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
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。