5月20日,由赛迪顾问主办的“2021 IT市场年会”在北京召开。为抓住新一轮科技革命机遇,推动新一代信息技术创新,大会发布了“2020-2021年度新一代信息技术”榜单。用友荣获九项大奖。其中用友YonBIP、用友YonBIP财务云、用友YonBIP营销云三款产品名列其中,均荣获“2020-2021新一代信息技术创新产品奖”。
数字化正深刻改变人类生产生活方式,ICT新兴技术与产业创新为数字经济发展按下“加速键”。通过提升ICT企业技术创新能力,可以有力推进产业数字化转型进程不断加快,从而带动资源配置方式、产业创新体系、生产运行方式、组织管理模式的根本性变革,有力推动实体经济高质量发展。
如何通过ICT技术,简单、便捷、快速地开展商业创新,是所有企业在云时代和数智化浪潮下的最核心诉求和竞争力。
BIP(商业创新平台)的出现,让企业、相关组织及个人,简单、便捷、随需、随时、随地开展商业创新,使商业创新打破了技术、商业、成本三大障碍,变得简单、便捷、大众化、社会化,这是技术驱动的又一个层次的商业革命。
YonBIP用友商业创新平台,是用友采用新一代信息技术,按照云原生(含微服务)、元数据驱动、中台化和数用分离的架构设计,涵盖平台服务、应用服务、业务服务与数据服务等形态,集工具、能力和资源服务为一体,服务企业与产业商业创新的平台型、生态化的云服务群。
YonBIP结合了众多先进的ICT技术,基于最新的大数据、人工智能、云计算、物联网 &5G、移动互联网、区块链等数智化技术,构建技术平台 、数据中台、智能中台和业务中台。
新技术,赋予YonBIP三大核心能力
一是数据驱动能力,让经营管理更精准。新的数字化、智能化很大的一个重心是数据驱动。YonBIP 帮助企业实现从以流程驱动为核心的规范管理,到以数据驱动为 核心的智慧管理,助力企业在数字化商业阶段重塑核心竞争力。
二是智能化能力让企业决策更智慧。YonBIP,集BI智能分析、AI 开放创新平台、智能流程机器人于一体,为企业提供数据服务中台 、支撑企业智慧大脑 、赋 能管理者商业创新和智慧管理 ,提升员工工作效率与用户体验。
三是社会化协同能力让产业互联更强大。YonBIP 可以为核心企业汇聚产业上下游优质资源,提供企业互联网的产业链运营平台,实现产业链上下游信息系统交易过程全 程一体化;实现产业链下游渠道实时在线交易可视、营销管理跨经销商直达、全渠道库存可视、终端消费可视;支持产业链上 游供应商在线交易、招投标、跨租户合同管理等应用服务,为产业链上下游企业赋能,从而实现产业链整体数智化转型升级。
全业务,创新数智化应用场景
用友YonBIP聚焦营销、采购、制造、供应链、金融、财务、人力、协同等八大核心领域,全面支撑企业运营管理与产业价值链,使能企业数智化转型与发展,推动社会商业进步。
比如此次获奖的用友YonBIP财务云、用友YonBIP营销云,是分别在财务管理与营销管理领域,赋予了企业融合新技术的创新能力。
用友YonBIP财务云采用最新的大智物移云的技术,基于事项法会计理论,提供了财务会计、管理会计、税务服务、费控服务、财资服务、企业绩效、档案服务、数据服务、共享服务等服务。有三大核心价值:一是基于业务事项的实时会计服务,服务管理精细化,助力财务向全面数据服务转型;二是基于人工智能技术的智能财务服务,全面提升财务运营效率;三是业财税一体化的精准税务服务,提升税务工作效率,提高税务管理与风险防范能力。
营销云致力为企业营销数智化转型提供一站式服务,包括企业渠道数字化交易,销售赋能型 CRM,全渠道电子商务,智慧门店以及会员数智化运营管理,提升企业经营业绩,助力企业商业创新。
YonBIP用友商业创新平台运用新一代数字与智能技术,帮助企业客户实现转型升级,成就数智企业,加速商业创新,助力数字经济!
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。