
沃尔沃汽车近日宣布,将利用甲骨文提供的区块链平台追踪钴材料的来源。钴是目前电动汽车电池的主要材料之一。自推出首款纯电动车型XC40 Recharge之后,沃尔沃已经提出一项新的业务战略,计划到2025年每年新发布一款电动车型。
甲骨文公司区块链产品管理高级总监Mark Rakhmilevich在采访中表示,“钴虽是电动车电池的核心,但其供应量却相当有限。沃尔沃等企业一直在努力提高钴矿石产量,以支持2025年半数沃尔沃汽车转型为电动车型的计划。根据计算,每辆电动汽车大约需要10至20千克钴。”
沃尔沃希望建立起透明且可靠的数据追溯机制
目前,大部分钴矿石生产集中在刚果民主共和国,但该国因恶劣的钴矿开采条件而受到国际社会的强烈批评。
根据国际特赦组织的调查结果,刚果民主共和国甚至存在7岁儿童参与高危钴矿开采工作的情况。而由此产出的钴矿石,最终会被用于智能手机、平板电脑以及电动汽车的制造。即使条件如此恶劣,儿童与成人矿工每天往往只能拿到1美元的报酬。
沃尔沃公司将利用区块链技术实现对供应链中所有原材料的全球可追溯能力。Rakhmilevich解释称:
“沃尔沃希望通过甲骨文区块链实现原材料追踪,确保所使用的钴矿石来源明确、安全、不存在道德风险。自今年夏季以来,我们一直与沃尔沃紧密合作,共同构建这套原材料跟踪应用平台,用于捕捉制程流程中各个节点产生的相关数据。”
沃尔沃还与可追溯性即服务供应商Circulor合作,将这种新型可追溯供应链方案延伸至电池制造商处。这套端到端解决方案能够保证共享数据的透明度与可靠性,从而极大提高整体原材料供应的质量水平。
继今年夏季在甲骨文与Circulor区块链上成功完成试点之后,沃尔沃汽车现已与两家全球电池供应商(中国的CATL与韩国的LG Chem)达成协议,计划在今年年内开始推广钴可追溯性方案。
甲骨文与Circulor的区块链技术都将被引入CATL的供应链体系,而LG Chem供应链则采用全球采购专业企业RCS Global与IBM提供的解决方案。
在甲骨文区块链平台上捕捉的数据将包括钴矿石来源、重量与大小等属性信息,这套监管信息链将确保各供应链参与方提交的数据真实可信且与全球公认的规范相匹配。
Rakhmilevich指出,“我们一直与沃尔沃以及Circulor保持合作,共同在甲骨文区块链上跟踪原材料来源。具体方案涵盖与制造流程中各节点相关的数据,包括时间、位置、重量与大小等,从而确保所使用的材料安全可靠且符合道德标准。”
区块链技术已经成为供应链原材料跟踪领域的理解解决方案,其提供的交易记录具有不可变特性,同时配合一组与数据记录相关的通行规则。在此基础之上,区块链网络的各参与者都能够独立对交易内容进行验证与审计。
Rakhmilevich指出,“在确保原材料信息准确无误之后,我们会将交易中的各个数据点记录在区块链上,从而建立起一整套不可变且透明的数据网络平台。”
仍有挑战在前
根据Rakhmilevich的介绍,沃尔沃、CATL以及其他七家供应链参与企业目前每月在甲骨文区块链平台上记录约2800万条材料扫描及其他生产信息。他认为记录总量将随着时间推移而不断扩大(并最终发展到供应链中的其他层面,例如对锂与镍矿石的追踪),但如何对这些素材进行管理又构成了新的挑战。
Rakhmilevich解释道,“钴与其他材料需要经历一系列复杂的处理过程,才能确保捕捉到的数据点确实来自原始位置。接下来,必须对数据进行扫描与保护,以保证数据内容与数据位置准确契合。”
根据Benchmark Mineral Intelligence高级分析师Caspar Rawles的说法,沃尔沃利用区块链跟踪钴矿石来源无疑是件好事,但目前刚果民主共和国的大部分钴矿石仍来自小型独立矿山。在这类小规模的手工作坊式矿场中,童工现象与伤亡事故仍然时有出现。
因此,除了来源信息之外,沃尔沃还需要确保钴矿石在整个供应链中得到安全传输(从开采地一直到位于中国的加工与制造厂)。只有这样,原材料中才不致混入来源不明的其他矿石。
Rawles在采访中表示,“沃尔沃公司不仅需要从矿场开始追踪钴矿石,同时还得一路跟进钴矿石的运输环节,直到其以电池形式被安装在汽车当中。只有这样,才能确保其中不致混入不符合标准的材料。”
虽然存在种种障碍,但Rawles仍然对沃尔沃的第一步尝试表示肯定,认为此次试水证明了新兴技术确实能够保证现代产品的可持续性与道德遵循规范:
“随着各大车厂不断推出更多电动汽车,新的供应链需求与实际问题也将摆在他们面前。很高兴看到沃尔沃能够率先利用区块链技术应对由此带来的新挑战。”
好文章,需要你的鼓励
Adobe研究院与UCLA合作开发的Sparse-LaViDa技术通过创新的"稀疏表示"方法,成功将AI图像生成速度提升一倍。该技术巧妙地让AI只处理必要的图像区域,使用特殊"寄存器令牌"管理其余部分,在文本到图像生成、图像编辑和数学推理等任务中实现显著加速,同时完全保持了输出质量。
香港科技大学团队开发出A4-Agent智能系统,无需训练即可让AI理解物品的可操作性。该系统通过"想象-思考-定位"三步法模仿人类认知过程,在多个测试中超越了需要专门训练的传统方法。这项技术为智能机器人发展提供了新思路,使其能够像人类一样举一反三地处理未见过的新物品和任务。
韩国KAIST开发的Vector Prism系统通过多视角观察和统计推理,解决了AI无法理解SVG图形语义结构的难题。该系统能将用户的自然语言描述自动转换为精美的矢量动画,生成的动画文件比传统视频小54倍,在多项评估中超越顶级竞争对手,为数字创意产业带来重大突破。
华为诺亚方舟实验室提出VersatileFFN创新架构,通过模仿人类双重思维模式,设计了宽度和深度两条并行通道,在不增加参数的情况下显著提升大语言模型性能。该方法将单一神经网络分割为虚拟专家并支持循环计算,实现了参数重用和自适应计算分配,为解决AI模型内存成本高、部署难的问题提供了全新思路。