“互联网的平台性应用颠覆了传统的商业和金融业的发展战略和经营策略,而互联网融入制造业后,使其资源性特性得以充分的展现。”在杨善林院士看来,互联网同“机器”和“电力”类似,是一类对经济社会发展具有重大影响的战略性人造资源。
“互联网”与“大数据”其实是一个关键“零部件”
上世纪九十年代初,网络对于绝大多数国人来说,还是个新鲜词。
早在1992年,中国石油化工集团安庆分公司广发英雄帖,想把网络技术引入企业管理。当时的杨善林教授骑着自行车,在校园里四处张贴招募人才,终于张罗起一支“摸着石头过河”的科研队伍。
在合肥工业大学,杨善林有着“拼命三郎”的称呼,他带领团队日夜拼搏,开启了我国信息管理与信息系统理论研究与系统开发工作。经过三年研发调试,国内首个企业管理局域网在杨善林团队手中建成。随后趁热打铁,杨善林继续带领着团队又建成了安徽省立医院、奇瑞汽车股份有限公司等大型单位的管理网络,大大降低了管理、生产、运营的成本。
马鞍山钢铁公司是国内主要铸造性企业,但生产过程中铸造废品率、耗能成本居高不下。 杨善林领课题组反复攻关,成功研制了 “铸铁材质参数液态快速检测与质量控制”核心技术,检测速度提高了200多倍,使我国成为第三个可以生产此类检测控制系统的国家。
是年,该项技术荣获国家科学技术进步奖二等奖。
大数据是一类重要的制造资源
杨善林团队将复杂产品开发工程管理理论与方法,应用到轿车整车开发工程管理中,形成了具有自主知识产权轿车的整车开发流程控制与管理技术。
在奇瑞公司的东方之子、瑞虎等系列车型的整车开发中,该成果使整车开发周期缩短了3—6个月,降低开发成本10%—15%,同时提高了产品开发质量,降低了产品开发过程风险,大幅提升了民族汽车企业的核心竞争力。2008年,这一成果凭借技术与管理的重要创新摘得国家科技进步二等奖。
传统汽车工业看来,智能互联与汽车生产似乎是两个没有交集的领域。2013年,杨善林院士提出与奇瑞汽车共同开展“智能互联环境下汽车产品设计方法与应用”项目研究时,汽车企业技术人员颇感不解。
短短三年后,智能网联技术已经广泛应用在奇瑞汽车整车生产和售后服务全过程。团队利用自行开发的大数据技术,通过分析庞大的车身数据、业务数据和外部数据,形成了数据驱动的汽车产品开发决策技术和支持系统,在奇瑞多款新型车型的开发工程管理中发挥出强大的作用。
管理理论应该像一部好文学作品
“能够用自己的科研成果为子弟兵生命安全保驾护航,为我国国防现代化建设添砖加瓦,是我们最大的骄傲。”我国首艘国产航母下水,杨善林领导的“复杂产品开发工程与系统技术”创新团队倍感骄傲。由他们主持研发的智能微创诊疗装备系统在装配该舰后,随舰官兵长时间远洋环境下,再不会因为卡了鱼刺、急性阑尾炎发作就需要转运陆地医院,在发生危重病患时也不会耽误宝贵的治疗时间。
目前,这套装备系统已经搭载“辽宁号”航空母舰、微山湖号综合补给舰等多艘我国海军大型舰艇,即将搭载运20改装的大型医疗运输机上,从而实现了大型移动医院的战略投送。
“卫星发射升空后,改变轨道的成本非常高昂,而我国在太空中在轨运行的人造卫星数量有限,如何统筹规划才能发挥最高的效率?”为解决这一难题,杨善林领导他的团队,在空天系统管理方向展开了深入研究与攻关。通过对空天资源的组织、管理和统筹调度,为各类用户提供实时、可靠、按需的空天信息服务,打造出面向军民领域的智能应用平台。
近年来,团队在成像卫星星地一体化任务管控、无人机编队管理与智能决策、空天地协同任务规划与资源调度等方面取得了重要的理论与方法突破,获授权发明专利20余项,与中国航空工业集团公司、中国电子科技集团公司所属研究所开展协同攻关,为多个军民应用提供技术支撑。
将国家重大需求凝练科研方向,杨善林院士一直将管理科学比作文学艺术,“一部好文艺作品一定是源自生活、高于生活,具有重要科学价值的管理理论应该是源自实践、高于实践。”
好文章,需要你的鼓励
在2025年KubeCon/CloudNativeCon北美大会上,云原生开发社区正努力超越AI炒作,理性应对人工智能带来的风险与机遇。随着开发者和运营人员广泛使用AI工具构建AI驱动的应用功能,平台工程迎来复兴。CNCF推出Kubernetes AI认证合规程序,为AI工作负载在Kubernetes上的部署设定开放标准。会议展示了网络基础设施层优化、AI辅助开发安全性提升以及AI SRE改善可观测性工作流等创新成果。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
DeepL作为欧洲AI领域的代表企业,正将业务拓展至翻译之外,推出面向企业的AI代理DeepL Agent。CEO库蒂洛夫斯基认为,虽然在日常翻译场景面临更多竞争,但在关键业务级别的企业翻译需求中,DeepL凭借高精度、质量控制和合规性仍具优势。他对欧盟AI法案表示担忧,认为过度监管可能阻碍创新,使欧洲在全球AI竞争中落后。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。