从本世纪初第一次出海热潮到现在,中国企业出海主力军正在由国企逐渐转向民企。洛阳铝业作为民企代表,以强大的并购能力持续布局海外矿山,业务足迹到达欧、亚、非、南美、大洋洲等五大洲,然而,通过收购海外公司进行快速扩张的方式也有一些弊端:由于缺乏人才和统一的管理,海外公司割裂离散,集团总部难以有效管控。为解决这一难题,洛阳钜业决心打造一套覆盖海外业务的信息系统,启动了“千里钜“数字化转型计划(以下简称 “千里铝计划”)。
千里铝计划基于“5233战略架构”建设实施,暨“集团总部成为重大决策、监督、资源配置和服务、考核、信息汇集五个中心;子公司及矿山企业成为生产经营和成本控制两个中心;搭建财务共享、采购、销售三个平台;筑牢资金、人才、项目三个池子。四个目标相互协同、相互影响,并为千里铝计划提供战略指引",旨在打造洛阳铝业全球统一的ERP+OA+采购平台+销售平台+费控+财务共享的“数智化”底座。
图:洛阳钥业“千里钥”一期数智化底座
“千里钜"一期上线洛阳钜业旗下52家公司,系统统一各子公司的数据格式和呈现方式,实现全球各实体业务及财务数据贯通化、线上化、可追踪且为单一来源,数据统计不再受地域、时间、会计准则差异的影响。并与将财务管理部的合并报表系统进行对接,数据录入、工作流管理、合并抵消、报表分析等财务工作全部线上化、自动化。同时,千里钜计划实现了云部署,彻底解决了部分矿区频繁停电、断网、基础设施建设差等带来的问题。上云后,系统的总拥有成本(TCO)下降接近90%,系统迁移能力大幅提升。
图:矿区核心业务端到端流程
系统构建四大能力:
其一,关联交易对账,基于自动对账功能,使关联方对账在交易结束时同步完成。如果出现差异,也会自动发给财务人员进行核对,效率大幅提升。
其二,报表编制和呈现,基于系统,财务部门可基于统一的数据源生成多口径报表,系统上线后,对内报表出具速度平均提前10天,对外报表出具速度平均提前5天,为决策层提供了更实时的数据与决策支持。
其三,建立全球统一的财务报表体系,大幅提升了财务核算效率。基于企业快速扩张中的业务需求和痛点,助力财务转型。
其四,远程支持。部分现场工作远程化,减少海外公司财务工作量,并将海外项目的会计核算体系标准化、流程化,便于同一区域内的收购项目直接复用,形成规模效应。举例来说,2016年洛阳铝业收购TFM矿山时,现场财务人员超过60名,2022年财务共享中心上线后,仅用8人团队就远程完成了该项目的总账财务工作,3人团队完成该项目的应付财务工作。2021年公司建设的同一区域的KFM矿山,仍复用同一系统和共享团队,现场财务人员仅有6名,大幅减少了对海外团队的依赖,提升了管理效率。
图:打造全集团业财一体化和精细化成本核算
共享系统设立之前,财务管理部有两个相对独立的团队,分别是报表组和财务分析组。财务分析组每月都需等报表组的数据报出之后才能做分析,人力和效率都存在一定的浪费。系统精简之后,两个团队合并,采用创新的矩阵管理模式,岗位职责也重新定义。举例来说,可以用坐标轴类比矩阵模式,X轴列示报表中的会计科目,如收入、成本、利润、费用;Y轴列示每个矿体,如刚果(金)矿山、澳洲矿山、巴西矿山、中国区矿山;财务人员分别负责X轴和Y轴的科目,具备财务和业务的双重职能。由于资金、物流等各类数据在财务共享中心汇集,这种转变充分挖掘了财务人员的工作潜能,使财务人员同时具备财务管理、公司实体分管、业务职能模块分管的角色,支持运营和决策。
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。