自4月16日美国商务部宣布激活拒绝令,禁止中兴通讯7年内购买、出售或从事任何涉及受美国出口管制条例约束的物品、软件或技术等交易以来,中美贸易战持续升温发酵,战事焦点也从中兴扩展到其他中国企业,如今,一些美国公司也“坐不住”了。
据外媒Tea party nation报道称,特朗普总统曾承诺重新修订贸易协定,为美国本土回笼更多的工作,并使国家间的贸易关系公平化。其终极目标是为美国公民提供更多的就业岗位,使美国商品能够触达更多的国外市场。但是,这一禁令却促使一些没有加入到这场战争中的公司遭到了所谓的“双边损害”。Tea party nation发端于1773年的美国东北部的波士顿,作为一股来自民间的力量,已经成为美国一支新的政治力量。特朗普曾在参选总统前表示,不排除可能以茶党代表身分参选,“我是共和党人,但极欣赏茶党运动,因为他们反映了真实的情况。”
Tea party nation报道称:“在过去的几周,商务部打击了一家为美国消费者提供智能手机的中国通讯公司,商务部的做法同时损害了美国公司,以及使用这些手机的终端消费者。美国总统唐纳德特朗普以宣布对进口铝和钢铁加进口关税的方式,拉开贸易战争序幕。这一做法最终可能使得一些不当协议重新谈判。但这场贸易战所造成双边损害正重创了这家公司。对这家公司的制裁以一种“拒绝令”的形式呈现。作为全面贸易战的一部分,既没有法律意义,也没有经济利益。”
中兴通讯是全球第四大电信设备供应商,美国市场第四大智能手机厂商。据介绍,中兴目前拥有3万研发人员,根据世界知识产权组织(WIPO)发布的公开信息,2017年,中国提交的国际专利申请量位居全球第二。其中,中兴通讯以2965件PCT国际专利申请位居PCT国际专利申请第二,连续8年PCT专利申请量排名前三。中兴通讯在多个标准化组织发挥着重要作用,在5G无线、核心网、承载、终端等产品处于全球领先位置,公司各主要产品中大量使用自研专用芯片。
然而,对于整个通信系统而言,自研核心芯片还不够,其所需要的元器件成百上千,缺一不可,一套完整通信系统的行成需要产业链上下紧密合作,各施所长,这也将帮助各企业在整合全球资源中形成自己的核心技术和竞争力。
在本次禁令生效后,不只是中兴通讯以及以中兴通讯为首的中国企业受到影响,对于美国企业来说,其所受损失也不小。目前与包括高通、微软、英特尔、英伟达、IBM等在内,众多企业均与中兴通讯产生过合作。今年初,中兴宣布联手高通等合作开展基于5G 新空口规范的互操作性测试和空中下载技术外场试验。INTEL等美国企业也与中兴通讯在相关领域有合作。
外媒Tea party nation指出,(限制令)这一行为是BIS的过度反应,是对与中国日益扩大的贸易战的激烈反应,美国相当一部分公司在为中兴通讯提供零部件,因此,这一决定不仅会伤害美国公司还会波及美国消费者。
纽约时报认为,作为中国和美国两个巨大市场的主要供应商,高通这家总部位于圣地亚哥的芯片企业长期以来一直依靠中美之间的贸易关系盈利。然而不断升级的贸易之争不管最终会由哪个国家主导,现在已经威胁到高通的生意和经济增长。
在接受CNBC的采访时,谈及备受关注的中美贸易战,苹果CEO库克认为,“只有中国赢,美国才会赢,反之亦然,美国赢,中国才会赢。而且只有中美共赢,世界才会赢。”他表示,中美两国有着不可分割的亲密关系。
虽然看起来是美国以因利益受损,对中兴通讯提起制裁的方式展开贸易战,但外媒Tea party nation表示美国政府这一行动是在错误地利用权力来强加进口限制,这会损害美国经济。希望政府重新考虑这一行动,力求找到一个不会使中兴通讯成为美中之间激烈贸易战的永久性伤亡者的合适解决方案。
好文章,需要你的鼓励
当前企业面临引入AI的机遇与挑战。管理层需要了解机器学习算法基础,包括线性回归、神经网络等核心技术。专家建议从小规模试点开始,优先选择高影响用例,投资数据治理,提升员工技能。对于影子IT现象,应将其视为机会而非问题,建立治理流程将有效工具正式化。成功的AI采用需要明确目标、跨部门协作、变革管理和持续学习社区建设。
杜克大学研究团队开发了MOG-DFM技术,这是首个能够同时优化生物分子多种特性的AI系统。该方法成功解决了传统药物设计中"顾此失彼"的难题,能够设计出既安全又有效的治疗性分子。实验证明,MOG-DFM在肽类药物和DNA序列设计中都表现优异,有望显著加速药物发现进程并推动个性化医疗发展。
美国垃圾收集行业2024年创收690亿美元,近18万辆垃圾车每周运营六至七天,每日停靠超千次。设备故障成为行业最大隐性成本,每辆车年均故障费用超5000美元。AI技术通过实时监控传感器数据,能提前数周预测故障,优化零部件库存管理,减少重复维修。车队报告显示,预测性维护每辆车年节省高达2500美元,显著提升运营效率和服务可靠性。
印度理工学院团队开发REFINE-AF框架,让小型AI模型通过强化学习自动生成训练指令,无需大量人工标注。该方法在119项测试任务中,63-66%的表现超越传统方法,证明了小模型也能通过巧妙设计获得优异效果,为降低AI训练成本提供了新思路。