至顶网CIO与应用频道 10月25日 北京消息(文/王聪彬):成长型制造企业正在面临人工成本越来越高、经营效率越来越快、商业创新要求越来越急、精细管理越来越深、绩效考核越来越规范、组织变化越来越快、财税新政越来越严、个性化要求越来越多的挑战。
所以成长型企业需要不断的进行产业结构调整和优化,同时进行数字化升级改造以突破发展瓶颈。针对数字化,企业最重要的是选择一套合适的管理平台,用友U8+定位单一组织企业,所以中国绝大多数制造企业都是U8+的目标客户群,最近U8+V15.0版本的发布,更加从实际需求出发,帮助成长型企业实现自动化、数字化、智能化的跃进。
成长型企业数字化三步走
制造业数字化转型现在可以说迫在眉睫,但实现数字化的过程需要大量的投入,这对于成长型企业是一个不小的挑战,所以数字化转型升级需要分步骤进行。
成长型企业数字化建设发展过程中往往会经历规范管理阶段、精细管理阶段、智慧管理阶段三个阶段。用友网络高级副总裁、中端与伙伴业务事业群总裁徐洋表示,不同阶段的管理重点不同,在规范阶段主要是追求内部管理的标准化、规范化和流程化,在企业完成内部规范管理之后,企业会发展到精细管理阶段将信息化手段应用到业务细节中,在之后企业往往会发展到智慧阶段,企业运用互联网技术及云平台及大量的智能技术将管理延展到产业链上、下游,保障企业竞争的优势地位。
用友网络高级副总裁、中端与伙伴业务事业群总裁徐洋
“把质量做好和把管理抠细是现阶段成长型制造业的主要需求,传统ERP已经不能满足。数字化需要将设计、生产、供应链等一体化协同起来。”徐洋谈道。
U8+V15.0作为企业数字化升级平台,在平台升级,管理升级,业务升级及生态升级四个方面进行改进提升,实现企业数字化升级持续发展。
U8+的主要客户覆盖了电子、五金、汽配、医疗器械、化工等行业,以制造大省江苏为例,U8+已经覆盖了3万多家制造企业,而且还在以每年800家的速度增长。用友网络助理总裁、苏皖区总经理齐晋表示,财税调整对于成长型企业带来了一定的影响,不仅在资金链层面在技术改造层面也提出较高的要求,所以今年前三季度U8+用户增长超过了20%。
与伙伴一同构建数字化生态圈
U8+的客户全部都是通过合作伙伴来进行营销、开发和服务。徐洋指出,现在更多要以生态的模式去服务企业,特别是成长型企业。
为了把企业服务生态做大,进一步服务企业数字化转型。在2018年初用友就发布了“鲲鹏计划”,覆盖用友全生态伙伴类型,除了之前的第三方产品伙伴,还包括开发伙伴、行业伙伴、方案集成、服务集成等伙伴。
所以此次用友U8+V15.0同时还与生态伙伴新产品联合发布,尤其在产品融合上用友和合作伙伴做了大量的工作,将用友的研发体系、质量保证体系等也加入到合作伙伴的产品中。“这对于合作伙伴也是一次考验,需要将产品体系重新梳理。”徐洋指出,我们的合作不仅仅在软件的接口上,包括在开发和销售上,这样才能保证产品的稳定性、可靠性、可扩展性。
而且数字化转型对于合作伙伴的技术能力、服务能力也提出了更高要求。用友在每个地区都会精选出一些主要的合作伙伴,对其进行培训和技术支持来推出产品和解决方案,形成以点带面的辐射效应。
此次U8+V15.0支持用户注册应用,企业可以将U8+的部分功能部署在云端,并与本地数据进行打通,例如U订货、友空间,当然U8+也可以全部部署在云上。这也是成长型企业上云的趋势,用友U8+将成为成长型企业数字化升级的助推器。
好文章,需要你的鼓励
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。