至顶网CIO与应用频道 07月06日 人物访谈(文/孙博):“以前我们是以发展制造业为主,将来要着重聚焦智能物流等领域。”
在前两天Infor召开的媒体沟通会上,Infor分享了针对零售、物流行业的布局和解决方案。Infor大中华区商业咨询总监鹿崇告诉记者,零售业是Infor重点聚焦的行业领域,此前在零售业研发方面Infor共投资25亿美元,全球拥有1700多家零售业客户,实现了金融、绩效管理、人力资本管理、资产管理、客户体验、产品生命周期、供应链和策划的全面融合。
另外,以云为基础,实现了网络和机器学习,最终Infor形成了包括线上和线下单一的销售平台。据了解,Infor已经为世界200个国家和地区客户提供服务,帮助医疗、制造、时尚、酒店、零售等行业提升关键流程的自动化水平。
新零售面临新挑战
经济全球化时代,加上无处不在的互联网,在颠覆了人类几乎任何一种生活方式的同时,也给企业带来了一定的挑战。无论哪个行业,“数字化转型”成了无论如何都不能绕开的必由之路,企业需要通过线上+线下这样一个全新的业务模式,寻求最快的变革,满足用户不断变化的个性化需求。
谈到国内零售业的行业趋势,鹿崇在采访中提到了两点——集中化和多样化,消费者愈发倾向于网上购物,同时购买的物品也更加个性和分散化。因此,将线上、线下以及智能物流三个环节打通,在鹿崇看来,这是国内零售行业所面临的最重要的变革。“类似的,马云在去年也提到了“新零售”的概念——即“在一条价值链上对线上、线下、物流以及数据进行整合”。
目前国内零售行业的转型也才起步没多久,存在着或多或少的问题,在鹿崇的眼里,他看到了三个国内零售企业主要面临的问题。
第一个从需求预测角度来看,在类似“双十一”、“618”这样的大促日子来临的时候,无论从供应链,还是库存等多方面都应该提前做好预测准备。第二个运营的角度,当订单量突增的时候,如何实现最快的发货速度,这就是需要建立企业的智能仓储和智能运输。最后一个即决策和分析,根据此前的消费习惯,为用户提供一些购买建议。
打造以网络驱动的供应链
因此,在互联网时代,建立一个需求匹配的供应链和配送网络至关重要。Infor的愿景是打造以网络驱动的供应链,无处不在的用户体验,让Infor的解决方案适用于所有设备。
基于Infor Xi的技术平台,Infor帮助企业原有仓储、物流、财务系统以及多个不同供应商系统与Infor系统打通,实现业务一体化以及数据的集成。
举例来说,企业在生产等环节中拥有多个合作伙伴,他们分散在世界各地。通过Infor提供的供应链平台,实现每一个环节的可视化,实时了解不同合作伙伴、产品的具体情况。而对于那些规模不大,没有足够资金购买Infor服务的供应商,也可以连接到当前企业的网络中,拥有相同的供应链管理能力。
“我们的解决方案已经从以一个企业为中心的网络思维,转向了多企业的网络思维。所以我们往往会选择那些网络能力比较强的合作伙伴。”Infor亚太及日本地区解决方案咨询总监Cas Brentjens解释说,全球的供应链管理相对比较复杂,Infor希望赋予企业包括信息、地理、财务等在内的端对端供应链同步的编排,以及网络分析、供应链和财务的可视化的能力。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。