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
浙江大學(xué)團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實驗顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓(xùn)練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團隊發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學(xué)習(xí)方法訓(xùn)練多個AI模型。實驗結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達到49.6%準(zhǔn)確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。