ZD至顶网CIO与应用频道 03月25日 北京消息:在电子商务之后电子发票是一个被提及很多年但却没有得到普遍应用的存在。2015年国家税务总局制定了《“互联网+税务”行动计划》,希望通过推动电子发票在电子商务及相关领域的应用,探索推进发票无纸化试点,降低发票使用和管理成本,逐步实现纸质发票到电子发票的变革。
电子发票对于企业有很大的影响作用,尤其在企业效率提升、绿色环保、成本节约、抢黄征管四方面。2015年11月国家税务总局发布的84号文显示,2016年1月1日起可以使用增值税电子发票系统开具增值税电子普通发票,并允许自行打印增值税电子普通发票的版式文件作为报销凭证。
用友在三年前就在关注和研究电子发票技术以及参与国家相关标准的至顶。近日,用友推出电子发票服务平台。用友网络高级副总裁郑雨林表示,“互联网+电子发票”不仅突破了传统纸质发票的局限性,还将有助于推行电子交易、会计核算及税收征管等互联网化。
用友网络高级副总裁郑雨林
“相比较传统纸质发票,电子发票利用CA等数字认证技术记录的方式记录双方交易信息,具有不可篡改、成本低廉、易交互、易存储等多方面的优势。”用友网络助理总裁、电子发票与会计档案事业部总经理宋艳果表示,“不仅如此,电子发票的实施,还有助于税务工作的流程简化、绿色环保、节约成本和强化征管。”
用友网络助理总裁、电子发票与会计档案事业部总经理宋艳果
基于众多ERP产品用户的业务需求,用友建立了以大数据云服务为特征的技术平台,与阿里、百望股份、腾讯等多家第三方交易平台对接,并实现开票、流转、收票、报销、入账、归档的无缝衔接,通过移动应用简化原本繁琐的发票处理和报销流程,为财务工作者、企业管理者及员工带来无比便捷的舒适体验。
电子发票对于企业来说,只是实现财务、税务互联网化的重要一环,电子发票的物尽其用还需要与更多的电商平台对接,并与企业内部已有的管理系统相融合,形成一个完整的闭环。
为此,用友电子发票服务平台不仅已经对接了阿里电商平台及腾讯企业号,未来将接入更多电商、自建平台及第三方服务平台。支持企业从多种平台上取得电子发票,通过报销和采购模块进入到企业内部入账。对于使用用友产品的大量客户,用友电子发票服务平台可提供系统无缝对接,实现了企业商业数据以电子发票为媒介,通过销售、采购、报销、入账等企业经营流程,在企业与企业间的自由流转;针对非用友产品用户,该平台提供了标准API接口,通过接口为企业提供电子发票服务。
用友电子发票服务平台可以为企业带来四大价值:一、实现企业上下游数据互连互通,减少数据孤岛,提高运营效率,实现精细管理;二、缩短企业回款周期,减少资金占用,加速经济微循环;三、帮助企业归集和管理多平台、多来源的电子发票,杜绝原来纸质发票带来的假票、丢失、污损等方面的风险,降低发票管理的成本;四、整合金融、营销等各方面服务资源,打造企业服务生态圈。
在推动企业业务创新方面,用友电子发票服务平台可帮助企业进行流程再造、数据金融服务、筹划及管控。流程的再造包括企业收支、进销、往来、报销、税务申报等;而通过发掘电子发票大数据优势,则可以为企业提供贷前评估、贷后监控、应付贷等创新金融服务,帮助企业实现对行业风险的预测及管控,优化企业成本结构及税收筹划。
在安全上电子发票要做到四点,第一、真实有效尤其是CA认证上;第二、数据加密;第三、数据不丢失;第四、开票效率。
徐矿集团下属的江苏科恩电子商务公司是一家专注于能源行业大宗商品电商交易的服务提供商。在徐矿集团深入推进企业互联网化的过程中,电子发票在江苏科恩电子商务公司率先实现,通过电子发票的应用,不仅降低了公司的成本,也进一步提高了财务工作效率。
参与电子发票的生态中的参与者非常多,用友希望和第三方平台进行信息等传递和集中,形成统一整体的解决方案达到生态圈的融合。未来纸质发票并不会消失会形成两种形态共存的状态,电子发票未来发展还需有很多路要走,用友希望联合一切力量,把用户放在中间将生态圈建立。
好文章,需要你的鼓励
Allen AI研究所联合多家顶尖机构推出SAGE智能视频分析系统,首次实现类人化的"任意时长推理"能力。该系统能根据问题复杂程度灵活调整分析策略,配备六种智能工具进行协同分析,在处理10分钟以上视频时准确率提升8.2%。研究团队创建了包含1744个真实娱乐视频问题的SAGE-Bench评估平台,并采用创新的AI生成训练数据方法,为视频AI技术的实际应用开辟了新路径。
联想推出新一代NVMe存储解决方案DE6600系列,包含全闪存DE6600F和混合存储DE6600H两款型号。该系列产品延迟低于100微秒,支持多种连接协议,2U机架可容纳24块NVMe驱动器。容量可从367TB扩展至1.798PiB全闪存或7.741PiB混合配置,适用于AI、高性能计算、实时分析等场景,并配备双活控制器和XClarity统一管理平台。
中科院团队首次系统评估了AI视觉模型在文本压缩环境下的理解能力,发现虽然AI能准确识别压缩图像中的文字,但在理解深层含义、建立关联推理方面表现不佳。研究通过VTCBench测试系统揭示了AI存在"位置偏差"等问题,为视觉文本压缩技术的改进指明方向。