人类社会长期存在浪费的问题,虽然近些年人们坚持不懈地在鼓励回收,然而每年依然有大量的垃圾被填埋、投入海洋或下水道中,这对我们赖以生存的地球产生巨大影响。
今年4月22日是人类的第52个地球日,在亟待解决的浪费问题上人类任重而道远。在联合国《2020年全球电子废弃物监测》报告中显示,2019年全球产生的电子废弃物(带电池或插头的废弃产品)总量仅在5年内就增长了21%,达到创纪录的5360万吨,而回收利用率仅有17.4%。每年产生的大量“电子垃圾”成为地球未来的隐患。
“中国作为电子产品消费大国,若想实现‘碳达峰、碳中和’的目标,也必须要面对处理‘电子垃圾’的难题。戴尔始终坚持‘在中国,为中国’的战略,秉承一步一个脚印的务实态度,用创新、用技术、用行动来践行戴尔对绿水青山的承诺。”戴尔全球副总裁、大中华区政府事务副总裁周兵说。
实现减碳需要覆盖电子产品的整个生命周期:包括从生产产生的直接和间接排放,到上下游和使用产品所产生的排放。而如何从源头开始,通过重复利用已进入经济体中的产品从而实现“循环经济”,这成为戴尔从设计环节便开始思考的出发点之一。
在全球,有至少数百万人在使用戴尔的产品。对戴尔而言,这是一份荣耀,更是一份责任,推动着戴尔的设计师和工程师们不断努力、研发出更利于循环经济的产品。 为此,戴尔给自己设立了一个宏伟的目标:到2030年,实现客户每购买一件产品都回收一件与之相当的产品;所有的产品包装和一半以上的产品原料来源于回收或可再生材料,实现真正意义上的“循环经济”。
可持续发展的理念贯穿了戴尔产业链的方方面面——从产品的设计之初就思考了产品整个生命周期的循环问题。2007年,戴尔率先推出采用可循环塑料制成的OptiPlex台式机。在过去的十几年中,这样的设计创新不曾停歇。今天,你使用的戴尔显示器,可能就包含了从五年前的显示器中回收的塑料;而通过创新的再生碳纤维技术,Latitude商用笔记本中有一些部件就来源于航天航空业中回收的高端材料。戴尔多年前就开始与NextWave Plastics企业联盟携手,将回收自海滩上的塑料水瓶用于XPS系列产品包装的制造。今年初,戴尔还推出了业内首台使用造纸废料中提炼的生物基环保材料制造的电脑。
为了实现2030年的愿景,戴尔在全线产品的技术革新和材料开发上不断发力,尝试新材料、研发新工艺、将产品设计推向可能性中的极限。
推动更大胆的设计理念
之所以很多企业选择“新材料—产品制造—废弃”的发展模式,而不专注于循环利用的原因是——这么做其实更“经济划算”。产品和材料的回收利用往往需要企业付出人力物力,并兼具很高的专业技术能力。
一台标准的笔记本电脑包含200多个塑料和金属材质的零部件,产品拆解的复杂程度可想而知。戴尔的设计师们直接参与了回收工艺的学习,获取零部件回收再利用的第一手资料。自行拆解旧产品的过程激发了设计师们的改进想法——对产品使用螺丝钉进行粘合的技术进行升级。虽然这看起来是给自己出难题,但戴尔的设计师们始终坚信,一定有更好的方式可以做到更加环保。
距2030年仅剩九年的时间,戴尔正加速思考,尝试新概念、新材料和新技术。为实现可循环设计的愿景,戴尔的设计团队正在践行:
戴尔正在做的其实很简单:希望不断的“变废为宝”让电子废弃物越来越少,推动全球节能环保及回收计划。
作为业内率先采用可循环使用材料制造电脑的先行者,戴尔正通过更加面向未来的设计以减少资源浪费、延长技术寿命,不断推动创新,让循环经济得以持续。但仅凭一己之力是不够的。 戴尔正在一路吸引IT行业和其他行业的人才共同努力,通过技术革新和环保理念,重新思考产品能持续循环使用的方法,共同实现产品升级,对整个行业、更对全球环保做出重大积极的影响。
好文章,需要你的鼓励
OpenAI在最新博客中首次承认,其AI安全防护在长时间对话中可能失效。该公司指出,相比短对话,长对话中的安全训练机制可能会退化,用户更容易通过改变措辞或分散话题来绕过检测。这一问题不仅影响OpenAI,也是所有大语言模型面临的技术挑战。目前OpenAI正在研究加强长对话中的安全防护措施。
北航团队推出VoxHammer技术,实现3D模型的精确局部编辑,如同3D版Photoshop。该方法直接在3D空间操作,通过逆向追踪和特征替换确保编辑精度,在保持未修改区域完全一致的同时实现高质量局部修改。研究还创建了Edit3D-Bench评估数据集,为3D编辑领域建立新标准,展现出在游戏开发、影视制作等领域的巨大应用潜力。
谷歌宣布计划到2026年底在弗吉尼亚州投资90亿美元,重点发展云计算和AI基础设施。投资包括在里士满南部切斯特菲尔德县建设新数据中心,扩建现有设施,并为当地居民提供教育和职业发展项目。弗吉尼亚州长表示这项投资是对该州AI经济领导地位的有力认可。此次投资是谷歌北美扩张战略的一部分。
宾夕法尼亚大学研究团队开发出PIXIE系统,这是首个能够仅通过视觉就快速准确预测三维物体完整物理属性的AI系统。该技术将传统需要数小时的物理参数预测缩短至2秒,准确率提升高达4.39倍,并能零样本泛化到真实场景。研究团队还构建了包含1624个标注物体的PIXIEVERSE数据集,为相关技术发展奠定了重要基础,在游戏开发、机器人控制等领域具有广阔应用前景。