2022年4月,上海疫情期间,飞凡汽车在云上完成了开发、测试、生产三套ERP环境的部署,开创了国内汽车主机厂率先将核心管理系统搬上云端的先河。
在整个项目推进中最大的难关就是“沟通”,飞凡汽车和SAP仅用三个月时间,依靠数字化远程协同平台一同进行了业务流程的设计,并远程实时落地。
飞凡汽车数字创新中心负责人胡俊和飞凡汽车数字产品总监李晓亮参与了整个实施过程,他们回忆道,当时我们每天早上7、8点就开始开讨论业务会,然后实施团队晚上8点就要开始部署,一直到凌晨,虽然是线上协同,我们还是保证了蓝图设计、交付、上线运营。
一方面是因为飞凡汽车的文化是求真求新,以及简单迅捷;一方面是飞凡汽车成立仅有不到2年,没有历史包袱。基于这些,飞凡汽车可以快速的在云上增强业务韧性,提供更加极致的用户体验,演绎“飞凡速度”。
第三代车企的使命
成立于2021年的飞凡汽车,是上汽集团旗下新能源汽车品牌。飞凡汽车也是上汽集团的第三代车企,第一代车企是合资企业,以上汽大众和上汽通用为代表;第二代车企是2006年上汽集团开始成立自主品牌公司,以上汽乘用车(荣威、名爵)和上汽大通为代表。
2018年开始汽车行业发生了两个比较大的变化,一个是增量市场过渡为存量市场,另一个是新能源汽车蓬勃发展,为了更好的应对这些变化,上汽集团也在内部开始孵化新能源车企“飞凡汽车“。
第三代车企不同于第一代和第二代全价值链大型整车企业,飞凡汽车是通过整合上汽集团的规模效益、制造效益、基地效益而成,将用户驱动、数字驱动、极智驱动作为长期投资和重点发展方向。
“飞凡汽车的愿景是成为用户导向数据驱动型汽车科技企业。”胡俊说,现在汽车行业的主机厂都是从传统整车产品制造商向整车及服务综合服务提供商转型,所以飞凡汽车最终也希望实现围绕汽车用户的全生命周期开展服务,通过连接“人”“汽车”和“服务”,构建一个全新的服务生态。
数字创新中心作为飞凡汽车九大部门之一,是企业数字化战略的主导者和实践者,其也为飞凡汽车的数字化建设规划了三条主线:
第一是产品数字化,主要围绕整车数字化能力开展,包括:高阶智驾、网联生态、OTA体系运营加充换电。在具体实践中,上汽集团的科技公司零束科技和研发总院通过共创模式进行具体的推进。
第二是体系数字化,主要是以提升企业内容经营效率为目标,主要围绕销售和营销数字化开展。
第三是生态数字化,做好用户运营的前提是直连用户,通过围绕用户的全生命周期构建一系列数字工具和相关运营能力,更好地为汽车用户带来更加高效的服务。
是情结也是前进的动力
“每个企业都需要一套ERP,只是展现形式不一样。”李晓亮说,在飞凡汽车启动时,我们就考虑到ERP是一个核心的系统,对企业运营支撑和业务快速扩展有很大关系。
所以飞凡汽车希望通过轻量化的方式来实现,云架构可以更优质、更高效的达成效果。最终飞凡汽车选择RISE with SAP实现了云上ERP的部署,提升业务运营效率,进行新零售模式创新,为构建用户导向、数据驱动型汽车科技企业,快速打造出坚实的数字基石。
胡俊和李晓亮还在上汽通用时,就参与了SAP汽车行业第一套解决方案的落地,对于SAP他们有着20年的情结。
对于产品选型,飞凡汽车抱着开放的心态。胡俊表示,通过多方对比,无论从方案的完整性还是可靠性,SAP更能够适应飞凡汽车的未来场景。而且云化的部署周期更短,上云之后也可以快速灵活扩张,减少运维精力的投入。
去年飞凡汽车开设了十几个分子公司,正是基于云的架构才能保证业务的高速扩展。同时现阶段原材料价格波动、芯片,对于供应链体系都有非常高的要求,需要进一步延伸供应链体系增加韧性,包括核心供应商的供应化能力。
“牛鞭效应”是供应链上的一种需求变异放大现象,所以飞凡汽车在设计系统时主要考虑满足线上营销平台的订单履约能力。李晓亮指出,从整车销售,到财务处理,以及合作伙伴、财务公司、物流公司、制造工厂、供应商之间实现了线上的全部打通,现在整车订单到供应链订单是连贯的数据流,能够最大限度地减少供应链里的牛鞭效应。
除了数字化工具,飞凡汽车还进行了有效的体系建设,制定了一整套敏捷研发工具和流程体系,确保高效研发节奏。同时建设了SRE体系及数据安全体系,确保数字应用稳定和用户隐私数据安全。
2021年,飞凡汽车在云上推进了近百个项目的快速实施和落地,数字能力和体系已初具规模。未来数字创新中心的“三年三步走”规划还在继续,去年建设数字能力和体系;今年聚焦核心业务场景,与业务伙伴一起进行数字价值创造;明年将围绕特定的价值场景尝试新的数字业务的开展。
好文章,需要你的鼓励
这项研究提出了R1-Searcher++框架,通过两阶段训练策略使大语言模型能像人类一样灵活利用内部知识和外部信息。该方法创新性地采用强化学习激励模型优先使用内部知识,并引入记忆机制将检索到的信息转化为内部知识,实现动态知识获取。实验表明,R1-Searcher++不仅在多步问答任务上表现优异,还大幅减少了检索次数,显著提高了推理效率。
这项研究提出了AutoRefine,一种革新性的强化学习框架,为大语言模型引入了"边思考边搜索和完善"的全新范式。与传统方法不同,AutoRefine在连续搜索调用之间添加知识完善步骤,让模型能够有效过滤和组织信息。通过结合答案正确性和检索质量双重奖励,该方法在七项问答基准测试中平均提升6.9%的准确率,特别在复杂多跳推理场景中表现突出,解决了现有检索增强推理的核心局限性。
这项研究揭示了一种新型网络安全威胁:利用普通网络广告攻击AI网页代理。中科院研究团队开发的AdInject攻击无需特殊权限,仅通过精心设计的广告内容就能误导AI代理点击恶意链接,成功率高达90%以上。研究使用严格的黑盒模型,更符合现实场景,暴露了当前AI代理面临的实际安全漏洞。实验还表明,即使添加专门的防御提示,这类攻击仍能成功率超过50%,凸显了设计更强大防御机制的紧迫性。
东北大学与快手科技联合研发的UNITE系统为多模态信息检索带来突破性进展。这项发表于2025年5月的研究首次系统分析了模态特定数据如何影响检索性能,并提出创新的模态感知掩码对比学习技术,有效解决不同模态间的竞争关系。UNITE能同时处理文本、图像、视频及其组合,在40多项测试中超越现有方法,即使与参数规模更大的模型相比也表现出色。研究发现视频-文本对在通用检索中表现优异,而文本-文本和文本-图像对对指令遵循任务至关重要,为未来多模态系统研究提供了宝贵指南。