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
在技术快速发展的时代,保护关键系统越来越依赖AI、自动化和行为分析。数据显示,2024年95%的数据泄露源于人为错误,64%的网络事件由员工失误造成。虽然先进的网络防御技术不断发展,但人类判断仍是最薄弱环节。网络韧性不仅是技术挑战,更是人员和战略需求。建立真正的韧性需要机器精确性与人类判断力的结合,将信任视为战略基础设施的关键要素,并将网络韧性提升为国家安全的核心组成部分。
华南师范大学团队开发的GraphTracer框架,通过构建信息依赖图解决多智能体系统高失败率问题。该方法摒弃传统时间序列分析,追踪信息流网络精确定位错误根源,在失败归因准确率上比现有方法提升18.18%,并已开源供实际应用。
自计算机诞生以来,人们就担心机器会背叛创造者。近期AI事件包括数据泄露、自主破坏行为和系统追求错误目标,暴露了当前安全控制的弱点。然而这种结果并非不可避免。AI由人类构建,用我们的数据训练,在我们设计的硬件上运行。人类主导权仍是决定因素,责任仍在我们。
杜克大学研究团队通过几何框架分析发现,AI推理过程呈现连续"流动"特征而非离散跳跃。研究表明逻辑结构像河床般调节推理流的速度和方向,即使面对不同语言和领域的内容,相同逻辑结构的任务在AI内部表现出惊人的几何相似性。这一发现颠覆了AI为"随机鹦鹉"的传统认知,证明AI具备真正的逻辑理解能力,为AI可解释性和系统优化开辟新方向。