以便维护可持续发展的地球。希捷就制定了自己精准的目标,例如,到2030年,希捷科技的所有研发和生产基地将100%采用可再生能源;到2040年,全面实现碳中和。那么,当前取得的进展如何呢?2021年,希捷将范围1(工厂直接产生的GHG排放量)和范围2(由希捷直接购买的电力产生的GHG排放量)按市场划分的每EB数据存储的排放量减少了26%(相较于2020年)。到2022年,希捷还将每EB产生的有害废弃物减少了9%,并实现87%的非有害废弃物免于填埋。
硬件生产商将努力携手云服务提供商布局循环经济。2021年联合国气候变化大会上,各行各业都被要求做出自己的承诺。明年大家就可以看到各个组织的目标落实情况,尤其是那些比较具有挑战性的目标,例如涉及循环经济的目标。希捷等硬件生产商一直在测试和验证自己的产品和材料翻新、重复利用和回收模式。就希捷而言,最具可持续性的目标是延长硬盘的使用寿命。其中最关键的一项任务是让客户和行业合作伙伴了解循环经济的价值所在。为了取得成功,循环经济必须具有经济意义,并且可以推动创新,从而惠及硬件生产商、服务提供商和客户。循环经济可以解决温室气体排放、稀土矿物保护、资金节约和其他关键领域的问题,正因为如此,循环经济被公认为是可持续发展的制高点。
当企业、供应链和客户紧密协作时,循环经济实现的可能性更大。希捷一直以来研究循环经济,并且携手合作伙伴取得了值得借鉴的成果。比如,2020财年,希捷和戴尔科技启动的闭环铝材回收试点项目,将报废硬盘的电机底座组件和铝质盘片输送到铝基板冶炼厂进行回收。目前该试点已经被采纳为正式工艺,并利用回收材料生产了24,700块全新的2TB硬盘,重新利用废铝多达39.4吨。此外,希捷的稀土磁铁回收项目也取得成效,目前已经回收稀土材料1.1吨,坚实而稳定的每一步都在减少对环境的影响。
早在1999年,希捷就首次公布了《降低环境足迹》的目标,此后每年,都会公开披露环境影响并扩大披露范围。我们不仅追求业绩的透明度,同时还采取有意义、可衡量的措施应对气候变化。未来,希捷将会继续致力于携手业界同行和全球利益相关方,降低材料损耗、水电消耗,将可持续经济和科学减碳相融合,最终实现真正可持续的数字存储。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。