全球汽车制造商大众汽车集团(Volkswagen Group)今天宣布与Minespider围绕追踪汽车电池生产情况展开合作。Minespider主要提供可用于追踪原材料道德采购的区块链技术。
区块链技术可以标记和追踪供应链中的每一个步骤:从矿井中挖出矿物,再到经过炼油厂处理加工成组件,一直到变成成品电池,在工厂生产线安装到汽车上。
大众汽车将试用Minespider的道德供应链区块链技术,更好地收集原材料来源以及材料使用情况相关的数据。从4月开始,大众汽车将从原产地一直到工厂对铅材料(用于重型电池汽车的发动机)采购情况进行全程追踪。
原产地可能是矿山或回收设施。该区块链试点项目将涉及到从供应商和次级供应商那里收集数据,这些供应商的铅供应量占到了大众汽车总电池需求的三分之一多。因此,大众汽车将比以往更深入地了解铅材料供应的情况。
Minespider首席执行官Nathan Williams表示:“我们正在见证全球供应链的转型。企业有权利了解他们的供应商是在负责任地运营中,区块链让我们终于有了能证明这一点的工具。”
Minespider的解决方案采用了多层次的方法,利用加密密钥来保护私人信息免受窥探,同时也为审计员提供了具有透明度的追踪。
第一个区块链层包含了有关被追踪材料的可访问数据;第二层是私有数据块,这些数据块链接在一起以防后续被篡改;最后一层是加密层。这种单一的、授权的区块链目的是让网络中的所有人都在同一系统中——从供应商和子供应商,再到开采或回收材料的来源地——即使这个过程中会涉及到多个供应链。
对于那些生产计算机芯片、消费品和汽车的跨国企业来说,矿物和材料的道德采购追踪是一个常见问题。区块链技术一直受到追捧,这让追踪和遵守矿物相关法规的过程变得越来越透明和易于实现自动化。
例如,汽车制造商福特汽车公司(Ford Motor)在今年1月与IBM围绕追踪钴(用于制造电动汽车电池的一种材料)矿开采展开合作。钻石供应商De Beers从2018年1月开始使用区块链来追踪工业钻石并防止“冲突钻石”的交易。同时,世界野生动物基金会也在研究一种旨在实现食物道德采购透明度的区块链试点项目。
大众汽车将通过采用Minespider的区块链与其他众多行业展开合作,利用该技术更好地了解供应情况,这不仅可以让大众汽车更好地遵守原材料采购管理的相关法律,同时也向消费者证明了大众汽车公司的所有产品都是符合道德规范的。
Williams表示:“这[与大众汽车的试点项目]是在证明供应链参与者们可以共同努力实现更高透明度方面迈出的第一步。作为一个全新的、新兴的领域,我们希望更多地了解行业面临的挑战和要求,以及大规模采用这一技术所需的条件。”
就在上周,大众汽车刚刚宣布继IBM及福特公司之后大众汽车也将加入一个旨在追踪钴矿道德采购的区块链网络。
大众汽车集团采购负责人Marco Philippi表示:“数字化提供了一个让我们能够更加详细地追踪跨境供应链中矿物和原材料路径的重要技术工具。我们将与Minespider一起,利用区块链技术让我们的流程更加透明和安全。”
好文章,需要你的鼓励
OpenAI于周二发布AI浏览器ChatGPT Atlas,目标是让ChatGPT成为搜索和问答的首选界面而非谷歌。该浏览器目前仅支持Mac,但正在开发Windows、iOS和Android版本。Atlas将ChatGPT设为默认搜索选项,并具备记忆功能,可结合浏览历史提供个性化答案。与其他AI浏览器不同,Atlas更专注于强化ChatGPT生态系统,为OpenAI提供更多用户数据和分发控制权,而非改善传统浏览体验。
这项由伊利诺伊大学厦巴纳-香槟分校和滑铁卢大学联合完成的研究,开发了名为VideoScore2的AI视频评估系统,能够像人类专家一样从视觉质量、文本对齐和物理一致性三个维度对AI生成视频进行详细评估,并提供透明的分析过程。该系统在多项测试中显著超越现有评估工具,在准确率上提升近6个百分点,为AI视频行业提供了标准化、可解释的质量评估解决方案,有望推动整个领域的技术进步。
通用汽车宣布计划于2028年推出自动驾驶系统,允许驾驶员双眼离开道路、双手离开方向盘,首先应用于凯迪拉克Escalade IQ。该系统基于现有Super Cruise技术,采用激光雷达、雷达和摄像头感知技术,初期在高速公路使用。通用整合了已关闭的Cruise子公司的技术栈,包括基于500万英里无人驾驶数据训练的AI模型。目前美国仅奔驰拥有商用L3级自动驾驶系统。
滑铁卢大学研究团队提出批评强化学习新方法,让AI模型在学习编程的同时学会批评代码质量。CRITIQUE-CODER模型采用8:2混合训练,不仅保持编程能力还获得代码评价能力。实验显示,该方法让小参数模型超越大模型,4B参数版本在LiveCodeBench达59分,超越基础模型4.8分。更重要的是,批评能力可迁移到逻辑推理等其他领域,为AI训练范式转变指明新方向。