天津港爆炸后,隨之而來的貨運(yùn)中斷將影響制造、零售等更多層面。
在毀滅性的爆炸發(fā)生之后,天津港至今仍有明火尚未撲滅,現(xiàn)在,大型跨國(guó)企業(yè)已經(jīng)開始緊急評(píng)估和應(yīng)對(duì)此次災(zāi)難對(duì)其業(yè)務(wù)運(yùn)營(yíng)造成的影響。天津港是全球最大的港口之一,也是華北地區(qū)生產(chǎn)的大量商品運(yùn)往世界各地的主要門戶。在供應(yīng)鏈全球化時(shí)代,觀察家們預(yù)計(jì),這一關(guān)鍵節(jié)點(diǎn)出現(xiàn)的事故,將給全球帶來持久而廣泛的影響。
供應(yīng)情報(bào)公司Elementum首席執(zhí)行官納德爾·米哈伊爾表示:“在幾分鐘之內(nèi),我們就意識(shí)到,天津港爆炸是繼日本海嘯、2012年泰國(guó)洪水之后對(duì)全球供應(yīng)鏈影響最大的一次災(zāi)難。”
米哈伊爾稱:“如果你有貨品存放在港口內(nèi)或周邊地區(qū),就完蛋了。這些物品已被凍結(jié)。”
可以肯定的是,此次爆炸造成了巨大的直接物質(zhì)損失,災(zāi)難發(fā)生時(shí),天津港內(nèi)存放有數(shù)百家跨國(guó)公司的貨物。但隨后更長(zhǎng)期的各種貨運(yùn)混亂,可能會(huì)帶來更大的損失。
據(jù)《商業(yè)日?qǐng)?bào)》報(bào)道,爆炸已經(jīng)導(dǎo)致天津港兩個(gè)碼頭暫停作業(yè),但其他多個(gè)碼頭未受影響。米哈伊爾引用在當(dāng)?shù)剡\(yùn)營(yíng)的一些客戶的報(bào)告稱,估計(jì)至少需要一周時(shí)間,才能恢復(fù)80%的貨物流動(dòng)。而部分碼頭關(guān)閉帶來的連鎖反應(yīng),將造成港口阻塞數(shù)周、甚至幾個(gè)月。
供應(yīng)鏈服務(wù)公司GT Nexus的格雷格·克菲爾表示:“港口內(nèi)存放的不僅有電視,還有各種元器件和螺栓等。這將對(duì)許多公司造成嚴(yán)重的破壞。”
此外,天津港是多種用于電子產(chǎn)品制造的化學(xué)品的裝運(yùn)點(diǎn)之一。這次爆炸發(fā)生在瑞海國(guó)際物流有限公司的一棟倉(cāng)庫(kù),而據(jù)財(cái)經(jīng)新聞網(wǎng)站Quartz報(bào)道,經(jīng)天津港運(yùn)往世界各地的危險(xiǎn)化學(xué)品,大部分均由這家公司經(jīng)營(yíng)。米哈伊爾預(yù)測(cè),未來幾周,多種工業(yè)材料的價(jià)格將上漲,電子產(chǎn)品與醫(yī)療保健行業(yè)受到的影響將尤為嚴(yán)重。
這一事故發(fā)生的時(shí)間點(diǎn)也很不幸,再過三個(gè)月多一點(diǎn),就是美國(guó)的假日購(gòu)物季。災(zāi)難發(fā)生時(shí)存放在港口的許多成品和原材料,本應(yīng)在“黑色星期五”那天被擺上商店的貨架,但現(xiàn)在可能要推遲了。
很多貨運(yùn)公司已經(jīng)改為經(jīng)青島港甚至更遠(yuǎn)的上海港發(fā)運(yùn)貨物,但這樣做一方面將增加貨車運(yùn)輸成本,另一方面會(huì)給這些港口的海運(yùn)費(fèi)率帶來上行壓力。如果情況持續(xù)混亂,對(duì)時(shí)間敏感的貨運(yùn)商或許會(huì)采取克菲爾所說的“極端措施”——在迫不得已的情況下,選擇價(jià)格高昂的航空貨運(yùn)。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。