近日,“2023福布斯中国ESG创新企业评选”结果正式公布,维谛技术(Vertiv,NYSE:VRT)从百余家领先企业中脱颖而出,荣获福布斯中国ESG创新企业奖。
2023年度ESG创新企业评选是由福布斯中国发起的一项中国企业ESG创新成果的调研,评选从企业成长力、ESG践行力、创新执行力、行业影响力四个维度展开,旨在展现企业在ESG创新领域的差异化优势,以及其为区域性乃至全球性挑战所作出的贡献。
福布斯中国表示,以维谛技术(Vertiv)为代表的50个企业,在ESG层面上的创新成果能够给企业管理带来新的启发。
''VERTIV''可持续发展体系
作为全球领先的关键基础设施解决方案供应商,维谛技术(Vertiv)基于领先的技术优势和丰富的经验沉淀,创新性地建立起以“V(Veracity)真谛、E(Environment)环境、R(Responsibility)责任、T(Technology)技术、I(Integrity)诚信、V(Values)价值”为内核的“VERTIV”可持续发展体系,秉持维系数字世界真谛的使命,以“可维节碳”理念为指导,坚持以人为本、持续创新与合规经营,携手伙伴共创美好世界。
长期以来,维谛技术(Vertiv)在业务管理、产品研发和日常运营等活动中充分融入ESG理念,始终通过创新和技术的引领,为客户提供高效、可靠且环境友好的解决方案,为数据中心的净零路径提供了新的方向。
例如,位于西宁市的联通三江源国家大数据基地,三江源地处青藏高原,气候寒冷干燥,年平均气温可达10℃ 以下,维谛技术结合自身专业解决方案因地制宜为客户提供高效制冷“无水极致节能”方案。
通过采用预制式大型氟泵一体机,在全年使用中可极大程度利用自然冷源,减少压缩机的开启时间,降低机房空调能耗并能实现全年PUE<1.2。
据第三方专业机构检测结果,维谛技术提供的解决方案在100%负荷的情况下,全年能效的pPUE是1.099;在75%负荷的情况下,全年能效的pPUE达到1.082,满足客户预期。
日前,维谛技术正式对外发布《维谛技术(Vertiv)2021-2022可持续发展报告》,全方位披露了维谛技术携手各利益相关方推进可持续发展理念的实践和绩效。
放眼未来,维谛技术(Vertiv)将持续深耕ESG建设及相关工作,通过可持续的战略和实践,为产业的绿色转型和长远发展贡献更加坚实的力量。
关于维谛技术(Vertiv)
维谛技术(Vertiv,NYSE:VRT)致力于保障客户关键应用的持续运行、发挥最优性能、业务需求扩展,并为此提供硬件、软件、分析和延展服务技术的整体解决方案。维谛技术(Vertiv)帮助现代数据中心、边缘数据中心、通信网络、商业和工业设施客户所面临的艰巨挑战,提供全面覆盖云到网络边缘的电力、制冷和IT基础设施解决方案和技术服务组合。Architects of Continuity™恒久在线,共筑未来!如需了解更多信息,欢迎访问Vertiv.com,售前热线400-887-6526。
好文章,需要你的鼓励
来自耶路撒冷希伯来大学的研究团队开发了WHISTRESS,一种创新的无需对齐的句子重音检测方法,能够识别说话者在语音中强调的关键词语。研究者基于Whisper模型增加了重音检测组件,并创建了TINYSTRESS-15K合成数据集用于训练。实验表明,WHISTRESS在多个基准测试中表现优异,甚至展示了强大的零样本泛化能力。这项技术使语音识别系统不仅能理解"说了什么",还能捕捉"如何说"的细微差别,为人机交互带来更自然的体验。
这项研究提出了"力量提示"方法,使视频生成模型能够响应物理力控制信号。研究团队来自布朗大学和谷歌DeepMind,他们通过设计两种力提示——局部点力和全局风力,让模型生成符合物理规律的视频。惊人的是,尽管仅使用约15,000个合成训练样本,模型展现出卓越的泛化能力,能够处理不同材质、几何形状和环境下的力学交互。研究还发现模型具有初步的质量理解能力,相同力量对不同质量物体产生不同影响。这一突破为交互式视频生成和直观世界模型提供了新方向。
北京交通大学与西蒙弗雷泽大学联合研发的混合神经-MPM方法实现了实时交互式流体模拟。该方法巧妙结合神经物理学与传统数值求解器,在低时空分辨率下运行神经网络并设置保障机制自动切换到MPM,显著降低计算延迟同时保持高保真度。团队还设计了基于扩散模型的控制器,支持用户通过简单草图直观控制流体行为,为游戏、VR和设计领域提供了实用解决方案。
这项研究介绍了EgoZero,一种创新的机器人学习系统,能够仅通过Project Aria智能眼镜捕获的人类示范数据,训练出零样本迁移的机器人操作策略。研究团队提出了一种形态无关的状态-动作表示方法,使用点集来统一人类和机器人数据,并开发了从原始视觉输入中提取准确3D表示的技术。在没有任何机器人训练数据的情况下,EgoZero在7种真实世界操作任务上实现了70%的成功率,展示了强大的泛化能力,为解决机器人学习中的数据瓶颈问题提供了新思路。