近日,被誉为中国知识管理届奥斯卡的2022 China MIKE大奖获奖榜单正式出炉,新华三人才研学中心荣膺“2022 China MIKE大奖、2022最佳知识传播奖”双料大奖。同时,2022中国知识管理年会暨第12届China MIKE颁奖典礼于10月27日在深圳举行,新华三集团人才研学中心相关负责人受邀作为2022 China MIKE获奖代表在年会发言,并作为嘉宾与招商证券、中兴通讯、用友、中移集成代表共同参与 “知识管理实践与趋势解读”主题圆桌论坛。
MIKE奖前身为MAKE奖(Most Admired Knowledge Enterprise,最受尊敬的知识型组织)。该奖项起源于1998年,由英国独立研究机构Teleos公司联合KNOW网络共同发起,分为国家级、洲际级、全球级三个层级,包括Google、Amazon、Apple等众多国际知名公司的均曾获奖。2018年,MAKE奖正式升级为MIKE大奖,同时在中国启动评选工作。
此次荣获MIKE大奖,不仅是新华三人才研学中心在赋能员工成长、赋能业务发展和赋能生态圈方面具有创新实践和丰厚建树的最好证明,更是对新华三人才研学中心未来进一步创新和发展的肯定与激励。作为承载和实现人才发展的战略平台,新华三人才研学中心在新华三集团业务牵引下,以“培养卓越人才,融绘数字未来” 的使命,秉承“成为中国数字化解决方案领域卓越的创新大学”的发展愿景,为新老客户服务,为社会、行业和企业持续输送数字化人才。
为实现这一愿景,新华三人才研学中心对内建立学习发展中心,打造包含领导力发展体系、专业力发展体系、通用力发展体系在内的三大学习发展体系,为新华三集团的业务发展实现人才资源的增值;对外由产业教育开发部、数字化技术培训部、数字化技术认证部三大部门对新华三集团的客户、合作伙伴以及生态圈的未来人才进行培训与赋能。
2022年,新华三人才研学中心在知识管理和数字化知识沉淀方面再度聚焦发力,全新推出数字化演播厅,助力集团数字化教学场景硬件条件再升级,利用技术手段改变知识获取形式;同时,还全新上线新华三大讲堂平台促进知识交流、产出与共享,内容涵盖产品技术、管理通识、公司政策解读等,使得学员可以利用该平台进行在线课程自主学习。今年新华三人才研学中心面向全公司提出了一个口号:数字化变革,人人都是参与者,没有旁观者,自主开发的《数字化变革课》运用社区话题互动、变革知识大赛等形式在公司内部大力推广数字化转型文化。
新华三集团人才研学中心相关负责人在会上表示:知识管理是在为 “知识服务”做准备。要把“管理”的姿态放下来,把员工当成客户,考虑客户体验,探索如何可以让知识传播变得有趣有用有效。企业的知识管理工作可以创新使用更新潮的形式与方法,比如短视频、音频课、游戏、比赛、活动等形式,让企业的知识管理工作做到知行合一,融入员工的真实工作场景。新华三人才研学中心今年做了很多新的尝试。比如针对营销体系的关键岗位培训项目,我们拍摄了一档名叫“总经理很难吗”的高品质访谈节目,以类似“圆桌派”这样的深度访谈,采访集团内有丰富营销管理经验的大咖,输出精美视频给到员工来学习思考。另外为了收集集团各个业务部门的管理案例与工作案例,我们正在推广一个叫“新华三一年一度故事大会”的内部活动,以综艺化的宣传形式、知识赋能的形式、脱口秀的表演方式吸引员工愿意参与、善于参与、乐于参与我们的知识管理和案例萃取的活动,让知识管理变得和娱乐生活一样,不那么严肃,充满活力。
在数字化变革时代,企业的知识管理也面临着新的挑战,开展企业的知识管理工作就像在建造一个企业的知识大脑,它所能够产生的价值和带来的影响是巨大的,是充满想象力的。
面向未来,新华三人才研学中心持续在人才培养方面精耕细作,以价值创造为核心,沉淀传承组织经验和智慧、培养高水平数智化融合人才,对内、对外积极赋能,实现人才转型,助力企业数字化转型,并推动社会经济高质量发展。
好文章,需要你的鼓励
当前企业面临引入AI的机遇与挑战。管理层需要了解机器学习算法基础,包括线性回归、神经网络等核心技术。专家建议从小规模试点开始,优先选择高影响用例,投资数据治理,提升员工技能。对于影子IT现象,应将其视为机会而非问题,建立治理流程将有效工具正式化。成功的AI采用需要明确目标、跨部门协作、变革管理和持续学习社区建设。
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。
美国垃圾收集行业2024年创收690亿美元,近18万辆垃圾车每周运营六至七天,每日停靠超千次。设备故障成为行业最大隐性成本,每辆车年均故障费用超5000美元。AI技术通过实时监控传感器数据,能提前数周预测故障,优化零部件库存管理,减少重复维修。车队报告显示,预测性维护每辆车年节省高达2500美元,显著提升运营效率和服务可靠性。
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。