安徽口子酒业股份有限公司(以下简称“口子酒业”),是建国后第一批建厂的白酒企业,以生产国优名酒口子系列白酒而著称,为国家酿酒重点骨干企业。
1949年5月18日,人民政府赎买了私人酿酒作坊“小同聚”等酒坊,创立了“国营濉溪人民酒厂”(安徽口子酒业股份有限公司前身)。2002年12月,口子集团联合其他发起人股东发起成立安徽口子酒业股份有限公司。2015年6月29日,口子酒业在上交所成功挂牌,成为全国第17家、安徽第4家白酒上市企业。目前公司员工4000余人,拥有首届中国酿酒大师等在内的技术创新队伍及一批国家级、省级的评酒勾兑专家和现代化的省级技术中心、博士后科研工作站以及省级技能大师工作室。
为了力争“徽酒头部”战略目标,口子酒业将从产品梯队、市场渠道以及品牌高端化等多个方面进行调整。通过产品及品牌高端化、渠道运作精细化、组织管理高效化三个重要抓手实现战略目标。为实现公司全渠道数字化营销管理体系,为公司营销、生产、决策数据化做支撑,口子酒业本次建设的数字化营销项目,依托用友 BIP 商业创 新平台,构建完善的数智化营销体系,聚合并强化“渠道力、管控力”,以数智化盘活企业营销资产,以数据服务驱动营销业务创新,提升企业核心竞争能力。口子酒业借力用友BIP,围绕数据层、能力层、应用层、体验层,进行四层贯通互联,延续口子酒业在数智化方面的升级与改革,全面推动口子酒业在行业中的核心竞争力升级。
本次数字化营销项目的建设,借助系统能力提升业务拜访效能,实现业务在线化管理,以数据支持业务员行为规范及业绩提升;以创新的赋能型 CRM 体系打通全层级分销渠道,实 现经销合同的电子化、商城式下单、便捷对账,赋能经销商快速响应市场且高效服务终端及消费者;借助于执行全程的费用管理体系,活动得以高效执行,费用实现精准管控、赋能费效 比大幅提升。最终,通过数据画像、指标分析、业务管控与数据指标结合,智能化审批或规范业务执行,让数据真实反映业务实质,进一步提升了企业管理层的经营决策能力和效能。
基于用友BIP,口子酒业搭建了以需求为导向的业务流程数字化管理体系,通过销、供、产业务数字化升级,形成以数据为驱动的上下游协同全产业链,推动“以客户为中心”的管理运营模式转变;通过构建“以销定产”科学计划体系,以销售需求/订单为依据,以准确计划为指导,实现敏捷供应、精益生产,降本增效;通过数据驱动销、供、产等业务线上处理,实现信息共享、业务规范、高效协同;通过IOT技术融合推动生产经营数字化改造,实现数据采集自动化、业务处理与分析智能化,进而推进口子酒业全面数智化转型。
基于数智化平台的一体化应用:统一平台使用,实了现基础数据统一管理,业务财务一体化的应用,杜绝了数据孤岛;第二,建立追溯体系:建立客户订单、计划、进货、领用、制造、出货、售后的全过程追溯体系;第三,高效协同:同一个平台上可保障集团、贸易企业、制造企业的协同操作,保障数据及时性和准确性;第四,智能场内物流:智能物流通过计量管理,保障物流的数据和单据的同步,结算及时;第五,无人值守:采购仓储生产环节均使用条码技术,贯通全业务价值链。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。