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
随着员工自发使用生成式AI工具,CIO面临影子AI的挑战。报告显示43%的员工在个人设备上使用AI应用处理工作,25%在工作中使用未经批准的AI工具。专家建议通过六项策略管理影子AI:建立明确规则框架、持续监控和清单跟踪、加强数据保护和访问控制、明确风险承受度、营造透明信任文化、实施持续的角色化AI培训。目标是支持负责任的创新而非完全禁止。
NVIDIA研究团队开发的OmniVinci是一个突破性的多模态AI模型,能够同时理解视觉、听觉和文本信息。该模型仅使用0.2万亿训练样本就超越了使用1.2万亿样本的现有模型,在多模态理解测试中领先19.05分。OmniVinci采用三项核心技术实现感官信息协同,并在机器人导航、医疗诊断、体育分析等多个实际应用场景中展现出专业级能力,代表着AI向真正智能化发展的重要进步。
英国正式推出DaRe2THINK数字平台,旨在简化NHS全科医生参与临床试验的流程。该平台由伯明翰大学和MHRA临床实践研究数据链开发,能够安全传输GP诊所与NHS试验研究人员之间的健康数据,减少医生的管理负担。平台利用NHS现有健康信息,安全筛查来自450多家诊所的1300万患者记录,并使用移动消息系统保持试验对象参与度,为传统上无法参与的人群开辟了研究机会。
Salesforce研究团队发布BLIP3o-NEXT,这是一个创新的图像生成模型,采用自回归+扩散的双重架构设计。该模型首次成功将强化学习应用于图像生成,在多物体组合和文字渲染方面表现优异。尽管只有30亿参数,但在GenEval测试中获得0.91高分,超越多个大型竞争对手。研究团队承诺完全开源所有技术细节。