一起追寻英特尔走过的“绿色足迹”
多年来,英特尔始终将履行企业社会责任作为重要使命,将每一次实践都书写为可持续未来的绿色伏笔。在新年伊始,让我们先来一起回顾英特尔为推动可持续发展而立下的目标吧~
2030年目标
2020年5月,英特尔制定并发布了2030年RISE战略及目标,分别从水资源有效利用、产品能效、循环经济等方面制定了详细目标,并在全球范围内稳步推进可持续发展。
英特尔承诺,到2030年:
2040年目标
2022年4月,英特尔承诺到2040 年实现全球业务的“范围1”“范围2”温室气体净零排放的目标,以提升英特尔产品和平台的能源效率并降低碳足迹,同时与客户和行业伙伴合作,制订各项解决方案,以降低整个技术生态系统的温室气体足迹。
2050年目标
2023年11月,英特尔在最新发布的气候转型行动方案中,详细介绍了英特尔推进实现净零排放目标的战略及路径,并承诺到2050年,在整个价值链中实现“范围3”上游温室气体净零排放。
在RISE战略和三大目标的指引下,英特尔在气候、水资源、产品能效等关键领域取得了显著进展。以下是在过去的两年里,英特尔在推动可持续发展的道路上取得的成就:
全球进展:
2022年7月,英特尔已在美国、哥斯达黎加及印度三国实现“水资源全部有效利用”。
2022年8月,英特尔首次发行的绿色债券的净收益将用于绿色建筑、能源效率、循环经济和废弃物管理、温室气体减排、水资源管理和可再生电力六大领域的相关项目。
2023年1月,英特尔正式向全球数据中心客户推出第四代英特尔®至强®可扩展处理器,该处理器的能效与第三代相比提高了约29%。
2023年4月,英特尔总结了2040年目标发布一年以来英特尔所取得的成果和进展:
2023年5月,英特尔宣布其在2022年年度多元化供应商采购金额已达22亿美元。
2023年7月,英特尔亚利桑那州Ocotillo园区荣获国际可持续水管理联盟(AWS)白金级认证证书。
7) 完成4.25亿美元绿色债券收益配置
2023年8月,英特尔宣布已将其首次发行的12.5亿美元绿色债券所得收益中的4.25亿美元分配至特定项目,约占其收益的34%。
2023年12月,英特尔正式向全球数据中心客户推出第五代英特尔至强可扩展处理器,该处理器的开箱即用能耗比与第四代相比提高了34%。
中国区进展:
2022年8月,英特尔携手产业伙伴,成立绿色数据中心技术创新论坛,并发布“英特尔绿色数据中心技术框架1.0”,加速数据中心运营模式的绿色转型。
截至2022年年底,英特尔成都工厂:
2022年12月,英特尔“云桥湿地”环境保护项目更是获得了由新华网评选的“2022企业ESG杰出环境实践案例”。
2023年2月,英特尔正式宣布绿色低碳理念在PC领域的新实践,将高能低碳新理念融入从PC定义设计到回收循环的全生命周期4大关键环节,旨在将总回收降解率提升至约90%。
2023年4月,主题为“可持续·共未来”的2023英特尔可持续发展大会于北京举办,英特尔分享了自身生产运营可持续战略,并倡导生态伙伴共同携手将可持续计算融入千行百业的数字化创新中。英特尔将绿色数据中心技术框架从1.0升级至2.0,并通过5G+AI+边缘技术,与生态伙伴共同加速可持续解决方案的开发及落地。
2023年4月,在中国电子学会主办的“绿色计算机行业技术研讨会”上,绿色计算机标准工作组正式宣布成立,英特尔与产业生态合作伙伴合力促进计算机行业的可持续发展。
可持续发展是通往美好未来的必由之路,英特尔将继续将其落实到生产运营及合作发展的方方面面,践行使命:以可持续计算,通往可持续未来。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。