
▲ Moyee Coffee在埃塞俄比亚建立的全球第一家Fairchain咖啡加工坊
Moyee Coffee是爱尔兰一家绿色科技咖啡公司,公司愿景是颠覆咖啡行业的商业模式。对此,Moyee Coffee联合创始人Killian Stokes表示:“在21世纪,供应链就是品牌。”
在全球范围内,区块链已经成了颠覆产业的重要技术。而对于供应链领域的产品追踪,区块链具有两个大优势:更高的透明度和可追溯性——这样的优势对于后端库存到前端消费者体验都具有巨大的影响。
据此,Moyee Coffee在查看了认证选项后决定利用区块链跟踪旗下的供应链,“我们研究了雨林联盟、FairTrade和各种出色的认证选项。但这些认证选项里很多都有局限性,而且还涉及到成本。” Stokes 表示,“区块链可以让公司得到一些真实的数据。这使得我们可以向所有利益相关者展示每部分的钱被花在了哪里。并且所有数据都被锁定,所有人可以看到,单没有人可以改动。做到100%的透明度。”他表示,“我们可以与消费者连在一起,将价值链(行程和整个过程)上的每笔交易都数字化。”
在咖啡领域,Moyee Coffee是个挑战者品牌,它不依赖中介组织的审核,而是利用区块链来为自己的供应链提供可持续审核,并且,Moyee Coffee还共享旗下价值链各个阶段的数据。利用区块链跟踪和追溯供应链,使得消费者可以和产品连接起来并了解他们所购买的产品,这在过去是不可能的。
Stokes 称,Moyee Coffee可以向买家展示咖啡的确切种植方式:“在购买咖啡之前,买家只要拿出手机扫一下二维码,然后就可以看到种咖啡的农民从买家手里这袋咖啡里获得了多少收益。我们可以分享故事和视频,向买家展示我们的咖啡是如何在森林中生长的。除此之外,我们还可以带着我们的客户一起去旅行,这种力量非常强大。可以令所有利益相关者获取一定的产品信誉。”
他表示,“例如,消费者行为的回报是什么、我们如何才能最大可能地显示您的影响等等。我坚信,只要我们将重点放在正确地叙述和讲述故事上就可以扩大我们的客户群。”
据了解,Moyee Coffee正在利用区块链跟踪咖啡的交易以及运输,包括从埃塞俄比亚种咖啡农民的田野到欧洲的超级市场,利用区块链则提供了前所未有的透明度。
但是把区块链添加到数据追踪的供应链的每一个环节也并非没有挑战,Stokes还表示:“设想一下身处埃塞俄比亚的山区,那里的贫困农民没有受过太多教育也没有智能手机,网络连接也不那么好。但他们非常乐意学习使用手机及用数字方式付款。如果用数字支付,我们愿意多付10%,这是非常有力的激励。”
另一方面,Stokes称,“伦敦超市里消费者的兜里都有手机。他们在用4G和5G,但生活里充斥着太多干扰。他们更擅用科技,但没有使用区块链或相应应用的文化——这里的挑战归结为动机和品牌效应。要将对他们来说重要的东西纳入进来,要推动他们,激发他们,成功的故事最有说服力。”
从这方面来说,Moyee Coffee非常希望激发客户的忠诚度,利用品牌挑战全球咖啡行业的开发流程,并证明Moyee Coffe的方法更好。
大多数咖啡农是世界上最贫穷的农民,因为咖啡行业主要由企业集团控制,供应链价值分配存在系统性失调,这意味着咖啡农通常只能从最终消费者购买的咖啡收入中赚1-2%。
因此,Moyee Coffee希望能够改变这种商业模式,“如果能在咖啡产业链上进一步做加工和烘焙,就会赋予咖啡更多的价值,让更多的人把精工作时间和精力投入到咖啡行业中来。他们是在森林里而不是在地里种咖啡,可以保护土地,促进生物多样性。”Stokes表示,“产品的来源及其环境是品牌服务的一部分,而咖啡有可能是造成环境破坏的主要原因。我们认为我们的做法应该是一种有益于环境保护的力量。”
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。