2024年5月14日,北京 – 日立集团(TSE: 6501)旗下专注数据存储、基础架构与混合云管理的子公司Hitachi Vantara今日发布首份《可持续发展报告》。报告展现了Hitachi Vantara致力于将可持续发展理念贯彻落实,并将其作为数据基础架构解决方案组合的重要基础,同时证明了公司持续践行对环境、社会和治理(ESG)原则的长期承诺。该报告概述了公司过去和当前的各项举措,并展望了公司未来在推动可持续发展创新和提升运营水平方面的行动计划,进而强调Hitachi Vantara推动积极变革的承诺。
欲了解有关Hitachi Vantara在可持续发展方面所做努力的更多信息,请访问:https://www.hitachivantara.com/sustainability
本《可持续发展报告》顺应新兴的全球ESG趋势,全面呈现Hitachi Vantara在可持续发展方面的努力成果,回顾了公司在2023财年战略重组前所采取的各项举措,并对当前的实践和发展目标进行了深入分析。此外,报告反映了Hitachi Vantara全球员工的集体努力,强调推进可持续业务实践中,团队协作和跨职能合作的重要性,并与国际公认的会计准则和联合国可持续发展目标保持一致。更为重要的是,报告强调了多年来Hitachi Vantara存储基础架构解决方案组合中的可持续发展创新成果,如二氧化碳减排技术。
此外,公司制定了宏大的限时目标,以提升ESG绩效,体现其对可持续发展领导者角色的持续承诺。这些目标包括:
Hitachi Vantara首席执行官Sheila Rohra强调:“在Hitachi Vantara,可持续发展并非只是个口号。我们致力于将环保责任落实到运营和产品的方方面面,例如我们的环保型存储产品,就采用了先进的二氧化碳减排技术。同时,我们正在全球运营和供应链中深入推进去碳化工作,并利用智能数据生命周期管理系统,为客户优化可持续发展成果。我们的首份《可持续发展报告》深入介绍了这些举措,彰显了一家负责任的社会创新型企业的不懈努力。”
报告的亮点内容包括:
Hitachi Vantara已经与世界各地的客户展开合作,助力他们提高产品、服务和运营的效率及可持续性。例如,公司为宝马集团提供了无缝存储迁移服务,使其数据中心占地面积减少70%,耗电量降低80%,大大提高了其成本效益和环保性。南非信息和通信技术公司Gijima采用Hitachi Virtual Storage Platform系统以整合其物理基础架构,实现能耗降低66%,二氧化碳排放量也随之减少。土耳其信息和通信技术公司Türk Telekom同样选择采用Hitachi Vantara提供的更为环保、可持续的新型数据架构,将占用的机柜总数量从23个减少至9个,并将电力和冷却需求降低约60%。
Türk Telekom数据中心和云服务总监Mehmet Fatih Bekin表示:“我们需要确保我们的存储系统不会出现瓶颈,避免影响终端用户使用时的性能和可靠性。同时,我们采购的新的VSP阵列的能效不仅对环境更为有利,还有助于降低我们自身的运营支出。”
好文章,需要你的鼓励
来自耶路撒冷希伯来大学的研究团队开发了WHISTRESS,一种创新的无需对齐的句子重音检测方法,能够识别说话者在语音中强调的关键词语。研究者基于Whisper模型增加了重音检测组件,并创建了TINYSTRESS-15K合成数据集用于训练。实验表明,WHISTRESS在多个基准测试中表现优异,甚至展示了强大的零样本泛化能力。这项技术使语音识别系统不仅能理解"说了什么",还能捕捉"如何说"的细微差别,为人机交互带来更自然的体验。
这项研究提出了"力量提示"方法,使视频生成模型能够响应物理力控制信号。研究团队来自布朗大学和谷歌DeepMind,他们通过设计两种力提示——局部点力和全局风力,让模型生成符合物理规律的视频。惊人的是,尽管仅使用约15,000个合成训练样本,模型展现出卓越的泛化能力,能够处理不同材质、几何形状和环境下的力学交互。研究还发现模型具有初步的质量理解能力,相同力量对不同质量物体产生不同影响。这一突破为交互式视频生成和直观世界模型提供了新方向。
北京交通大学与西蒙弗雷泽大学联合研发的混合神经-MPM方法实现了实时交互式流体模拟。该方法巧妙结合神经物理学与传统数值求解器,在低时空分辨率下运行神经网络并设置保障机制自动切换到MPM,显著降低计算延迟同时保持高保真度。团队还设计了基于扩散模型的控制器,支持用户通过简单草图直观控制流体行为,为游戏、VR和设计领域提供了实用解决方案。
这项研究介绍了EgoZero,一种创新的机器人学习系统,能够仅通过Project Aria智能眼镜捕获的人类示范数据,训练出零样本迁移的机器人操作策略。研究团队提出了一种形态无关的状态-动作表示方法,使用点集来统一人类和机器人数据,并开发了从原始视觉输入中提取准确3D表示的技术。在没有任何机器人训练数据的情况下,EgoZero在7种真实世界操作任务上实现了70%的成功率,展示了强大的泛化能力,为解决机器人学习中的数据瓶颈问题提供了新思路。