出于必要,德国消费品公司汉高(Henkel)将生成式AI作为其五年数字化转型任务的核心。

四年前,汉高公司发现自己处于十字路口上,与消费品(CPG)行业的许多老牌企业一样,汉高在拥抱数字技术方面进展缓慢,导致这家拥有147年历史的公司与其客户不断变化的需求之间出现了越来越大的脱节。
正如汉高公司首席数据&信息官Michael Nilles所说,到2019年,Marc Andreessen关于“软件正在吞噬世界”的说法在消费品行业变成现实,汉高面临着落后的风险。
当时Nilles刚刚签约成为该公司CDIO,他表示:“我们认真对待这个问题,并表示,我们需要拥有软件、数据和人工智能方面的能力,我们需要加倍努力大幅提高内部组织的技能,并从外部获取——我们称之为注入——人才。”
为了实现这一愿景,汉高公司制定了五年战略路线图,其中包括重组IT组织、创建新的数字化部门、将CIO和CDO职能整合到一起,以及在柏林、上海、班加罗尔和美国等地创建全球创新中心。
如今,这些努力正在取得成果,汉高成为采用生成式AI的领先企业之一,不仅优化了业务,而且将其作为未来战略愿景的核心构建模块。
为变革做好准备
汉高总部位于杜塞尔多夫,拥有50000多名员工,不仅仅是一家消费品企业,其工业B2B部门专注于Loctite等粘合剂技术,B2C消费品部门拥有Dial和Purex等品牌。
但为了实现汉高的数字愿景,Nilles需要吸引数据科学家、数据工程师和AI专家进入他们可能不会关注的行业。正如他所说,这是一场人才的“核战争”,但汉高关注的一个重要因素就是公司有很多重要问题需要解决。
“我认为我们很幸运,因为我们有一些有意思的行业问题需要解决,那些为大型科技企业工作的AI超级大师可能对加入像汉高这样的企业不感兴趣,而且他也可能不是合适的人选。我们正在做的,就是找到那些喜欢用技术解决行业大问题的人。”
Nilles为汉高制定计划中的另一个关键组成部分是建立强大的战略合作伙伴关系。汉高已经和SAP建立了合作关系,他选择全力支持SAP的Business Technology Platform (BTP)并与SAP密切合作进行联合创新来加深这种关系,这被称为“数字跨越”,首批成果之一就是AI驱动的贸易促进管理(TPM)和贸易促进优化(TPO)工具。
TPM和TPO是消费品行业的一个关键学科,涉及到管理和优化与零售商所有的促销活动,从折扣、到扣款和付款。像汉高这样的大型消费品企业可以会在贸易促进上花费数十亿美金,因此做好这件事关系重大。
“多年来,消费品行业的大多数企业都没有这样做过,因为这个领域实际上并没有可用的标准软件,这是一个有点棘手的计算机科学问题。你有一个高度复杂的数据模型,需要大量的计算,需要有一个真正智能的用户界面。”
出于必要而开发
由于无法在市场上找到解决方案,汉高决定自己开发一个解决方案。汉高和SAP联合创新团队密切合作构建和扩展该工具,这个工具必须能够处理超过20亿个规划节点。当时,团队专注于传统AI,利用机器学习功能构建推荐引擎,帮助最终用户即时执行TPO。
Nilles表示:“在贸易促销管理方面,边际优化对业务会产生巨大影响,无论是收入还是利润。’
与此同时,SAP正在为SAP Analytics Cloud开发一项新功能:Just Ask,它将生成式AI应用于搜索驱动的分析中。该团队尝试将Just Ask与TPO工具结合使用,并将其视为实现TPO工具承诺的一个关键。
“贸易促销仍然是很复杂的,但对于大客户经理来说已经变得越来越直观了,大客户经理或者销售人员正在查看贸易促销数据,这些数据给出了非常好的提示,这对于传统的机器学习来说是不可能实现的。而有了生成式AI,AI功能就可以被非数据科学博士的人们更广泛地使用。”
Nilles指出,过去和经销商围绕产品开展活动可能需要数月时间才能敲定细节,例如提供适当的折扣。而现在,客户经理可以走进一个会议,使用带有自然语言的工具以接近实时的速度探索各种选项,并制定一个完整的计划在第二天进行分享。到下周,完整的营销活动就可以在全国范围内的门店推出。
作为增长的催化剂
该工具已经取得了巨大成功,但Nilles相信,生成式AI可以在汉高公司内发挥更大的战略作用。Nilles表示,汉高一直致力于把所有来自CPG研发的数据转译为大型语言模型,这将成为汉高开发新产品的一个巨大加速器,在生成式AI颠覆整个行业的背景下帮助汉高在这个领域内发挥领导作用。
他说:“我们相信将会出现新的垂直行业大型语言模型,甚至可能是特定领域的微型垂直行业大型语言模型。我们相信,将大型语言模型用在恰当的地方,将会带来巨大的竞争优势,如果我们不这样做,我们将受到来自其他企业的严重威胁。”
例如,想象一下网球装备市场。如今,有兴趣购买网球装备的人可能会访问专门从事这项运动的网站。但随着AI的发展,消费者可能会去Meta或者腾讯等网站,通过提示内容进行查询。例如,如果微信利用大型语言模型为查询请求提供答案,那么就会在市场中占据优势。
Nilles说:“如果我们能够率先行动起来,就可以占据市场,并且在整个价值链重新布线的时候有权参与其中。”
好文章,需要你的鼓励
Kollmorgen发布NDC布局助手软件工具,专为工厂和仓库中的自动导引车(AGV)及自主移动机器人(AMR)的路线规划与优化而设计。该工具通过分段分析路线,帮助工程师在系统部署前识别瓶颈与低效环节,提供行驶时间、车速及优化潜力等关键数据,并以可视化方式标注问题区域,从而缩短布局设计与验证周期。Kollmorgen表示,该工具未来还将融入AI驱动的优化能力。
这篇由加州大学圣地亚哥分校等六所机构联合发布的综述(arXiv:2605.02913,2026年4月),首次系统梳理了大型语言模型强化学习训练中长期被忽视的轨迹设计问题,提出了GFCR四模块框架(生成、过滤、控制、回放),覆盖数学、代码、多模态和智能代理等多个应用场景,并附有实用的故障诊断手册,为AI训练工程师提供系统性的方法论指导。
现代仓储已从幕后走向前台,配送速度成为品牌竞争核心。面对次日达甚至两小时送达的市场压力,领先履约中心借鉴敏捷开发理念,以周为单位迭代代码、机器人与工作流程。IoT信标、边缘计算与视觉识别模块构建双层架构,实现厘米级货盘追踪与低延迟决策。人机协作模式让员工从重体力劳动转向异常处理与数据分析,拣选准确率突破99%。同时,自动化系统实时采集碳排放数据,在提速的同时实现可量化的减排目标。
中国科学技术大学与FrameX.AI联合提出Stream-R1框架,针对AI视频生成蒸馏训练中"一视同仁"的核心缺陷,引入奖励模型对训练样本进行双重加权:在样本层面根据质量分数筛选可靠的学习信号,在像素与帧层面通过梯度显著性热力图集中优化最需改进的区域,使4步快速学生模型在VBench多项指标上超越慢速多步教师模型,推理速度提升30倍且不增加任何额外计算开销。