至顶网CIO与CTO频道 04月22日 编译:越来越多的企业为了改善供应链生产流程而转投区块链,其中有两个非常重要的名字。宝马在过去的一周里发布了旗下名为PartChain项目的详细信息,PartChain将区块链技术用于物流业务。
另一个大牌子特斯拉(Tesla Inc.)也参与了一个区块链试点项目,该项目可提供改进的海运单信息,因此可为所有运作该项目的大型航运财团参与者提高效率。其实这也没什么值得惊奇的,在这之前,诸如沃尔玛和雀巢的大型企业也已经在他们参与的IBM Food Trust来源项目里用上了区块链。颇有有意思的是,所有这些案例里首选的区块链协议都是Hyperledger Fabric,Hyperledger Fabric协议可以说正在令自己成为供应链应用程序的主要协议。
名为全球航运业务网络(GSBN)的区块链财团在正式成立之前需要获得必要的监管部门的批准,GSBN由业界领先的海洋承运商和港口码头营运商组成,包括CMA CGM、中远海运、长荣海运、东方海外和阳明等运营商以及中远海运港口、青岛港、PSA国际、上海国际港口集团(SIPG)及和记港口等。
CargoSmart最近利用Hyperledger Fabric区块链与码头运营商上海国际港口集团SIPG和远洋运输公司中远集团一起做了个试点项目。该试点项目跟随行业将通常非常耗费纸张的过程数字化的趋势,处理文档是在区块链上完成的。过去,船运公司和港口需要分别做检查和文书清关,但现在利用用区块链技术,他们可以同时看到相同的数据并进行无缝签名。装着Tesla汽车零件的集装箱可以更快地放行,货物装卸速度也可以更快,全都是因为用了Hyperledger Fabric协议的一站式、零延迟和零接触区块链优势。
该试点项目的技术支持由CargoSmart提供,CargoSmart是一家总部设在香港的领先货运管理技术解决方案提供商货。CargoSmart利用Hyperledger Fabric为最终客户特斯拉提供更快、更便宜的汽车零部件接收服务。最近,CargoSmart还进一步增强了该应用程序,现在程序可显示装载出口口、预约日期和码头放行信息,托运人因此能够更好地查看自己的货物。
GSBN的目标是加快航运业的数字化转型。GSBN旨在为所有航运供应链参与者提供一个平台,参与者可通过可信赖及安全的数据交换平台协同工作,以加速技术创新及开发解决方案。CargoSmart首席商务官Lionel Louie表示。
德国汽车制造商宝马和特斯拉一样都是世界上十四大汽车生产商之一。宝马也在利用区块链优化自己的流程,宝马更进了一步,宝马启动了他们自己的名为PartChain的区块链计划。
宝马区块链PartChain
Andreas Wendt是宝马公司负责采购和供应商网络的管理委员会成员。他解释说,PartChain在宝马供应链流程中增加了防篡改和可验证数据收集的额外层。虽然第一个试点项目只是追溯前灯,但PartChain路线图还将包括原材料,PartChain平台将提供从矿山到工厂的端到端透明性和可追溯性。
此举旨在令宝马集团的采购数字化更上一层楼。我们的愿景是创建一个开放平台,使得供应链里的数据可以安全地交换和共享及做到跨行业匿名化。宝马集团管理委员会成员Andreas Wendt表示。
诸如特斯拉和宝马这样的大型汽车制造商率先创新和改善自己的供应链流程并不令人感到震惊。使用区块链可以带来的各种好处(例如,节省成本、增强可追溯性和增加透明度),为创新提供了强大动力。宝马集团在2018年里与汽车交通运输行业的其他120家龙头科技公司联合创立了专业联盟Mobility Open Blockchain Initiative(MOBI)。未来里的同一个网络上是要连接尽可能多的交易对手,使用的先进新技术包括物联网、人工智能
增强型GPS、5G无线等,而区块链自然是连接新未来的垫脚石。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。