至顶网CIO与应用频道 01月15日 人物访谈(文/王聪彬):1950年6月,广州市郊,从广东军区华南机械厂抽调的几十名工人在这里组建成立了广东军区后勤部军械修理所,这是猎豹汽车的第一次创业。
时至今日猎豹汽车已经经历了四次创业,现主要经营猎豹系列越野车、皮卡等汽车整车及相关零部件的研发、制造与销售。
在60多年的发展中,2012年是一个转折点,这一年重回整车业务的猎豹汽车为自己定了一个目标:2年打基础,3年见成效,5年大跨越再造百亿新猎豹。“2017年猎豹达成了百亿新猎豹的目标。”长丰集团有限责任公司党委书记、董事长,猎豹汽车股份有限公司总裁李建新鼓舞的说道,2017年总营收110亿,是2016年翻番的基础上又增长了40%。
长丰集团有限责任公司党委书记、董事长,猎豹汽车股份有限公司总裁李建新
在发展的新阶段,2016年既是“十三五”规划的开局之年,也是猎豹汽车对未来五年整体发展和战略进行全面布局的新起点。基于品牌复兴(Brand Revival)、体系再造(System Rebuilding)、研发提速(R&D Acceleration)三大层面的猎豹汽车提出“R50行动计划”。
“R50行动计划”提出到2020年实现年产销整车50万辆,其中新能源汽车10万辆,销售收入400亿元的五年计划,以此实现战略转型,开启品牌全面复兴。
同样是2016年,猎豹汽车开始践行为用户提供便捷的购车、用车和养车全方位服务,创造更多价值,打造OAO(OnlineandOffline)线上和线下并行模式运营的汽车+互联网生态平台——“智慧云”汽车互联网电商平台。
当然李建新也坦言OAO在当时走的并不顺利,而现在大数据的结合让我们有了新的模式,通过大数据战略实现未来个性化、网络化、服务化的商业模式创新。
大数据与汽车天生绝配
汽车行业是一个积极开放创新的行业,汽车在100多年来的发展已经越来也像一个高科技产品,云计算、大数据、互联网、人工智能等新技术已经将汽车行业重新定义。而且人口红利的渐退,也让汽车行业进入微增长时代。
雄关漫道真如铁而今迈步从头越。
猎豹汽车依旧有着变革的决心,用创新驱动市场,尤其是借助大数据实现猎豹汽车新一轮转型升级,实现“R50行动计划”。
联想集团很早就提出了从三个层面实现企业转型升级,第一、以数据整合+敏捷智能为核心的“数据智能”战略;第二、打造支撑企业“数据智能”战略的产品“联想工业互联网平台LeapAI”及面向数据智能服务的众多行业解决方案;第三、实施“数据智能”战略的方法论和最佳实施路径。
“汽车企业的数据化是一个全价值链的变革,包括了研发、生产制造、营销、售后服务等各个环节。”联想集团高级副总裁、联想创投集团总裁贺志强说道。
联想集团高级副总裁、联想创投集团总裁贺志强
联想集团副总裁、数据智能业务负责人田日辉表示,大数据正推动汽车行业从产品研发、供应链到整个销售用户经营体系的优化,现有产品形态的优化。同时未来汽车作为一个新生活模式核心,汽车智能化的过程以及更重应用都有着非常大的想象空间。
大数据对于汽车全价值链的提升是不言而喻的,猎豹汽车与联想集团签署大数据战略合作,提升猎豹汽车相应的情报能力、决策能力等综合竞争力,其中涵盖智能营销、智能BI、智能生产在内的大数据解决方案。
客户在哪儿我们就在哪儿
猎豹汽车大数据整体规划分为多个阶段实现,从销售业务拓展到生产、研发等业务。
猎豹汽车大数据规划一期将现有数据、车联网数据、客户数据全面梳理,建立用户画像、产品画像,通过用户体验的提升和精准营销来提升前端的效率。二期、三期将利用大数据提升供应链效率、生产线效率等。
其实汽车企业在近几年都纷纷开始了大数据的尝试,在应用的方向上也相对趋同,一个特色路径是每一个车企都在探索的方向。
按李建新的话说,以用户为中心,了解客户需要什么是最重要的。
猎豹汽车非常关注客户的变化,现在每卖出100辆车中67%的购买者是年轻人,满足这一客户群在节油、安全、操作性外,还有很多新型需求。
在营销第一需求之后,大数据还将在供应链,库存、客户服务等环节产生作用。猎豹汽车已经构建了ERP、DMS、HR、MES、QIS、SRM、CPC、T-BOX车联网等系统,大数据将在其中发挥更大的作用。
在生产系统中,每一辆车都有唯一的标签。当汽车达到焊装车间时,车辆的车型、颜色等信息全都被调取出来,每一个流程工艺的关键设备都可以读取系统中的数据进行编程调整。同时数据还将反映到MES(制造执行系统),以及仓库物流管理系统,最终根据汽车在产线的位置和对应序列发出指令,实现整个生产过程的自动装配。
“在车间看板上,可以实时显示作业计划,并对作业时间统计。”猎豹汽车股份有限公司董事、副总裁,猎豹汽车长沙公司总经理姚志辉说,现在物料装配时,物料BOM(物料清单)可以直接发到工位,免去了作业指导书,实现自动体检,提高效率。
在设备端,大数据还可以实现对设备的监测,通过PMC(生产及物料控制)将设备运行数据进行读取并进行统计分析和显示,监测设备运行是否异常,以及是否要维护保养。
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。