3月25日,“中国企业互联网+行动大会”武汉站召开。其中“iUAP企业互联网新平台”主题论坛,以当下企业较为关注的数据管理、大数据挖掘与分析、移动化等话题为重点,从不同的技术挑战点,以及不同的企业应用案例角度进行解析分享,受到众多企业关注。
活动现场
iUAP企业互联网新平台 连接一切
在共享经济时代,企业的思维纷纷转向“互联网+”,他们所希望的产品应该是个性化的、可定制化的、可批量化的;流程和业务安排是智能化的;企业信息是共享化的,与外部是互联互通的。
现实状况是,很多企业没有形成统一的数据标准,没有精准的数据应用,无法全面挖掘企业内外部数据价值;不知如何快速构建互联网应用,并整合外部资源;系统繁多,原有的老系统无法与互联网新系统相融合……
用友网络企业互联网平台事业部副总经理刘然
“我们在总结了大部分企业互联网的应用实践后发现,企业需要的是数据驱动的、用户至上的、开放互联的、随需应变的、自主可控的平台产品。”用友网络企业互联网平台事业部副总经理刘然分享了iUAP所看到的企业在“互联网+”下的IT需求现状。
用友iUAP平台可以同时满足企业传统业务与企业互联网业务需求,包含互联网与云服务、移动与统一通信、企业大数据平台、开发与集成四大领域产品及服务。可帮助企业方便地实现内外部的数据整合、O2O互联,基于互联网构建出产业生态圈, 再以生态圈方式实现商业模式和管理创新。
刘然介绍,iUAP平台为企业向互联网转型所提供的整体解决方案,可以实现企业连接一切的愿望,如:企业内互联、B2B企业互联、产业链互联、社会化互联等。目前在iUAP平台之上已拥有30000多开发者、12000多家大型企业客户。
应用实践分享——电商企业大数据分析
企业以数据为中心驱动管理与信息化建设,数据可以通过再利用创造更多价值。
某电商企业通过用友的大数据解决方案建立应用日报,反应线上电商网站每天的运行情况,底层支撑为UDH大数据平台,可以存储海量,并对数据进行实时计算和分析。
用友网络企业互联网平台事业部高级咨询顾问邵贤波
用友网络企业互联网平台事业部高级咨询顾问邵贤波介绍,iUAP为该企业提供的方案由三部分组成,底层为用友AE-DI进行数据整合。中层为用友AE-BLU数据仓库进行数据处理;上层为用友BQ进行数据分析和展示。主要解决了以下问题:
一、对用户访问数据进行实时的数据分析,为业务部门提供真正有价值的数据展现,支撑爆品、团购、秒杀等快速变换的业务形式。
二、海量的统一数据存储平台,快速提供多种形式数据应用。
三、采用列式数据仓库存储海量数据,采用成熟的BI分析工具用友BQ进行报表分析。
四、对搜索引擎数据进行关键词组合,通过用友大数据平台反应顾客“大数据”信息,使企业可以更加准确的对用户行为进行分析、需求挖掘。
应用实践分享——医药集团主数据管理
通过主数据管理,可以保证主数据的完整性、一致性、时效性、共享性和准确性,从而实现业务协同交互、全局数据分析、数据标准化。用友网络企业互联网平台事业部华南区总监陈辉介绍,用友iUAP通过提供集成平台+主数据管理的方式,为企业提供全层次的集成产品。
用友网络企业互联网平台事业部华南区总监陈辉
某医药集团,由于各个组织的业务信息化系统大量独立建设,数据利用停留在各个组织内部,各组织的数据标准不统一,业务数据也不一致,导致数据难于交换,业务难于协同、对数据的分析利用只能停留在各个组织内部。
iUAP 通过建模、建立、管理、共享四个过程,实现了该公司对主数据的统一规划、统一编码和统一管理。通过主数据管理平台固化主数据管理流程和管理规范,提高数据准确性;iUAP里内置了典型主数据模板集以及公共数据,可方便积累数据资产,为商业分析提供数据标准化支撑。
应用实践分享——铁通移动应用开发与管理
企业在移动化过程中遇到一些问题,如:移动战略规划层面、APP端开发层面、服务器端集成层面、移动管理与移动安全等方面的挑战。
面对这些问题,可能你会问,那什么技术开发移动应用最好呢?用友网络企业互联网平台事业部高级咨询顾问刘岩认为,技术无优劣,合适的就是最好的。用友iUAP Mobile移动平台采用交叉编译方式,可支持原生、混合、WEB三种技术方式,可自由匹配业务场景,打造不同厚度的Native壳, 让用户去选择合适的技术。
用友网络企业互联网平台事业部高级咨询顾问刘岩
比如,铁通在开发外勤助手APP这个项目时,十分纠结平台的选择。最后选择了支持企业级移动化比较好的iUAP Mobile,保持了原生的性能和体验,而且可以与原有的业务数据很好的融合。
铁通外勤助手APP实现了灵活的硬件设备访问:可通过GPS定位用户的当前位置;通过手机NFC功能扫描用户的身份证信息;通过第三方支付平台实现在线支付。这整个项目仅用了2名开发人员、1个月时间,既弥补了铁通的技术和人员缺陷,也让铁通更简单、快速的拥有移动化的能力。
好文章,需要你的鼓励
本文探讨了一种防范通用人工智能(AGI)和人工超级智能(ASI)存在性风险的方法:将它们置于计算机仿真世界中进行测试。虽然这种方法看似合理,但存在诸多挑战。AGI可能会隐藏恶意行为,或因被欺骗而转向恶意。此外,仿真环境可能无法完全模拟真实世界,导致测试结果不准确。构建高质量仿真系统的成本和技术难度也不容忽视。文章认为,仿真测试虽有价值,但并非万能解决方案。
这项研究关注语音中的句子强调(即说话时对特定词的重音),它能传达说话者的潜在意图。耶路撒冷希伯来大学的研究团队发现,尽管现代语音语言模型进步显著,它们在理解句子强调方面表现不佳。团队创建了StressTest基准测试和Stress-17k合成数据集,并开发了StresSLM模型,使强调理解能力大幅提升。研究表明,通过特定训练策略,可以让AI不仅理解"说了什么",还能理解"怎么说的",从而捕捉人类交流中的微妙含义。
尽管AI在围棋等复杂游戏中表现出色,但在简单的井字棋游戏中却屡屡失败。研究显示,AI代理在模拟商业环境中的表现同样令人失望,经常出现幻觉、欺骗和任务未完成等问题。游戏测试为评估AI能力提供了直观方式,帮助普通用户理解AI的真实水平。面对当前AI行业的过度宣传,通过游戏化测试揭示AI的实际局限性,对于防范AI泡沫具有重要意义。
ViStoryBench是一个全面的故事可视化评估基准,由StepFun团队打造,用于测试AI将文字故事转化为连贯图像序列的能力。它包含80个多样化故事和344个角色参考,评估包括角色一致性、提示遵循度等多个维度。研究测试了20多种方法,发现UNO在开源方法中表现最佳,而商业软件如豆包和GPT-4o在提示一致性方面表现突出。该基准为故事可视化研究提供了统一标准,推动这一领域的创新发展。