当前,人类正面临着气候变暖、能源短缺、环境污染等全球挑战,实现可持续发展已迫在眉睫。面对全球挑战,科技企业应当积极承担社会责任,助力打造更加可持续的未来。近日,英特尔公司高级副总裁、英特尔中国区董事长王锐受邀出席第二届新浪财经·ESG全球领导者峰会并发表主题演讲,分享英特尔对企业社会责任的思考,以及英特尔的可持续发展战略。
本届峰会由生态环境部应对气候变化司指导,新浪财经和中信出版集团联合举办,主题为“共促全球ESG发展,构建可持续未来”,邀请了全球机构、企业、学者共话ESG发展的现在与未来。以下为王锐演讲全文:
大家好,我是英特尔王锐。很高兴参加2022 ESG全球领导者峰会。今天,我想从半导体行业的视角与大家分享英特尔对“ESG热潮下的企业社会责任”的思考。
当前,人类正面临着迫在眉睫的全球气候变化挑战。就在上个月,世界气象组织发布报告,称“过去七年是有记录以来最热的七年”。全球的持续变暖、极端天气不断增多,将对我们赖以生存的环境产生长远影响,而这些影响可能将不断持续,以至于造成不可逆转的结果。为了应对这样的全球气候危机,我们每一位地球公民都需要立即行动起来,加速减碳,并重新思考世界的运作方式。
令人欣慰的是,我们可以看到,在应对全球人类面临的重大挑战中,科技发挥着越来越关键的作用。以我们所处的信息科技行业来说:它作为数字经济的核心,成为了推动经济增长的新引擎,还有助于其他行业利用信息科技和智能科技实现减排,推动千行百业绿色转型。英特尔作为全球半导体行业的引领企业,坚持做负责任的企业公民,当仁不让地肩负着以科技推动可持续发展的使命。
英特尔强调科技创新,也强调执行力。我们在可持续发展方面一直秉持长期承诺。早在1994年,英特尔就发布了第一份企业责任报告,设立可持续发展目标并持续追踪。两年前,我们还推出了面向未来的2030 RISE战略及目标,从多个维度出发,努力塑造一个更负责任、包容和可持续的未来。不久前,英特尔公开承诺在2040年前实现全球业务的温室气体净零排放,这体现了我们的执着追求和结果导向。
在我们看来,ESG并不是短暂的机遇,也不是一个品牌传播的话题,而是一个基本的价值观,应该融入企业的发展战略,贯穿到公司的整体运营之中。英特尔的可持续发展战略立足我们独特的产业定位,除了用来指导我们的技术产品开发和生产运营,也在通过产业协同和联动,发挥出我们在行业、经济和社会中的带动作用及影响力。
我们致力于减少碳足迹,在我们自身的运营、供应链,以及产品的营销及使用中减少直接的气候足迹。截止目前,我们取得了一些阶段性的成绩:
作为计算领域的创新推动者,我们不断提高产品能效,打造绿色计算:
除了在技术产品开发和生产运营层面的自身努力,我们也致力于通过英特尔技术和产业影响力,帮助其他各方来减少碳“足迹”。因为我们认为与生态合作伙伴共同推动可持续发展是至关重要的,这样才能“众力并、群智用”,扩大技术“手印”,实现绿色低碳的跨越式发展。我很高兴看到英特尔已经与众多行业合作伙伴、客户和供应商合作起来,并且打破思维定势不断推出创新的解决方案。
远大的目标并非一蹴而就,构建可持续的未来,需要的是长期坚持、久久为功、齐心协力、不断创新。英特尔将继续秉持对环境的长期承诺,不断推动可持续发展,并通过技术、员工的专业能力、热忱,建立起一个更负责任、更具包容性、可持续发展的世界,从而最终达成我们的使命,也就是持续“创造改变世界的科技,造福地球上每一个人。”
好文章,需要你的鼓励
浙江大学和吉利汽车研究院联合团队提出的FreeTimeGS是一种创新的动态3D场景重建方法。不同于传统方法,它允许高斯基元在任意时空位置自由出现,并赋予每个基元运动功能,使其能够随时间移动到相邻区域。研究通过4D正则化策略解决了高不透明度基元阻碍优化的问题。在多个数据集测试中,该方法在渲染质量和速度上均大幅超越现有技术,特别是在处理复杂动态场景时,使用单个RTX 4090 GPU能以467 FPS的速度实现1080p实时渲染,为电影制作、游戏和虚拟现实等应用提供了新可能。
这篇研究介绍了"对角线批处理"技术,该技术解决了循环记忆Transformer模型在处理长文本时的并行计算瓶颈。通过重新编排计算顺序,研究团队实现了在不破坏依赖关系的情况下进行并行计算,使LLaMA-1B模型处理长文本的速度提升3.3倍,同时内存使用减少167.1倍。这种纯运行时优化不需要重新训练模型,为实际应用中的长文本处理提供了高效解决方案。
BEVCALIB是一种利用鸟瞰图表示实现激光雷达与相机校准的创新方法,由南加州大学和加州大学河滨分校的研究团队开发。该方法将不同传感器数据转换到共享的BEV空间,并通过几何引导的特征选择实现高精度校准。在KITTI和NuScenes等数据集上,BEVCALIB比现有最佳方法平均提高了47-82%的性能,为自动驾驶和机器人系统提供了可靠的传感器融合基础。
博尔扎诺自由大学研究团队开发的PATS技术通过保留完整运动片段代替随机抽取视频帧,显著提升了AI评估体育技能的能力。该方法在EgoExo4D基准测试中表现出色,攀岩评估准确率提高26.22%,音乐提高2.39%,篮球提高1.13%。PATS能根据不同运动类型自动调整采样策略,为体育训练和人才发展提供了更准确的自动评估技术。