阐述致力于持续开展可持续运营并创造长期价值的举措
中国上海,2022年11月2日 – VIAVI Solutions(VIAVI)(纳斯达克股票代码:VIAV)近日发布2022年环境、社会和治理(ESG)报告,内容涵盖公司2022财年的全球运营。公司于2020年发布了首份可持续发展报告,并于2021年发布了第二份报告。此次发布的2022年ESG报告阐述了VIAVI持续致力于将可持续发展融入自身战略和运营的方式。2022年ESG报告包含公司首次ESG优先事项评估的结果,该评估通过确定对公司业务战略、成功和创造长期价值的能力最具影响的环境、社会和治理议题,指导VIAVI的整体ESG战略。2022年ESG报告还包括公司根据与气候相关财务信息披露工作组(TCFD)的建议进行的披露,以及有关二氧化碳排放、能源消耗、人力资本管理及其他相关议题的额外数据。
环境
VIAVI提倡环境友好型实践,并致力于以可持续的方式开展业务。
社会
VIAVI的企业文化是全球3600名员工共同构建的,他们充分体现了多元化 —— 30多个国籍的员工在30个国家办公。VIAVI致力于促进并维持具有多元化和包容性的工作环境,并为所有人提供平等的机会。
治理
VIAVI通过落实商业实践、工具、培训和沟通,进一步致力于达到商业道德和公司治理的最高标准。
VIAVI总裁兼首席执行官Oleg Khaykin表示:“过去几年中,在疫情带来的不确定性中,VIAVI已经采取相应的措施,以进一步强化自身的ESG计划,包括通过实践行动来打造有助于员工取得成功的环境。”
VIAVI董事会主席Richard Belluzzo表示:“我们将持续专注于帮助客户取得成功,打造出一支更具包容性的员工队伍,并提升自身业务的可持续性。我们相信,坚定不移地注重自身ESG计划,将能够使我们加速实现这些承诺。”
关于报告
2022年ESG报告涵盖VIAVI 2022财年(2021年7月4日至2022年7月2日)的全球运营,且除非另有说明,还包括公司及其全资子公司的活动。在报告中,VIAVI将ESG定义为影响公司长期业绩的非财务因素的分类方式,以及将相关和优先ESG因素纳入自身业务,进而以可持续的方式开展运营并实现长期价值的战略。2022年,VIAVI进行了首次ESG优先事项评估,体现了自身在ESG方面的深入细致。ESG优先事项评估是指导整体ESG战略的治理措施,因该流程旨在确定对VIAVI的业务战略、成功和创造长期价值的能力最具影响的环境、社会和治理议题。VIAVI的目标是定期评估广泛的ESG议题,为自身战略提供信息参考,并计划在随后的迭代中扩展优先事项评估的范围以及内部和外部利益相关者的参与程度。
前瞻性声明
本新闻稿包含《1933年证券法》第27A条和《1934年证券交易法》第21E条所指的前瞻性陈述。这些陈述是基于管理层对未来事件或结果的当前意见、期望、信念、计划、目标、假设或预测,包括但不限于VIAVI与ESG相关的承诺、战略和计划;商业计划和战略;技术、产品和服务;增长机会;以及利益相关者参与方面的努力。这些前瞻性声明涉及风险和不确定性,可能导致实际结果、活动水平、业绩、成就和事件与这些前瞻性声明所陈述、预期或暗示的结果存在重大差异。有关VIAVI相关风险和不确定性的更多信息,请参考VIAVI向美国证券交易委员会提交文件中的“风险因素”部分,包括但不限于10-K表年度报告和10-Q表季度报告。本新闻稿中包含的前瞻性声明是在发布之日作出的,VIAVI不承担更新这些声明的义务。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。