PTC(纳斯达克股票代码:PTC)今天宣布了作为其环境可持续发展实践一部分的新举措。PTC已经签署了科学目标倡议(SBTi)承诺书,承诺实现近期减排和长期净零排放目标。此外,PTC正在扩大与Ansys和aPriori的关系,以支持制造商在产品非物质化和制造效率方面的环境可持续性目标。
“PTC的SBTi承诺植根于我们的信念,即在我们考虑气候变化的影响时,这样做是正确的,”PTC首席战略和营销官Catherine Kniker说。“这也是我们对我们的制造业客户作出的更广泛承诺的一部分,因为我们将以符合他们的环境可持续发展目标的方式减少我们自己的足迹。”
在作出SBTi承诺的同时,PTC正在扩大其支持制造商努力减少其产品的环境足迹的方式。产品的大部分环境足迹是在设计阶段确定的,在这个阶段要对材料、可制造性、循环潜力等做出决定。PTC通过其业界领先的产品设计和生命周期管理软件,并通过与Ansys和aPriori的新合作伙伴集成,使制造商能够解决这些环境足迹问题。
PTC和Ansys在产品设计和仿真软件方面已经合作了几年,他们将在PTC的Creo®计算机辅助设计(CAD)和Windchill®产品生命周期管理(PLM)软件与Ansys的材料信息管理解决方案Ansys Granta MI之间寻求更多的集成工作流程。这些工作流程预计将使设计工程师更容易评估产品中使用的材料如何影响产品的性能、碳含量和可回收性,使我们的联合客户能够开发出更可持续和高性能的产品。
“我们很高兴能与PTC合作,在现有的安世Granta与Creo和Windchill的连接基础上,寻求更多的集成材料管理和可持续性工作流程。” Ansys公司副总裁兼产品总经理Mark Hindsbo说,“这些工作流程帮助工程师在设计产品时平衡性能和环境足迹的优先级,为整个企业提供可预测的准确、可追溯和可靠的材料信息。”
PTC和aPriori将追求Windchill与aPriori的aP Pro、aP Design和aP Generate软件之间更大的互操作性。这些解决方案使设计人员能够审查CAD和PLM中的设计,并生成有关零件成本、可制造性和环境足迹的报告。如果需要修改,aPriori的软件可以为设计者生成改进建议。这个过程可以增加在过高的成本和占用空间之前作出改变的可能性。
“今天的制造商面临着同时提高利润率和可持续性的持续压力。”aPriori公司总裁兼首席执行官Stephanie Feraday说,“ aPriori公司在提供自动化制造见解方面具有独特的优势,可以从早期产品设计到生产过程中削减成本,减少碳排放,并提高生产力。扩大我们与PTC的关系,将有助于PTC的客户利用我们的全部能力和他们的PTC投资,迅速而自信地做出产品决策。”
“环境可持续性是许多制造企业的首要任务,我们相信PTC和像Ansys和aPriori这样的合作伙伴在减少我们每天使用的产品的总体足迹方面可以发挥有意义的作用,”Kniker继续说道。“对于PTC、我们的合作伙伴和我们的客户来说,这是一个真正的市场机会,但更重要的是,这是一项有意义的工作,影响的不仅仅是商业。”
在近期的LiveWorx®大会上,PTC将为环境可持续发展设立专门的议题,包括Catherine Kniker于美国东部时间5月17日(星期三)下午1:00发表的题为 "提高产品可持续性的具体策略 "的议题焦点。
好文章,需要你的鼓励
树莓派基金会调查发现,尽管60%的家长认为编程是孩子的重要技能,但超过70%的家长表示孩子在正常课程中没有学习编程。该基金会CEO指出,随着AI技术快速发展,年轻人掌握技术理解和创造能力比以往更重要。超半数家长认为编程应成为必修课程,并相信学习编程能提升孩子未来职业前景。为填补学校教育空白,基金会呼吁在学校和图书馆广泛设立编程俱乐部,目标到2035年全球教授1000万儿童编程技能。
Patronus AI发布突破性研究,构建了首个系统性AI代理错误评估体系TRAIL,涵盖148个真实案例和21种错误类型。研究发现即使最先进的AI模型在复杂任务错误识别上准确率仅11%,揭示了当前AI代理系统在长文本处理、推理能力和自我监控方面的重大局限,为构建更可靠的AI系统指明方向。
文章介绍了AI大语言模型中最新的深度研究功能,这是目前最令人印象深刻的新功能之一。作者详细解析了ChatGPT、Claude和Gemini等主流模型的使用方法,并重点展示了深度研究功能的实际应用。通过实际测试,作者用ChatGPT 4.5的深度研究功能生成了一份关于1990-2025年最令人厌烦歌曲的详细报告,展示了AI如何通过思维链进行深度研究和分析。文章还提到了语音交互模式将进一步改变用户与AI的交互体验。
这项研究首次从理论和实践证明AI模型可通过模仿生物睡眠-学习周期显著提升性能。研究发现AI训练中存在自发的"记忆-压缩循环",并据此开发了GAPT算法,在大语言模型预训练中实现4.8%性能提升和70%表示效率改善,在算术泛化任务中提升35%,为AI发展指出了注重信息整理而非单纯数据扩展的新方向。