● 53%的受访企业都将可持续发展列为其战略的一大关键
● 由于监管和市场力量的驱动,92%的受访企业正积极追求可持续发展
● 采用数字化技术是实现可持续发展的一项关键因素,但数字化的普及率仍明显偏低
2022年3月17日——欧特克公司(纳斯达克交易代码:ADSK)近日发布了与Frost & Sullivan合作调研的最新研究报告《通过数字化,打造可持续的未来:推动亚太地区设计与制造和工程建设行业发展的趋势》。该报告对建筑、工程、施工、设计和制造行业的企业进行调研,以确定当前推动亚太地区可持续发展的主要因素。
欧特克与Frost & Sullivan合作调研的最新研究报告
超过半数(53%)的受访企业表示,可持续发展是其商业战略的重要组成部分。调研结果还显示,亚太地区的可持续发展举措正在加速推进,主要的驱动因素是监管和市场力量(92%)、投资者关系(87%)以及竞争优势(80%)。
亚太地区是全球气候变化的重要推手
能源和材料消费的不断增加对气候变化产生了巨大的影响,这使得整个工程建设行业和制造业都面临着日益迫切的可持续发展需求。2018年,亚太地区的温室气体排放量占全球总排放量的53%。2020年,亚太地区排放的二氧化碳量更是高达183亿吨,超过了当年全球其他地区二氧化碳排放量的总和。为了让全世界朝着净零目标前进,亚太地区的这些相关行业就必须要制定其可持续发展的战略。
亚太地区的各国政府也都纷纷承诺,在平衡经济增长必要性的同时也要为可持续发展做出贡献。然而,亚太各国在这方面的进展情况参差不齐,导致亚太地区难以抑制经济高速增长之下温室气体排放的不断增加。因此,亚太地区需要立即采取切实有效的行动,通过一切必要手段制定策略并加以落实。
对此,中国实施了多项举措来推广可持续发展和降低对环境的影响。一方面提高可再生能源利用率,例如降低单位 GDP 的二氧化碳排放量,计划提高非化石能源占一次能源消费的比重,以及增加风电和太阳能总装机容量等。另一方面不断推行绿色建筑举措,例如加大BIM(建筑信息模型)解决方案在绿色建筑和智慧城市解决方案的应用,以及依托绿色金融系统或绿色债券来支持可持续性发展等。
报告显示,在各地区可持续性成熟度方面,有60%的中国受访企业认为可持续性是企业战略的重要组成部分,高于亚太地区(53%)的平均水平。其中,有14%的中国受访企业更是把可持续发展视作企业战略的基石。而在企业对可持续性的态度方面,75%的中国受访企业已将可持续发展视为其领导层战略构想的一部分,这一数据也明显高于亚太地区(65%)的平均水平。
采用数字化技术是实现可持续发展的关键因素
随着能耗和减排方面的合规要求越来越多,企业对相关监测、度量、报告和核查的需求也随之增加,而数据恰好能满足企业的这些需求。
欧特克软件(中国)有限公司董事长及大中华区总经理李邵建表示,高效和结构化的数据管理对于企业实现可持续发展目标至关重要,这也就凸显了进一步普及数字化技术的必要性。数字化技术在支持企业减少温室气体排放和浪费方面能发挥巨大作用,并能帮助企业加速设计和打造更安全、更健康、更具适应性的产品和场所。
“数字化技术为人们提供了应对可持续性挑战的新方法和新手段。比如,气候变化、资源枯竭和环境保护等重大环境问题正在通过数字化解决方案得以解决。举例来说,像BIM这样的数字化工具让设计师能够进行能耗仿真,从而以更明智的设计决策造就更节能、更高效的建筑。”
“在实现可持续发展目标的进程中,各类组织面临的两大主要挑战就是技能和资源的缺乏,而资产老化又加剧了这一问题。采用数字化技术是克服这两大挑战的关键所在,也是实现可持续发展的重要因素。” 李邵建指出。
Frost & Sullivan亚太地区工业能源与环境高级副总裁Ravi Krishnaswamy表示:“随着企业越来越重视实现可持续发展目标并获得竞争优势,数字化技术正在推动一种融合趋势,这种融合对于实现业务增长与环境效益的平衡兼顾是必不可少的,因此它已上升成为全球众多企业的首要战略事项。
“目前,越来越多的企业采用数字化解决方案,用于进行合规相关的数据测量和报告、简化与供应链伙伴的协作、获取关于低碳材料的数据以及机器学习和人工智能能力,以提升自身的可持续发展商数。”
最后,该报告还呼吁,亚太地区必须立即行动起来,在维护相关方利益的同时,积极发挥数字化技术的强大助推作用,并加大对可持续性的承诺和投入,为全球的可持续发展做出更大贡献。
好文章,需要你的鼓励
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。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。