近日戴尔告知其半导体供应商称,到2024年底针对在戴尔全球供应链中使用的全部组件要实现制造和后端设施的多样化。
戴尔在发给供应商的一封信中戴尔表示,他们是在审查了面对全球供应链挑战下的集成电路采购战略之后提出这一要求的。
戴尔指出,戴尔和很多跨国企业一样都受到了疫情期间劳动力短缺、物流能力下降、自然灾害破坏交付设施、以及前所未有的IT需求等挑战的冲击,并表示,戴尔的供应链需要更大的弹性。
戴尔表示,这些挑战促使戴尔重新审视他们的采购策略,原因包括疫情期间半导体组件短缺、实施组件替代需要12至18个月的时间框架,以及限制某些组件使用的贸易法规。
戴尔称:“通过改善供应链的多元化和连续性来实现弹性,这将帮助戴尔减轻未来潜在的中断并继续支持全球业务。”
戴尔公司首席财务官Tom Sweet最近在接受时表示,供应链管理一直是戴尔的竞争优势之一。
Sweet表示:“很长一段时间以来,我们一直专注于如何管理我们的供应链和供应链的多元化我们。我们在中国拥有庞大的供应链体系,我们必须克服新冠疫情带来的各种限制。”
“我认为在这种情况下团队做的很好,并不是说中国对我们不重要,而是从客户弹性和客户稳定性的角度来看。”
在谈到供应基地时,Sweet重申,戴尔希望提高半导体供应的稳定性和弹性。
“鉴于我们所看到的全球性的半导体短缺问题,这也是我们关注的一个方面。我们积极主动地管理供应链,将继续努力解决这个问题,我很乐观地认为,团队会做得很好。”
今年早些时候有知情人士表示,戴尔计划到2024年将其产品中使用的所有芯片都在中国以外的工厂生产。
戴尔的竞争对手HPE也受到了供应链挑战带来的影响,导致服务器价格上涨和积压是正常水平的5倍。联想基础设施解决方案集团首席客户官Wilfredo Sotolongo表示,联想面临存储驱动器等组件的短缺,但电阻器或电源控制芯片却没有。
好文章,需要你的鼓励
这项研究介绍了Ankh3,一种创新的蛋白质语言模型,通过多任务预训练策略显著提升了模型性能。研究者采用两种互补任务:多掩码概率的掩码语言建模和蛋白质序列补全,使模型仅从蛋白质序列就能学到更丰富的表示。实验表明,Ankh3在二级结构预测、荧光预测等下游任务中表现优异,尤其在模型未曾训练过的任务上展现出强大泛化能力,为蛋白质设计和分析开辟了新路径。
法国波尔多大学研究团队开发了一个突破性框架,用于神经退行性痴呆症的差异化诊断。该框架将3D脑部MRI转换为文本报告,并利用强化学习优化的大语言模型进行详细诊断推理。不同于传统"黑箱"方法,这一系统能生成透明、有因果关系的解释,同时保持高诊断准确率。研究显示,通过群组相对策略优化(GRPO)训练的轻量级模型能展现复杂推理行为,包括假设检验和非线性思考,提供与临床决策流程一致的排序诊断结果。
这项研究提出了CLUE框架,首次能够生成自然语言解释来揭示AI事实核查系统不确定性的来源。与现有方法不同,CLUE能识别文本片段间的冲突与一致关系,并解释它们如何影响模型的预测不确定性。实验表明,CLUE生成的解释在三种语言模型和两个事实核查数据集上都更忠实于模型不确定性,用户评价其更有帮助、信息更丰富、冗余更少且逻辑更一致。CLUE不需要微调或架构更改,适用于任何白盒语言模型,为事实核查提供了实用支持。
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。