Citrix思杰于近日发布了可持续报告,总结了一年来在自身治理、环境效应、人才和社会平等方面所作出的贡献及取得的主要成就。在过去的一年里,思杰的解决方案使客户能够为员工提供灵活性,从而减少碳排放,提高他们招募和留住多样化人才的能力,并最终使他们的长期绩效受益。面对疫情,思杰帮助客户部署相应技术,使关键领域的劳动力能够充分发挥其作用。
可持续,从自身治理开始
当疫情来袭,无论客户在哪里工作,思杰的解决方案都能帮助他们保持工作效率和业务连续性。在思杰,可持续性也不仅限于自己的产品所带来的环境和社会效益。从员工到股东、客户,思杰始终将可持续性作为经营策略的核心价值之一。百分之九十的填写了调查问卷的思杰员工认为,在一家对环境负责的公司工作对他们来说十分重要。而思杰也正通过定时接触股东、在外部伙伴的帮助下进行评估和建立监督委员会等措施,推进可持续战略的实施。
减轻负面环境效应,刻不容缓
在这一年中,人们见证了气候变化对少数群体所造成的不公平影响。作为值得信赖的技术合作伙伴,思杰在全球拥有成千上万的客户,几乎覆盖了世界上的每一个行业。在此基础上,思杰认为助力环保的最有效手段就是帮助客户实现大规模减排。而思杰也正通过提供有力的解决方案做到这一点。
以Citrix Workspace为例,它消除了将应用和数据驻留在端点设备上的需求,允许客户从使用大屏幕显示和高性能处理器的高能耗台式机转向更节能的笔记本电脑。将Citrix Workspace与灵活的远程工作政策相结合,可以降低公司对办公空间的需求,减少员工的通勤,进一步减少公司的碳足迹。当客户部署Citrix Workspace并管理客户端设备以优化能源效率时,与客户端计算相关的温室气体排放也能够显著减少。
同时,思杰自身也在不断地为环保做出努力。今年,思杰向全球环境披露平台Carbon Disclosure Project提交了企业气候数据和战略信息。而使用可再生能源、可持续设计及回收利用管理等措施,也彰显了思杰为改善气候变化贡献力量的决心。
拥抱多元化,提升包容性与归属感
今天,多元化、包容性和归属感的重要性凸显,企业也在反思如何在自己的组织和社区内解决问题。思杰的解决方案使人们能够以一种更好的方式工作,并拥抱人与人之间的不同。思杰多元化的员工队伍涵盖了数代人,跨越了四十多个国家和地区。
通过多元化与包容性培训、多样化的员工资源小组(ERGs)、员工福利与关怀等措施,思杰正在践行多元化、包容性与归属感策略的四大关键支柱——发展多元化、培养包容性的领导和团队、减轻无意识偏见与充分动员员工队伍。2020年,思杰还与无障碍专家合作,确保思杰的数字服务,如网站、移动应用、电子文档、软件产品和其他数字系统,残障人士同样可以使用。这也是思杰获得残障人士最佳工作场所等奖项的原因。
肩负社会责任,贡献点滴之力
正如多元化的员工队伍,思杰在企业社会责任方面做出的努力亦是广泛的。思杰的志愿者服务基于“Simply Serve”项目,在捐赠方面也同样有“Simply Give”项目。仅在2019年,就有3134名思杰员工参加了惠及40个国家1179个慈善机构的企业公民活动。
为了确保供应商的多样性,思杰也发起了供应商多样性项目,在所有业务运营中公平地纳入不同的第三方供应商。
人类发展的共同目标自然也是思杰的努力方向。针对联合国可持续发展目标,思杰通过所提供的产品和解决方案以及所采取的运营策略,正有效助力消除贫穷、性别平等、气候行动等目标的实现。
如何加速面向低碳未来的发展?如何确保未来的工作具有一视同仁的包容性?如何帮助社区和社会持续繁荣?面对这些挑战,思杰将继续付出努力,为社会、为地球做出自己的一份贡献。
好文章,需要你的鼓励
B&H近期对多款M5 Pro MacBook Pro机型推出300美元优惠。14英寸M5 Pro版本(48GB内存+1TB固态硬盘)现售价2299美元,较原价2599美元节省300美元,且该配置在亚马逊无法购买,折扣机会更为难得。此外,16英寸M5 Pro版本(64GB内存+1TB固态硬盘)同样享有300美元折扣。B&H在多款高配MacBook机型上的定价已低于亚马逊,是近期可找到的最优价格。
FORTIS是专门测量AI代理"越权行为"的基准测试,研究发现十款顶尖模型普遍选择远超任务需要的高权限技能,端到端成功率最高仅14.3%。
Insta360推出GO 3S复古套装,将现代4K运动相机与胶片时代美学结合。套装核心仍是仅重39克的GO 3S,新增复古取景器、胶片风格滤镜、NFC定制外壳及可延长录制时长至76分钟的电池组。复古取景器模仿老式腰平相机设计,鼓励用户放慢节奏、专注构图。相机内置11种色彩预设及负片、正片等滤镜,同时保留FlowState防抖、4K拍摄及10米防水能力,面向热衷复古影像风格的年轻创作者。
荷兰Nebius团队提出SlimSpec,通过低秩分解压缩草稿模型LM-Head的内部表示而非裁剪词汇,在保留完整词汇表的同时将LM-Head计算时间压缩至原来的五分之一,端到端推理速度超越现有方法最高达9%。