“过去我们一直认为掌握材料的生产和工艺是核心能力的体现,但如今数字化和国际化已经成为我们两个更加重要的战略任务。泰和新材集团股份有限公司党委书记、董事长宋西全说道。
“创新驱动”是形容泰和新材发展最贴切的词,自1987年创立以来,泰和新材先后四次打破国际技术垄断,到去年为止,大约有10套全国甚至全球领先装置在泰和新材建成。
泰和新材是国内首家实现氨纶规模化生产的企业。宋西全指出,除了农业和食品行业,泰和新材的产品和服务几乎涵盖了国民经济的所有相关领域。他深切感受到,材料创新正推动社会进步。如今,泰和新材正致力于“创新引领美好生活”,带领全人类奔赴美好生活新征程。
今年,鼎革奖的评选从智能制造、汽车,延伸到农牧、食品、化工等细分领域,发现了更多细分行业的隐形冠军。做为新材料的代表企业,泰和新材获得了年度成长先锋企业奖,宋西全则荣获了年度企业领袖。
随着市场环境的变化,泰和新材正逐步调整战略,凭借自身的行业技术优势,再利用数字化、智能化的工具,建立更快的“突击能力”。
“尤其在‘寒冬’季节里要不断吹响冲锋号。”宋西全认为,这样的变革项目对于强身健体,迎接下一个春天是非常有意义的。
用数字能力实现管理变革
泰和新材立志成为一个伟大的公司,在全球的材料行业形成强大的竞争力。不同于其他行业,新材料行业每启动一个新项目,都需要重新开发工艺、装置、市场,每个环节都需要重新构建。
身为基层成长起来的领导者,宋西全一直认为,项目的宝贵经验没有得到充分利用,是受制于“天赋型领导”人才的短缺。如今,宋西全的观点发生了变化。他开始认识到,能力建在组织上是有可能的。通过数字化手段实现流动化管理,先将习惯固化,再逐步优化,使每个环节都可控、可管理,甚至可培训、可复制,实现核心能力不断复制。
在与SAP的交流中,他深刻感受到,通过技术的手段,企业所有业务运营过程都是可管理的。正是这种将虚拟艺术和科学结合在一起的能力,极大增强了宋西全的信心。
泰和新材在过去不断挑战行业巨头,而且一直在成功,但这种成功也让企业对变革的认识产生了局限性。尽管使用过多个ERP系统,整体管理能力仍不完善,但是业务的成功会掩饰很多问题。过去的管理工作更多地被视为锦上添花,没有真正成为核心能力,这正是泰和新材面临的最大挑战。
2023年,泰和新材启动了数字化转型,其中一个重要决定就是切换到SAP S/4HANA。泰和新材启动的数字化转型目标非常清晰,即希望将能力建在组织上,实现流程化,让所有活动在被管理的基础上进一步拓展,最终打造一个具有核心能力的组织。
7大系统联动,迈向“和聚变”时代
2023年6月,泰和新材与SAP展开合作,并选择原厂实施团队。历时7个月,泰和新材完成了“和聚变”项目群。该项目覆盖烟台、宁东两地四园区共17家公司,集成18套系统切换(其中6套核心系统为新建),与近年SAP同类项目相比更具复杂性与挑战性。项目经梳理了财务、采购、营销、生产、人事共168个业务流程81个专项方案,打通订单到收款、采购到付款、生产到成本、组织到人工、业务到分析五大端到端业务流程。
以SAP为核心的七大系统建设,实现了人力、销售、采购、生产和财务的高效协同,实现了业务“接得住”、数据“看得清“、流程”控得稳“的集中管控总体目标,助力公司迅速推动战略落地,对标世界一流企业。
经过7个月的部署,SAP S/4HANA已成功上线并稳定运行,为泰和新材未来发展奠定了坚实基础。在上线的初期,员工原有的使用习惯还是带来一些挑战,但经过四个月的磨合与优化,内部使用逐渐成熟。
ERP项目还仅仅是一个开始,泰和新材希望把行业特点和自身核心技术,与SAP强大的数字化能力进一步结合,推动业务的增长。
“泰和新材掌握了丰富的工程技术能力,下一步需要加快迭代能力的提升。”宋西全说,我们有许多想法,SAP可以将想法转化为方法落地实施,通过将过去的经验和资产数字化,进一步强化创新驱动发展的能力,同时未来也可以更好地引入人工智能,比如使用专有模型优化生产流程等。
泰和新材始终秉持创新驱动的发展理念,特别是在科学与工程技术创新领域不断深耕。通过数字化与人工智能的深度融合与赋能,泰和新材将进一步释放巨大潜力,并在激烈的市场竞争中展现出更为卓越的竞争力。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。