日前,“CSDN 2022中国开发者影响力年度评选”活动榜单正式揭晓。该评选活动由全球知名中文开发者网站CSDN和旗下重要的技术类期刊杂志《新程序员》联合举办,旨在评选过去一年在技术行业做出突出贡献的开源企业、优秀开源项目、年度创新产品、数字化创新企业及开发者技术社区等,同时致敬其背后默默付出的技术工作者们和企业机构。在报名参评的数百家企业、机构与产品中,华为端云协同智能流程机器人凭借领先的技术实力和端云协同、软硬一体、安全可信等特性脱颖而出,斩获“2022中国开发者影响力年度榜单”年度创新产品与解决方案大奖。
端云协同,软硬一体,助力企业打造数字员工
华为端云协同智能流程机器人由华为云AI团队提供技术支撑,是通过将AI、RPA、低代码能力进行整合推出的软硬一体化方案,将AI服务以开箱即用的方式部署到客户机房,延展云服务的智能边界。企业IT人员在内部网络即可通过API的方式调用OCR、NLP等40余种AI模型和400+的控件,灵活组合出场景化方案,让AI服务与业务系统无缝衔接,打通企业流程自动化的断点。华为端云协同智能流程机器人适用于财务、供应链、智能合同管理、人力资源、IT服务和行政服务等应用场景,具有端云协同、软硬一体、安全可信的特点。
具体来看,在端云协同方面,华为端云协同智能流程机器人方案提供OCR、NLP等40余种模型,400+控件,云端丰富的服务可以随时下推至端侧;AI模型在云上持续迭代,AI服务本地化部署,数据不出机房也可使用到最新、最优质的AI模型。此外,通过软硬一体方案,服务器预集成完整的AI和云端连接的方案,AI服务开箱即用,硬件部署在客户机房,无需改造网络,敏感数据不出域;最后在安全可信方面,该方案通过德国BSIAIC4可信标准审计认证+等保3级双认证,数据不上行,敏感数据不出域,七大安全机制保障数据安全。
替代重复劳动,提升工作效率与组织效能
近年来,智能流程机器人在企业财务、设计、人力、IT、采购、行政等重复且规则明确的业务场景中应用越来越广泛,让员工告别重复劳动,释放数字生产力,为企业带来了显而易见的价值。在财务场景,智能流程机器人已经能够成为财务人员的好帮手。例如,运用智能流程机器人方案进行银行提货单、信用证识别和自动录入,效率可提升450倍,错误率降低90%。在合同管理场景,结合工具比对和人工复核的方式,仅需数分钟的检查时间,就能使合同问题识全率达到100%,整体效率提升20倍以上。
华为智能流程机器人正在助力鞍钢智慧财务共享中心大幅提升其工作效率。鞍钢集团财务共享平台存在着繁重的重复性工作及海量的非结构化数据,为了将会计人员从基础核算工作中解放出来,鞍钢集团基于华为端云协同智能流程机器人,积极探索其在智慧报账、智能归档、智慧审核等业务场景的应用。以智能报账为例,在过去,鞍钢集团员工报账需每次填写个人信息、发票、收款单位、结算方式、付款账号等20余项信息,平均每单耗时10分钟。引入智能流程机器人后,仅需对必要的3项字段进行修改,即可高效完成报账工作,每单耗时下降至3分钟。同时,智能流程机器人也改善了审核业务人员的操作体验,将审核效率提高70%,同时数据对比准确率达到100%。
华为云持续践行“一切皆服务”,希望把人工智能等全球领先的技术转化为云上的各类服务,让AI像水和电一样,成为新型公共资源,供企业便捷使用。此次华为端云协同智能流程机器人荣获年度创新产品与解决方案大奖,代表了行业对于华为云技术实力的肯定。未来,华为云还将拓展智能流程机器人的应用范围,深耕新产品、新技术、新方案,凝聚生态之力,让智能流程机器人成为企业的得力助手,帮助企业更好地“增智提效”,让更多企业共享数字红利。
好文章,需要你的鼓励
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。