案例基本内容和执行情况
国家大力推进物流流通领域建设。随着技术的进步和业务的发展,企业现有物流系统越来越难以满足企业高效运营、管理支撑和卓越体验的要求,不适应数字化转型、智慧化物流的发展目标。为满足物流行业的发展需求。强化优势,发展高品质服务,打造航空物流地面服务综合服务商的核心竞争力,东航物流基于“一个平台、两个服务提供商”的业务战略和以成为极具创造力的物流服务集成商的愿景,正式启动EOS研发平台(以下简称“平台”)暨新货站系统项目。
EOS研发平台暨新货站系统项目基于Paas云的开放技术架构,全面支持业务发展的分布式设计,实现将货站各类核心资源数字化、数据采集自动化、现场操作移动化、流转文件无纸化管理;实现多货站、多营业点、多业务模式的精确数据治理,支撑业务创新和高效运营。
平台秉承着“混合+多云+开放+安全+可靠”的原则,引入全面升级的基于开放技术架构的云原生Paas平台,在解锁封闭技术的单一供应商风险的同时,获取企业级开源软件带来的技术创新、友好生态、技术债务持续优化等优势,承载业务应用开发态以及运行态的所有云原生能力的技术组件,包含微服务框架、DevOps、分布式技术组件以及容器云等。容器云作为云原生Paas平台的技术底座,能够快速动态交付业务应用服务环境,屏蔽异构基础设施。
平台可支持按照公司、事业部、货站到分部的分层级管理,支持多货站,多营业点,多业务模式,建立健全更加精准的数据治理体系。为货站运营和企业管理提供生产、财务、质量数据支撑以及分析回顾。支撑货站新业务实现,推动产品模块化、系统服务单元化,打造一体化业务平台,迅速响应业务部门新的业务需求。全面升级基于Paas云的开放技术架构,支持业务发展的分布式架构设计。建设一套经验证的EOS研发平台,掌控自主的核心技术和大项目管理能力。引入人工智能,大数据分析等技术,为智慧货站建设提供有力支持,促进公司降本增效转型发展。
案例主要经济成效和社会成效分析
2021年末东航物流开展新货站业务系统建设工作,实现将货站资源数字化、数据采集自动化、现场操作移动化、流转文件无纸化;实现单证信息、货物信息、主要资源及运营状况的可视化;实现多货站、多营业点、多业务模式的精确数据治理。项目将打造成为行业领先的智慧货站地面业务平台,支撑公司业务创新和高效运营。
在企业价值方面,项目建设后按运行6年计算,平均每年分摊成本约800万,目前货站相关系统每年开发商投入约1200万,基于新技术框架开发的系统,易于维护和升级,预计可节约50人月,降低了IT成本;通过无纸化生产流程降低运营成本,节省30%单据,按300个生产和管理环节,每天2000笔业务计算,一年约减少单据100万张;运用移动生产、自动派单等方式价提高人力成本效益,操作效率预计提升20%;通过提升服务能力、水平,支持新业务发展、新场景支持,提升业务效益,实现业务拓展增收,预计可支撑未来货站业务每年增长10%的业务发展目标。
在社会价值方面,项目建设后提升了面向客户的货站服务、客户体验。提升企业形象与客户满意度;提升了货站生产操作效率,减少重复操作,加快信息及货物流转速率;提高了对货站的综合管理能力,规范化、标准业务操作和流程,加强生产过程管控;同时通过项目建设,验证新的研发平台,建立东航物流新的技术研发体系,并通过货站核心系统的建设,为后续核心系统建设奠定基础,提升项目自主管控能力。项目探索和推广了适用于航空物流的国内智能货站系统,为行业提供货站智能化运营提供的智能化建设和运营经验。
好文章,需要你的鼓励
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。