可持续发展峰会积极推动行业合作伙伴减少对环境的影响,包括各类有害化学物质的排放。
随着全球范围内对环境及人类健康潜在负面影响问题的高度关注,英特尔正在为电子行业内使用数十年的有害化学物质寻求替代品。
芯片制造巨头正再次推动环保潮流,致力于成为“行业内最具可持续性的代工厂商”,并与其他科技企业合作制定全行业净零排放路线图。
上周首届全球英特尔可持续发展峰会召开之后,这家业界领袖呼吁各方承担公共责任,汇聚140家组织齐聚一堂,共同努力减少整个半导体供应链对环境造成的综合影响。
对于像英特尔这样的芯片制造商来说,需要关注的不只是努力减少能源消耗和二氧化碳(CO2)排放,更要解决半导体制造过程中的水资源消耗和刺激性化学品的使用问题。
例如,英特尔各位高管鼓励供应商及业内其他参与者加快替代剩余的全氟烷基与多氟烷基物质(PFAS)。这些合成化学品可能会渗透至土壤、水和空气当中,并对公共健康造成负面影响。
英特尔执行副总裁兼代工制造与供应链总经理Keyvan Esfarjani表示,推动全球减排与绿色化学研究的举措均已达到关键阶段。他补充称,这需要整个半导体供应链的全面协同以及标准化实践。
Esfarjani解释称,“英特尔致力于成为业界内最具可持续性的代工厂商,并支持其他企业提升可持续水平。领导地位本身就是一份沉甸甸的责任。”
他还补充道,这意味着电子行业需要为几十年来长期使用的化学品寻求替代方案。
就温室气体排放而言,英特尔表示已有约40%的组织在本届峰会上做出了净零排放承诺,但只有15%的组织发布了气候友好转型行动计划。
英特尔指出,此次活动的各参与方“制定了推动行业向前发展的计划”,90%的受访者在现场调查中承诺,到2025年将制定全行业净零排放路线图。
这家芯片制造商去年已经发布了自己的气候友好转型行动计划,为如何实现这些既定目标提供了路线图。例如到2040年实现全球业务温室气体净零排放,以及到2030年完全转向可再生电力。
尽管态度积极,但绿色和平组织仍然指责英特尔乃至其他各电子企业做得不够。该环保运动组织警告称,英特尔仍在严重依赖实际效果有限的“作弊”方法达成减排目标,例如可再生能源证书(REC)。这种行为之所以遭受批评,是因为环保人士普遍认为企业是在以这种方式逃避对风能或太阳能设施建设的实际投资。
英特尔声称正尝试采用产品属性影响算法(PAIA)来提高透明度与测量一致性,据称此算法能够帮助公司准确量化碳足迹,并与其他行业一道推进对温室气体排放的公开报告。
科技行业的水资源使用也成为令人担忧的问题。标普Global今年早些时候曾发布报告称,随着制程工艺变得更加先进,芯片制造设施的用水量无论在绝对值还是单位产能耗水量上都在增加。制造工厂在每个工艺步骤之间需要使用超纯水冲洗半导体晶圆,而制程工艺越先进、涉及的步骤就越多。
Esfarjani对此没有过多评论,只提到英特尔发布了净正水承诺,即尽可能节约用水并资助水利项目,保证为当地提供超出芯片制造消耗量的淡水资源供应。
除了芯片制造之外,随着AI技术需求的不断增长,科技行业的能源消耗也在持续提升,这很可能导致温室气体的大量排放。此外,AI基础设施的额外冷却需求也将占用更多供水配额,这些都是半导体行业必须直面的现实问题。
好文章,需要你的鼓励
北京大学与小红书公司联合研究团队提出的Uni-Instruct框架,成功统一了10多种现有单步扩散蒸馏方法。该框架基于新颖的f-散度扩散扩展理论,通过可计算的等价损失函数训练单步扩散模型。实验表明,Uni-Instruct在CIFAR10和ImageNet 64×64数据集上创造了新的单步生成记录,FID分别达到1.46和1.02,甚至超越了其79步教师模型。研究还成功将该方法应用于文本到3D生成任务,展示了统一框架在提升生成质量和效率方面的巨大潜力。
这篇研究介绍了KVzip,一种创新的查询无关KV缓存压缩方法,通过上下文重建机制为大型语言模型提供高效存储解决方案。该技术能将KV缓存大小减少394倍,同时提高解码速度约2倍,在各种任务上性能几乎不受影响。不同于传统查询相关的压缩方法,KVzip创建可在多种查询场景下重用的通用压缩缓存,特别适合个性化AI助手和企业信息检索系统。研究在LLaMA3.1-8B、Qwen2.5-14B和Gemma3-12B等多种模型上进行了验证,处理长度高达17万词元的文本,并能与KV缓存量化等其他优化技术无缝集成。
腾讯与上海交通大学联合推出的DeepTheorem研究突破了大型语言模型在数学定理证明领域的限制。该项目创建了包含12.1万个IMO级别非形式化定理的大规模数据集,开发了专门的RL-Zero强化学习策略,并设计了全面的评估框架。研究表明,通过使用自然语言而非传统形式化系统,即使是7B参数的模型也能在复杂定理证明上取得显著成果,超越许多更大的专业模型。这一成果为AI数学推理开辟了新途径,使语言模型能够像人类数学家一样思考和证明。
MAGREF是字节跳动智能创作团队开发的多主体视频生成框架,能从多张参考图像和文本提示生成高质量视频。该技术引入了区域感知动态遮罩机制,使单一模型灵活处理人物、物体和背景,无需架构变化;并采用像素级通道拼接机制,在通道维度上运作以更好地保留外观特征。实验表明,MAGREF在身份一致性和视觉质量方面优于现有技术,能将单主体训练泛化到复杂多主体场景,为内容创作者提供了强大而便捷的视频生成工具。