天津港爆炸后,隨之而來的貨運中斷將影響制造、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,大型跨國企業(yè)已經(jīng)開始緊急評估和應(yīng)對此次災(zāi)難對其業(yè)務(wù)運營造成的影響。天津港是全球最大的港口之一,也是華北地區(qū)生產(chǎn)的大量商品運往世界各地的主要門戶。在供應(yīng)鏈全球化時代,觀察家們預(yù)計,這一關(guān)鍵節(jié)點出現(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),我們就意識到,天津港爆炸是繼日本海嘯、2012年泰國洪水之后對全球供應(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,天津港內(nèi)存放有數(shù)百家跨國公司的貨物。但隨后更長期的各種貨運混亂,可能會帶來更大的損失。
據(jù)《商業(yè)日報》報道,爆炸已經(jīng)導(dǎo)致天津港兩個碼頭暫停作業(yè),但其他多個碼頭未受影響。米哈伊爾引用在當(dāng)?shù)剡\營的一些客戶的報告稱,估計至少需要一周時間,才能恢復(fù)80%的貨物流動。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)品的裝運點之一。這次爆炸發(fā)生在瑞海國際物流有限公司的一棟倉庫,而據(jù)財經(jīng)新聞網(wǎng)站Quartz報道,經(jīng)天津港運往世界各地的危險化學(xué)品,大部分均由這家公司經(jīng)營。米哈伊爾預(yù)測,未來幾周,多種工業(yè)材料的價格將上漲,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)生的時間點也很不幸,再過三個月多一點,就是美國的假日購物季。災(zāi)難發(fā)生時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。
很多貨運公司已經(jīng)改為經(jīng)青島港甚至更遠(yuǎn)的上海港發(fā)運貨物,但這樣做一方面將增加貨車運輸成本,另一方面會給這些港口的海運費率帶來上行壓力。如果情況持續(xù)混亂,對時間敏感的貨運商或許會采取克菲爾所說的“極端措施”——在迫不得已的情況下,選擇價格高昂的航空貨運。
好文章,需要你的鼓勵
騰訊ARC實驗室推出AudioStory系統(tǒng),首次實現(xiàn)AI根據(jù)復(fù)雜指令創(chuàng)作完整長篇音頻故事。該系統(tǒng)結(jié)合大語言模型的敘事推理能力與音頻生成技術(shù),通過交錯式推理生成、解耦橋接機制和漸進(jìn)式訓(xùn)練,能夠?qū)?fù)雜指令分解為連續(xù)音頻場景并保持整體連貫性。在AudioStory-10K基準(zhǔn)測試中表現(xiàn)優(yōu)異,為AI音頻創(chuàng)作開辟新方向。
Meta與特拉維夫大學(xué)聯(lián)合研發(fā)的VideoJAM技術(shù),通過讓AI同時學(xué)習(xí)外觀和運動信息,顯著解決了當(dāng)前視頻生成模型中動作不連貫、違反物理定律的核心問題。該技術(shù)僅需添加兩個線性層就能大幅提升運動質(zhì)量,在多項測試中超越包括Sora在內(nèi)的商業(yè)模型,為AI視頻生成的實用化應(yīng)用奠定了重要基礎(chǔ)。
上海AI實驗室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語言模型人性化對話問題。該研究創(chuàng)建了包含20萬高質(zhì)量樣本的訓(xùn)練數(shù)據(jù)集和MM-AlignBench評測基準(zhǔn),通過創(chuàng)新的數(shù)據(jù)生成和質(zhì)量管控方法,讓AI在保持技術(shù)能力的同時顯著提升人性化交互水平,為AI價值觀對齊提供了可行技術(shù)路徑。
谷歌DeepMind團(tuán)隊開發(fā)的GraphCast是一個革命性的AI天氣預(yù)測模型,能夠在不到一分鐘內(nèi)完成10天全球天氣預(yù)報,準(zhǔn)確性超越傳統(tǒng)方法90%的指標(biāo)。該模型采用圖神經(jīng)網(wǎng)絡(luò)技術(shù),通過學(xué)習(xí)40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預(yù)測方面表現(xiàn)卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學(xué)領(lǐng)域帶來了效率和精度的雙重突破。