该计划中包括打造绿色供应链、制定绿色采购标准、建设零碳工厂、提高智能新能源及节能汽车占比、提供回收方案、投资清洁技术等措施。 “融合 ESG 发展增强企业韧性和价值创造”
2024年7月11日. 数字孪生技术可以建立一个中枢神经系统，并将产业集群中的企业连接起来。. 到2030年末，在能源需求侧采取有效行动预计每年将能为我们节省高达2万亿美元。. 数字孪生等创新技术将为工业领域实现这一机遇发挥关键作用。. 我们预计产业 ...
受访者普遍表示，人工智能对用例产生了中到高等影响，包括采用可再生能源、产品和服务的可持续设计、通过改进能源监控和管理来降低成本以及降低碳足迹。
新科技时代的挑战. 什么样公司规模能被称为“中小型企业”（SMEs）？. 不同国家和地区的标准略有不同。. 按照经济合作与发展组织的定义，通常中小型企业指的是“员工人数不超过250名的非附属独立公司”，其中小型企业员工人数不超过50人，微型企业不超过 ...
受到相关各方认可的是，安全中心围绕网络韧性开展了许多开创性工作，为相关国家法规的制定作出了积极贡献。. 目前，网络安全中心已将前沿思维和有效的网络韧性实践纳入各行各业。. 例如，网络安全中心推出“电力行业网络韧性系统”行动倡议，汇集全球 ...
世界经济论坛的“制造业数据卓越框架”为该行业开发分析新能力和新型伙伴关系提供了指南，为制造商提供了获取数据更大价值的参照手册。 制造业正面临一场数据驱动的革命。 各公司正通过超连通的价值网络进行合作，用数据和分析应用来推动生产力，提供新的客户体验，并改善公司的社会和环境影响。 这种技术进步是在一个充满不确定性的时期出现的。 气候变化、供应链中断和冲突困扰着全球系统，但数据的创新使用实际上可以成为稳定全球制造业的力量。 数据、分析和制造. 为了实现超连通价值网络的愿景，制造商必须采用大量的数据和分析应用，如预测性维护、先进的机器人技术和供应网络的跟踪和追踪等。 基础数据资产则是这些应用的命脉。 其中，数据的作用如下： 通过对报告和控制台的人工分析，从数据中识别模式，提供可操作的见解；
获得熟练工人是区分成功与失败企业的关键因素。. 欧盟委员会相信，在2020年以前， 欧洲的信息通信技术领域将会出现75.6万个岗位空缺，在数据驱动越发重要的未来，是否能获取熟练工人的区别将会越发显著。. 各个产业的技术鸿沟在 第四次工业革命 中将 ...
KOIS专注于三个领域：健康、教育与就业，以及环境。. 通过创新金融项目与投资，他们救助了3600多万名患者，帮助了27000多名求职者，并建造了2500多个可持续的住宅单元。. Denim Expert：Denim Expert是孟加拉国一家专营牛仔布的制造厂，积极致力于提高孟加拉国服装 ...
科技公司报告称，为支持人工智能运行，数据中心的碳排放量因此增加。. 但人工智能工具也有助于促进能源转型。. 世界经济论坛的 人工智能治理联盟 等多边利益相关方平台，对于助力平衡人工智能的资源使用和正面效益至关重要。. 人工智能会消耗多少能源 ...
1) 区块链. 总有人对区块链持怀疑态度，有许多人认为该技术已经展示出缺陷，并且可能存在内生性问题。 有些怀疑是有道理的，但放弃区块链还为时尚早。 区块链背后的想法是，完成交易所需的所有信息都存储在透明的共享数据库中，以防止其被删除，干涉或修改。 每个过程，任务和付款都有数字记录。 在任何阶段所需的任何活动的授权，都将被识别、确认、存储并与链上各方共享。 在这项技术的不断试验中，托运人、货运代理、承运人、港口、保险公司、银行、律师和其他人员正在共享各自运输交易中的重要信息和数据。 今天缺少的是供应链中的所有相关方（包括监管机构）就一套共同的行业标准达成共识，这些标准将规范区块链的使用。 如果无法在标准化方面达成共识，区块链技术几乎无法为我们提供任何帮助。
利用最新的太阳能、电池、轻质复合材料和航电技术， 高空平台通信系统 （HAPS）系统有望 提升通信和观测能力。. HAPS系统通常以气球、飞艇或固定翼飞机的形式在距地面约20km的高度飞行，其连通性、覆盖范围和性能超越地面塔和卫星，在全球偏远地区尤其 ...
2022年12月2日，瑞士，日内瓦 —— 中小企业和中型企业是全球经济的基础， 创造了全球近 70% 的就业机会和生产总值。. 但是， 世界经济论坛和新加坡国立大学商学院联合开展的研究显示， 面对可能出现的全球经济衰退，67% 的中小企业高管认为生存和发展是 ...
对于企业领导者来说，通过“人力数据”（people data）来培养一种强调信任、透明度和生产力的文化将更为有效；. 人力数据系统将不同来源的人力资源数据汇聚在一起，能够帮助员工了解为取得工作成果需要做到什么，以及如何为公司更大的目标做出贡献。. Ian ...
世界经济论坛与联合国电子垃圾联盟近日联合发布的《电子产品的新循环愿景》报告得出了以上结论。. 电子垃圾目前年产量近5000万吨，其重量超过迄今为止制造的所有商用客机。. 其价值也是世界上所有银矿总产量的三倍。. 为了保护环境，保护人类 ...
当前网络攻击正在增加，通常表现在数字供应链的供应链上。. 各组织必须彻底改革其风险评估程序，并扩大其网络安全策略的范围。. 在过去的一年中，我们看到了新冠病毒影响所带来的重大地缘政治变化，迫使组织强化其韧性。. 人们也已经意识到 ...
建议中提及许多解决方案，如建立符合标准且易于应用的数据保护体系，让私人通知以新形式呈现，建立用户投诉机制，启动问责计划等。 如能建立专门机构协调这些举措，或会收到最如人意的效果。
随着生成式AI的崛起，现在有许多人真正面临被取代的风险。据麦肯锡公司分析，全球多达4亿个岗位可能消失。不同职业面临着不同程度的威胁。Multiverse公司和大数据研究机构Burning Glass Institute的研究显示，高流动、低收入的职业更易受到自动化的影响。
调查显示，有59%的受访者手上同时有2到5个项目，11%的人有6到10个项目，而竟有15%同时在10个以上的项目中工作。 公司表面上会说，将员工分配到多个项目中是为了提高生产力，但这其实只是在为企业节省时间、金钱和资源而已。 其实，这种工作方式不仅对员工以及相关项目有不良影响，也不一定对公司有利。 新冠肺炎疫情以来，过量的工作要求、职业压力和工作满意度一直是人们讨论的热点（你应该听说过“ 静默 式 辞职 ”的现象，即员工只想单纯留任，拿一份 工资，所以只达到最低限度的工作要求），多项目工作更是一个值得思考的重要问题。 五个 项目刚刚好. 经过几年来对一家大型跨国公司数百名员工的观察，我们发现，同时处理五项目以上，会让员工更难按时推进工作。 但是，少于五个项目则无法充分利用员工的所有生产力。
“机器学习”是如今人工智能领域当中领先的细分领域。 在这一技术中，机器无需人类下达完全精确的程序指令，即可自主学习。 以机器学习为基础的方法，在效果上优于所有不以机器学习为基础的研究方法，因此这一领域基本上主导了21世纪的人工智能研究。 然而，传统的机器学习策略高度依赖“特征提取”模式。 人类开发者必须先指定好解决某个问题要依赖哪些关键特征，机器才能学习运作。 举例来说，如果使用传统的机器学习策略进行人脸识别，机器学的不是每张人脸照片的具体像素点分布，而是要首先辨别出一些特定的面部特征，比方说瞳孔间距、面部分布、褶皱、颜色等等。 但提前指定好特征，会让更多的原始数据无法参与学习；而如果特征选择不当，学习效果就将大打折扣。 这就是传统机器学习的一大主要缺陷。 深度学习.
创业者如何将他们的想法转化为成功的创业公司？. 我们采访了世界经济论坛技术先锋社区的14位企业家。. 得到的经验包括：试验你的假想，对新机会持开放态度，以及永不停止学习。. 创业公司在全球经济中发挥着越来越重要的作用，它们能将一些创新的想法 ...