近日,2023第七届中国石油与化工行业采购大会在南京成功举办。大会以“稳链、韧链、高质量”为主题,深入分析探讨新时代石油与化工行业如何切实提升产业链、供应链韧性和安全水平,以前瞻思维,共同推进产业高质量发展。

作为能源行业的有力推动者,端点科技受邀参会,高级业务咨询专家陈潇发表《智慧采销,构建石化产业互联新生态》主题演讲,分享端点科技助力能源行业数字化变革的创新解决方案和丰富实践。

1、石油化工行业数字化核心,将行业实践与数字化技术深度融合
随着中国“3060”双碳目标的加速实施,新一轮能源革命正在兴起,一系列围绕着碳达峰、碳中和的技术升级在能源行业紧锣密鼓地进行着,涉及到能源结构调整、过程能效提升、资源循环再利用等多维度。作为双碳战略的落实主体,石油石化行业面临着安全、绿色、保供、降成本等巨大压力,同时也迎来了转型的关键之年。
陈潇表示,石化产业上中下游分别以勘探开发、存储运输、炼化分销为主,均存在交易规模大、产业链条长、占用资本高、人力投入多四大特点。从横向看,数据信息孤岛多,进销存环节多,业务协同效率较低;从纵向看,产业链关联企业多,资源聚合难度大。

端点科技高级业务咨询专家陈潇,在石化行业数智供应链研讨会发表主题演讲
随着市场竞争关系从单企业转向产业链,企业数字化也将逐渐转向产业链数字化。陈潇表示,石化行业数字化转型是将行业实践与数字化技术深度融合。端点科技以提升产业链效率、降低协同成本、提升客户体验为目标,通过数字化技术,驱动企业实现从线下作业到在线协同,从内部管控到内外互联,从买卖交易到生态合作,从单个节点到全价值链的多重转变。
2、智慧采销解决方案,以数字技术催生石油化工行业向产业互联蝶变
在石化行业数智供应链研讨会上,陈潇带来了端点科技智慧采销解决方案。端点科技围绕数字化采购和数字化销售两大部分,聚焦石油、天然气、化工、煤炭、钢铁、装备、电力等多个行业,助力企业形成一体化、协同化、产业化的采销服务与管理运营体系。
在数字化采购领域,通过构建智能协同、业务承载、技术承载、安全防护四大能力,帮助企业统管采购需求、优化供应商协同、提升供应链稳定性。在数字化销售领域,以找到客户、服务客户、理解客户为三大价值导向,整合企业内外部资源,打造交易、营销、数据、金融、物流五项核心服务,助力企业拓展新客户,降低销售成本,规范销售渠道。
数实融合演变至今,数字化技术已经渗透到能源行业的方方面面,这背后,生态的力量不可或缺。端点科技以采销核心业务为起点,连接交易、物流、金融、数据、技术、伙伴等多方产业生态,构建起N+1+N的产业互联生态服务体系,通过一个平台连接上游供应商和下游客户,整合产业链资源,驱动产业集群升级。
3、端点科技,与客户共赢数字化新未来
作为新商业软件提供商,端点科技基于多年服务石油石化行业数字化建设的实践积累,始终致力于将创新的技术产品与电、油、煤、管、气等行业场景深度融合,最大化行业解决方案的业务应用价值。
在助力中国海油数字化建设中,端点科技为中国海油搭建海油商城,全面支撑成品油、天然气、润滑油、化肥等数百种石油化工产品在线销售,累计交易金额突破12000亿元。在助力山东能源数字化建设中,端点科技打造数字化采购平台,支持山东能源旗下数百家企业在线采购,实现供应商全生命周期闭环管理,年交易金额超300亿元。

在端点科技展台区域,端点科技集中展示了智慧采销解决方案,与参会人员充分交流了端点科技在中国海油、国家管网、山东能源、埃克森美孚、蒙泰集团等行业头部企业的解决方案和实践成果。
作为能源行业数字化转型的有力推动者,端点科技积极发挥自身优势,不断将创新技术产品与能源行业业务深度融合,为加速能源行业高质量发展提供强大动能,携手客户、合作伙伴,向数字能源新时代迈进。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。