8月29日-30日,以“云数赋能 智慧未来”为主题的Inspur World 2018大会在成都召开。浪潮集团执行总裁王兴山在大会上作《浪潮云ERP 加速企业数字化转型》的演讲。王兴山表示,企业数字化转型势不可挡。数字化转型不仅仅是技术问题,还触及并改变企业的各个方面,应以ERP进化为支撑,联动“云”和“数”两大驱动力,构建“企业大脑”,推动企业管理变革与创新,最终成就智慧企业。
企业上云成为新趋势,云数进一步融合,企业数字化转型正在加速。工业互联网成为企业数字化转型的重要支撑“底座”,借助上云,可以实现与客户、供应商的广泛连接,将企业流程由内部延伸到整个产业链,加速数据端到端的衔接,业务端到端的协同,价值端到端的传递。当前,企业正沿着数字化、网络化、智能化的范式演进,走出一条从信息化企业到数字化企业,再到智慧型企业的数字化发展路径。但企业推进数字化转型的程度参差不齐,落后者、跟进者和领先者并存。对于不同的企业来说,关键环节提升、融合扩展、全面转型是不同阶段转型的重点。数字化转型应从重塑客户体验,运营数字化、智能化,颠覆式创新三个方向切入,战略上坚持客户立场,文化上注重数字化人才培养和敏捷组织建立,转型过程中运用工业互联网支撑平台,实现与用户、产品、设备、供应商、开发者的全连接。
上云是企业数字化转型的主要途径,双模IT、混合云成为大企业云建设的主流模式。如何运用新技术对企业的竞争力进行重塑,是每一家企业都在思考的问题。浪潮云ERP不断推动技术创新,全面推动云化、智能化和生态化发展,为企业的数字化转型提供了有力支撑。浪潮大型企业云服务平台GS Cloud作为全新一代计算架构的云平台,采用了微服务、DevOps、容器技术等为代表的云原生基础架构,以低代码+高控制力双引擎平台支撑企业应用开发与演进,为企业提供快速试错,技术赋能、持续创新等能力,满足大中型企业数字化转型需求。对大型企业而言,双模IT、混合云模式是主流,对于生产、制造等传统应用,是记录系统,采用私有云、稳速IT;差旅云、人力云等覆盖全员的创新应用,是轻应用,采用公有云、敏速IT,支撑企业不同方向或者不同要求的业务需求。此外,浪潮云ERP不断推进ERP智能化,推出企业智能机器人EAbot(易宝特),面向财务、人力和供应链等多领域,为企业提供多场景、全方位的智能服务。
发布平台生态新战略,共建云ERP数字生态。浪潮集团董事长兼CEO孙丕恕提出,浪潮从领先的云计算、大数据服务商,通过云、数赋能构建平台型生态企业,构建云中心、云服务、云ERP等六大生态平台,与伙伴共建数字生态,向“云+数”新型互联网企业转型。作为六大生态平台之一,浪潮发布云ERP生态战略,依托服务企业信息化30余年的实践经验,通过浪潮云ERP应用市场的聚合能力,GS Cloud和PS Cloud等平台的支撑能力,以及财务云、人力云等云产品技术能力,以开源模式聚合企业服务应用,带动伙伴发展,铸造中国企业服务全新生态。浪潮云ERP生态有三大核心价值:即共创·共享·共赢的生态体系;一站式企业级应用解决方案;开源、低代码的快速开发平台。目前,浪潮云ERP应用市场已经正式上线运营,作为集伙伴入驻、用户企业应用服务的入口,浪潮云ERP市场汇聚企业应用服务、大数据服务、云平台服务、行业云服务、云解决方案等8大类企业服务,为大中小微企业提供一站式云解决方案。未来两年,浪潮将发展1000家营销伙伴,聚集10000个开发者,开发20000个SaaS应用,为200万家企业提供云服务。
浪潮云ERP为60万余家企业提供数字化转型服务,积累了世界级的数字化转型案例库,帮助中国交建、中国中铁、中国铁塔、东阿阿胶、百果园、鲁花集团、呷哺呷哺、方太等众多企业实现转型升级。今后浪潮将继续以云数平台为技术基础,以工业互联网为支撑,共建云ERP数字生态;以业务创新为引领,加速数字化转型,赋能企业智慧未来。
好文章,需要你的鼓励
ETH Zürich等机构研究人员提出TrustVLM框架,解决视觉-语言模型预测可信度问题。该方法利用模型中存在的"模态差距",创新性地结合图像到文本和图像到图像的相似度,实现无需重新训练即可大幅提升误分类检测性能。在17个数据集的严格测试中,TrustVLM相比现有方法在关键指标上提升显著,同时改善了零样本分类准确率。此成果为AI系统在自动驾驶、医疗等安全关键领域的可靠部署提供了重要保障。
这项研究提出了个性化安全概念,解决大语言模型对不同用户采用统一安全标准的问题。研究团队创建了PENGUIN基准测试集评估模型在处理高风险场景时的个性化安全能力,并开发了RAISE框架高效获取关键用户信息。实验表明,提供用户背景可使安全分数提高43.2%,而RAISE框架通过平均仅2.7次交互即可提高安全分数31.6%。这一创新方法将AI安全从"一刀切"转向"个性定制",为高风险领域的AI应用提供了新思路。
明尼苏达大学研究团队提出了一种创新方法,通过回合级信誉分配显著提升大语言模型(LLM)智能体的多回合推理能力。传统方法只对整个过程进行评价,而他们的MT-GRPO算法能够精确评估每个决策步骤的价值,就像为每一步提供具体反馈。在维基百科搜索工具使用场景中,该方法实现了100%的工具执行成功率和50%的答案精确匹配率,远超传统方法。这一突破不仅提高了AI在多步骤任务中的表现,也为开发更复杂的AI系统提供了重要思路。
这篇研究介绍了PISCES——一种能精确从大语言模型参数中移除特定概念知识的创新技术。与现有方法不同,PISCES通过解缠器模型识别概念相关特征,直接编辑模型参数,实现了更精准的知识移除。在Gemma和Llama模型上的测试表明,该方法不仅有效降低了目标概念的准确率(低至7.7%),还保持了模型在无关领域的高性能,并显著提高了对"重新学习"的抵抗力。这一突破为AI系统的安全部署和合规使用提供了新的可能性。