不确定的时代,数字化转型已不再是按部就班的技术升级流程,而是关乎企业发展成败的“必修课”,是企业持续商业变革的关键力量。为承接“828 B2B企业节”成就好生意,成为好企业的愿景,软通动力于9月17日举办了“917转型”企动日主题峰会。
作为本次峰会的企业精英,中钢资产管理有限责任公司执行董事李红,居然之家新零售集团副总裁、洞窝总经理李杰,联想集团全球供应链IT总监闫君,360政企安全集团解决方案中心总经理马凯等多家先锋企业代表通过知识交流、经验分享的方式进行思维碰撞,共同探讨了不确定环境下,企业数字化转型的发展方向。
央企作为国民经济的重要支柱和创新驱动发展战略主力军,坚持深入贯彻落实党中央、国务院有关决策部署,主动把握数字经济新机遇,大力推进数字化转型。李红认为,企业信息化与数字化的理念有所不同,信息化是数字化的基础。没有信息化的平台,没有信息化的软件,没有信息化的优化,要实现数字化不太现实。大型企业推动数字化转型还要避免三个主要误区,即不能搞成信息化工程、不能搞成老基建工程、不能搞成科技型工程。而传统企业应加深对数字化转型的理解和认识,提升工业互联时代的企业竞争力,不断探索数字化转型的新路径和新方法,为打造新的一流企业做好准备。
作为家居产业的龙头,居然之家在全链路数字化转型布局多年,并取得显著成效。李杰认为,家装家居行业消费行为复杂、交付周期链路长等问题导致了行业数字化渗透率低,如果想解决这些问题,就必须加速进行全产业链路环节数字化,赋能产业链参与主体,通过线上线下一体化营销,全面提升消费体验。以卖场经营为例,通过卖场的经营定位、人群及竞争环境分析,结合被招商对象的多维度数据分析,为卖场提供合理的招商建议,实现渠道广、有针对性的精准招商。再辅以商家健康度管理,确保商户入驻后的稳定经营。通过对营销活动从预算管理、执行管理、效果分析等层面进行全流程管理,实现营销的降本增效。
在全球化分工体系下,信息技术产品建立起了成熟的分工和供应链网络,联想集团一直将提升供应链韧性放在非常重要的位置。闫君认为,数字化转型是新时代企业生存和发展的必然选择,更是创造更多业务可能的有效举措。在传统供应链还在强调高效和低成本制造时,联想就已经开始平衡低成本与敏捷和韧性之间的关系,尤其在后疫情时代,经由数字化重塑的供应链,已经成为支持公司业务增长和创新发展的新引擎。厂商数量大、过程管理难、数据待挖掘、外部不确定性等诸多客观问题,对供应链质量管理造成了很大挑战。联想供应链立足自身打造数字化内核,设计软硬件一体化解决方案,建设质量数据平台,助推联想智能变革的同时,为不同类型的企业客户赋能,将企业创新发展推向数字化新蓝海。
马凯认为,企业全面数字化转型,众多新技术不断投入使用,伴随而来的新风险也在增加,企业安全基线一再提高,外部对手越来越强,网络攻击手段越发多样,这就意味着需要构建一套以“看见”为核心的安全体系和服务体系,在帮助企业减轻投入压力的同时,解决随时出现的各类网络安全问题。马凯还表示,当下很多企业是缺少网络安全避险机制的,也没有预见网络攻击行为、提前布防的能力,快速响应与处置机制更加薄弱。基于此,360的安全解决方案不仅是保障,更是全面的服务,能够帮助大型企业提升数字化转型后的安全运营和威胁发现能力,帮助中小型企业解决业务平台应用安全问题,护航企业的数字创新发展。
本次软通动力“917转型”企动日成果颇丰,行业精英们基于长时间的探索和实践,总结出的数字化转型公式,必能为企业数字化升级之路强效赋能。未来,随着数字生态的持续优化,越来越多的主体也会通过数字化实现自身突破,聚合成就数字经济的强悍战力。
好文章,需要你的鼓励
微软高级软件工程师Alice Vinogradova将自己用SAP ABAP语言编写的向量数据库ZVDB移植到了搭载Z80处理器的经典计算机Sinclair ZX Spectrum上。她发现ABAP(1983年)和Z80(1976年)几乎是同时代产物,都诞生于内存珍贵、每个字节都很重要的计算时代。通过应用Z80优化技术,尽管时钟频率相差857倍,但代码运行速度仅慢3-6倍。她认为这些老式优化技术具有普遍适用性,在现代硬件上依然有效。
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
韩国电子巨头三星宣布收购美国西雅图数字健康技术公司Xealth,进一步扩大在健康领域的布局。Xealth专注于帮助医疗专业人员将数字健康技术整合到日常实践中,与70多家数字健康技术供应商合作,应用覆盖美国500多家医院。此次收购将推动三星向连接医疗保健平台转型,结合其在传感器技术和可穿戴设备方面的优势,完善Samsung Health平台功能。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。