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
现代大语言模型就像一栋拥有数百个房间的豪华大厦,每个房间(或称为"层")都执行特定的功能,共同协作完成复杂的语言理解和生成任务。然而,这些模型的规模已经变得如此庞大,以至于只有拥有高端计算资源的机构才能负担得起它们的运行成本。这就像一辆耗油量极大的豪华跑车,普通人负担不起它的燃料费用。
想象一下,当你在解答一道复杂的数学题时,你不仅需要给出答案,还需要详细解释每一步推导的理由,不能有任何逻辑跳跃或假设——这就是形式化数学推理的严格要求。
想象一下日常生活中我们使用的语音助手,比如Siri或ChatGPT。它们通常是这样工作的:你问一个问题,它回答,然后安静地等待你的下一个指令。这就像是一个只会被动回应的服务员,永远等待你的呼唤。而Voila团队认为,真正高级的AI助手应该更像一个时刻准备着的好朋友或队友,能够自然地融入你的生活节奏中。
想象一下,你正在参加一场料理比赛,有两位评委。第一位评委只给你一个分数,而第二位评委会详细解释你的菜品在口感、创意和技巧上的表现如何,然后才给出最终评价。显然,第二位评委的反馈对于你改进厨艺更有帮助。伊利诺伊大学研究团队正是秉持这一理念,开发了能像第二位评委那样工作的AI评估系统。