2022年3月17日——欧特克公司(纳斯达克交易代码:ADSK)近日发布了与Frost & Sullivan合作调研的最新研究报告《通过数字化,打造可持续的未来:推动亚太地区设计与制造和工程建设行业发展的趋势》。该报告对建筑、工程、施工、设计和制造行业的企业进行调研,以确定当前推动亚太地区可持续发展的主要因素。
欧特克与Frost & Sullivan合作调研的最新研究报告
超过半数(53%)的受访企业表示,可持续发展是其商业战略的重要组成部分。调研结果还显示,亚太地区的可持续发展举措正在加速推进,主要的驱动因素是监管和市场力量(92%)、投资者关系(87%)以及竞争优势(80%)。
亚太地区是全球气候变化的重要推手
能源和材料消费的不断增加对气候变化产生了巨大的影响,这使得整个工程建设行业和制造业都面临着日益迫切的可持续发展需求。2018年,亚太地区的温室气体排放量占全球总排放量的53%。2020年,亚太地区排放的二氧化碳量更是高达183亿吨,超过了当年全球其他地区二氧化碳排放量的总和。为了让全世界朝着净零目标前进,亚太地区的这些相关行业就必须要制定其可持续发展的战略。
亚太地区的各国政府也都纷纷承诺,在平衡经济增长必要性的同时也要为可持续发展做出贡献。然而,亚太各国在这方面的进展情况参差不齐,导致亚太地区难以抑制经济高速增长之下温室气体排放的不断增加。因此,亚太地区需要立即采取切实有效的行动,通过一切必要手段制定策略并加以落实。
对此,中国实施了多项举措来推广可持续发展和降低对环境的影响。一方面提高可再生能源利用率,例如降低单位 GDP 的二氧化碳排放量,计划提高非化石能源占一次能源消费的比重,以及增加风电和太阳能总装机容量等。另一方面不断推行绿色建筑举措,例如加大BIM(建筑信息模型)解决方案在绿色建筑和智慧城市解决方案的应用,以及依托绿色金融系统或绿色债券来支持可持续性发展等。
报告显示,在各地区可持续性成熟度方面,有60%的中国受访企业认为可持续性是企业战略的重要组成部分,高于亚太地区(53%)的平均水平。其中,有14%的中国受访企业更是把可持续发展视作企业战略的基石。而在企业对可持续性的态度方面,75%的中国受访企业已将可持续发展视为其领导层战略构想的一部分,这一数据也明显高于亚太地区(65%)的平均水平。
采用数字化技术是实现可持续发展的关键因素
随着能耗和减排方面的合规要求越来越多,企业对相关监测、度量、报告和核查的需求也随之增加,而数据恰好能满足企业的这些需求。
欧特克软件(中国)有限公司董事长及大中华区总经理李邵建表示,高效和结构化的数据管理对于企业实现可持续发展目标至关重要,这也就凸显了进一步普及数字化技术的必要性。数字化技术在支持企业减少温室气体排放和浪费方面能发挥巨大作用,并能帮助企业加速设计和打造更安全、更健康、更具适应性的产品和场所。
“数字化技术为人们提供了应对可持续性挑战的新方法和新手段。比如,气候变化、资源枯竭和环境保护等重大环境问题正在通过数字化解决方案得以解决。举例来说,像BIM这样的数字化工具让设计师能够进行能耗仿真,从而以更明智的设计决策造就更节能、更高效的建筑。”
“在实现可持续发展目标的进程中,各类组织面临的两大主要挑战就是技能和资源的缺乏,而资产老化又加剧了这一问题。采用数字化技术是克服这两大挑战的关键所在,也是实现可持续发展的重要因素。” 李邵建指出。
Frost & Sullivan亚太地区工业能源与环境高级副总裁Ravi Krishnaswamy表示:“随着企业越来越重视实现可持续发展目标并获得竞争优势,数字化技术正在推动一种融合趋势,这种融合对于实现业务增长与环境效益的平衡兼顾是必不可少的,因此它已上升成为全球众多企业的首要战略事项。
“目前,越来越多的企业采用数字化解决方案,用于进行合规相关的数据测量和报告、简化与供应链伙伴的协作、获取关于低碳材料的数据以及机器学习和人工智能能力,以提升自身的可持续发展商数。”
最后,该报告还呼吁,亚太地区必须立即行动起来,在维护相关方利益的同时,积极发挥数字化技术的强大助推作用,并加大对可持续性的承诺和投入,为全球的可持续发展做出更大贡献。
如欲了解该报告的更多详细内容,请点击此处下载报告:
https://www.autodesk.com.cn/campaigns/accelerate-sustainability
通过对亚太地区内六大区域(中国、日本、韩国、印度、澳大利亚及新西兰和东盟)中的工程建设和设计与制造企业进行定量调查和定性访谈,我们获得了该调研的关键洞察分析。我们在这些地区共计开展了566次定量调查和39次定性访谈。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。