ZDNet至顶网软件频道消息: 近日,用友优普首届年会暨新品发布会在北京正式拉开帷幕。会上,优普方面表示未来将打造一个全新的“企业空间”,该空间将具备社交化、移动化等多种特征。而针对企业社交化未来的发展等诸多问题,记者采访了用友优普公司助理总裁傅毅。
用友优普公司助理总裁傅毅
以业务为驱动才是真正企业社交
作为一家传统的管理软件厂商,多年来用友始终定位比较清晰,而现如今,随着移动化和社交化趋势的增强,作为独立运营中端市场的用友优普公司也逐渐开始在这两方面发力。那么站在优普的角度到底是如何理解企业社交化的发展?
对此,傅毅表示,社交化本身也是最互联网化的体现。企业社交化在国内市场已发展多年,虽然有不少厂商的参与,但客观来看,目前企业社交化应用均不算成功。企业社交化应用与个人社交化应用存在本质区别,个人社交化应用是以碎片化和兴趣作为驱动,但企业社交化最关注的是企业应用的完整性和数据完成性,一旦违背企业应用的数据一体化、移动一体化规律,企业社交是很难成功的。在这样的大背景下,一定要立足于一体化的角度去考虑企业社交化。
那么到底什么样的社交化应用才是真正的企业社交化呢?傅毅强调,用友优普搭建全新的企业空间,这一空间概念更多是虚拟企业的概念,它比一般的社交圈、群组范围大,客户的聚合存在一定的层次性。例如,可以分为集团和公司级的空间,也可以是虚拟事业部类型的空间,同时还可以是在企业外部与合作伙伴所搭建的空间。这样的空间平台架构从根本上决定了用友优普的企业空间是为了满足企业社交的四个层次,即第一实现企业基础的沟通和第二保证基于任务、项目、时间等的协作。但这两者的实现也只是在最大限度上实现了协同能力和基础沟通顺畅,对于企业社交化应用本身而言远远不够。真正的企业社交化是要实现第三个层次——建立以业务为驱动的企业社交,即社交化要深入融入到企业业务的各个层面,通过业务的助推驱动企业社交真正落到实处。第四个层次是基于社交的数据服务。
只为中型企业社交化协作管理成功
两年前,用友的企业空间曾一度引起了大家的广泛关注,而那一阶段更多立足于集团层面进行社交化的推广。现如今,企业空间被放置在面向中型企业用户的优普公司。那么这两者到底有何区别吗?
对此,傅毅分析到,当前企业互联网市场供应商必然是跨界供应商,即既要懂得管理软件又要熟悉业务,不同的商业模式背后也必然会催生出一些具有互联网基因的公司,成功实现跨界。而这种公司最重要的职能是帮助企业以数据为中心驱动企业业务发展,将企业内外部数据壁垒打通。而用友无疑具备这样的条件和土壤。
而将企业空间放置在优普公司,更多源于产品架构本身所具备的的适应性。该架构产品即可联系伙伴,还可以直接面对客户,对等公司也可开展网状协作,形成自上而下的垂直体系。而这恰恰是中型企业具备的特征。中型企业门店基本采用网状结构模式。因此,在一定程度上企业空间更适合让中型企业社会化协作管理取得成功,这也是我们此次将其纳入优普的根本原因。同时,傅毅还表示,重新启动企业空间,并对其进行相关的技术改造,可以最大限度地促使不同层级的协作进行任意基于聚合需求的组合。
全新应用架构让社交价值得以扩展
而为了满足企业社交任意聚合,本次用友优普首届年会还发布了USMAC企业互联网应用架构,其中S部分更是引起了优普高层的普遍重视。
据了解,在10月份优普即将发布的U9v3.0里,企业空间就会完全把ERP融合的方式体现出来。在傅毅看来,企业社交一旦实现USMAC全过程的打通和协同,才能真正创造更大的价值。同时,USMAC所强调的整体性,通过与U8、U9的深度集成,才能在全新的应用模式下让企业社交得到最大限度推广。
对此,傅毅还列举了形象事例:一家年销售额过十亿的中型企业,上下游供应商和渠道伙伴数以百计,通过用友优普提供项目协同的企业空间,无论项目设计、采购还是销售,均可在企业空间上进行上下游的协作管理。
傅毅还表示,用友优普还可以借助合作伙伴利用自身的社交平台去拓展更多领域的数据一体化解决方案。而这一方面的实现不得不提及的是用友优普基于USMAC企业互联网应用架构还提供了统一的数据开发接口服务OPEN API,即开放的数据通道,一方便保证平台能够接入更多优秀的第三方企业互联网应用服务,同时还方便企业同时应用第三方企业提供的互联网应用,实现企业内外数据的优质互换,彻底打通企业互联网化的最后一公里,将企业原有数据资源价值最大化。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。