ZDNet至顶网软件频道消息: 4月18日,供应链管理服务提供商浙江宏伟供应链股份有限公司(简称:宏伟工业供应)与IBM全球企业咨询服务部(简称:GBS)共同宣布将携手打造智慧工业供应链云。在此次合作中,基于IBM的全面支持,宏伟工业供应将全面规划和构建统一的供应链信息共享平台,以及覆盖客户企业、供应商、第三方物流及内部员工的端到端协同平台。同时,宏伟工业供应还将利用该平台融入金融服务能力以及供应链专家体系,打通制造业产业链的上下游,全面构建面向制造行业的供应链服务云平台。随着该平台的建成,不仅宏伟工业供应将实现从传统供应链服务提供商向基于云及大数据的供应链服务供应商的转型,而且该平台将成为中国高端制造企业乃至众多中小制造企业获得高效、专业、灵活的供应链服务的核心平台。
浙江宏伟携手IBM打造智慧工业供应链云(左:浙江宏伟董事长吕宏伟,右:IBM全球企业咨询服务部大中华区总经理Nancy E. Thomas)
董事长吕宏伟表示:“在新互联网时代下,新的业务模式与行业规则正在涌现。这为宏伟工业供应带来了难得的机遇。通过此次与IBM的合作,我们将不仅仅搭建一个供应链服务平台,更会打造一种全新的适应新时代下企业供应链服务需求的业务模式。这也正是宏伟工业供应未来发展的方向。”
浙江宏伟董事长吕宏伟
创新科技助力新互联网时代转型
宏伟工业供应成立于2001年,是现代服务业中集产品供应链和服务供应链为一体的具有平台型供应链管理能力的创新发展企业。其主要为我国核电、石油等能源行业和大型高端装备制造业提供定制化的工业物资供应链管理方案。随着市场的快速发展,公司深刻的认识到传统注重流程、效率的供应链管理模式越来越难以满足客户的需求。如何通过IT创新及互联网平台形成更加灵活、高效、整合的业务服务模式。同时,随着云计算、大数据、社交、移动等技术的深入应用,传统供应链行业也正在向以数据为驱动的方向发展。正是深刻认识到这一发展趋势,宏伟工业供应决定与IBM建立长期合作伙伴关系,利用创新技术构建全新业务模式。
在此次合作中,宏伟工业供应将充分利用IBM GBS的丰富行业洞察与技术实践经验,以云计算、大数据技术为核心,全面构建面向未来中国制造企业发展需求的供应链云。
在IBM GBS的全面支持下,宏伟工业供应将建立科学的、标准化的流程体系,打造统一的供应链信息共享平台,实现客户订购、物流、仓储及供应商信息的准确、及时和全面共享;以销售、采购、库存、仓储、物流、结算等端到端业务流程为纽带,建立服务于客户、供应商、第三方物流及内部员工的端到端协同工作平台;梳理和细化销售、采购、库存等各阶段的业务流程和数据交换标准,建立规范化的供应链管理流程和协同工作环境;通过与金融机构的协作,实现供应链电子支付、电子结算功能,并通过供应链金融服务体系的搭建,为中小供应商提供供应链金融服务;通过建立供应链专家体系,为中小企业提供供应链咨询服务。
随着该平台的建设,宏伟工业供应不仅可以实现打通供应链上下游企业,帮助制造业企业实现高效、实时的供应链与原材料质量管理,更可以有效协调下游供货商及时备货、发货,提升整体供应链的运行效率。另一方面,该平台的应用可以使宏伟工业供应将自身的供应链服务从能源与高端装备业向整个制造行业扩展,并为各类制造企业提供了高效、共享的供应链服务平台。随着未来大数据、移动等技术在该平台上的深入应用,宏伟工业供应将形成全新的基于数据的供应链服务体系,全面打造新互联网时代下的工业企业核心竞争力。
让引领供应链管理,助推民族工业的使命凝聚更多的智慧和力量。
好文章,需要你的鼓励
在技术快速发展的时代,保护关键系统越来越依赖AI、自动化和行为分析。数据显示,2024年95%的数据泄露源于人为错误,64%的网络事件由员工失误造成。虽然先进的网络防御技术不断发展,但人类判断仍是最薄弱环节。网络韧性不仅是技术挑战,更是人员和战略需求。建立真正的韧性需要机器精确性与人类判断力的结合,将信任视为战略基础设施的关键要素,并将网络韧性提升为国家安全的核心组成部分。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。
自计算机诞生以来,人们就担心机器会背叛创造者。近期AI事件包括数据泄露、自主破坏行为和系统追求错误目标,暴露了当前安全控制的弱点。然而这种结果并非不可避免。AI由人类构建,用我们的数据训练,在我们设计的硬件上运行。人类主导权仍是决定因素,责任仍在我们。
360 AI Research团队发布的FG-CLIP 2是一个突破性的双语精细视觉语言对齐模型,能够同时处理中英文并进行精细的图像理解。该模型通过两阶段训练策略和多目标联合优化,在29个数据集的8类任务中均达到最先进性能,特别创新了文本内模态对比损失机制。团队还构建了首个中文多模态评测基准,填补了该领域空白,为智能商务、安防监控、医疗影像等应用开辟新可能。