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
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。