新型冠状病毒感染的肺炎疫情发生后,“菜篮子”问题一直受到持续关注。
一头是农民,农产品滞销,愁眉苦脸;一头是居民,买不到新鲜蔬菜,生活难上加难,“菜篮子”堪忧。如何把粮油、蔬菜、肉蛋奶等生活必需品送到居民身边,打通生产、流通到供应等各个环节?如何实现二者之间的精准对接?疫情当下,一场争分夺秒的全链条接力赛,开始了。
产销对接
“受疫情影响,有些地区出现农副产品滞销的问题,东西卖不出去,百姓干着急,我们针对这种情况,做了专门的工作。” 任职于某农产品供应链公司的老赵说。面对民生所需、所盼,该公司通过线上营销、技术服务等手段助力”粮安民安”。 比如,该公司打通了从上游基地,到政府采购、企业食堂等下游渠道,实现产销对接。
看起简单的交易流程,折射出该农产品供应链公司在这场“接力赛”中,构建全产业链的种种尝试。其农产品的线上交易平台,采取社交电商的方式,将滞销农产品与疫情区城市消费实现精准对接,打通农产品流通“最后一里”。
其实早在三年前,农业农村部、商务部印发的《关于开展“农商互联”工作的通知》中,就点明了要实现“五联”(联产品、联设施、联标准、联数据、联市场)和“三通”(通乡村振兴、通内外市场、通品牌质量、通源头可溯,通模式创新)。这都表明农商正打破传统边界,特别是疫情期间,上联生产、下联消费,把“菜篮子”顺利送到百姓身边。接力赛这一棒,该农产品供应链公司正努力“拿得更稳,也拿得更准”。
信息化加码
疫情当下,正是考验每个企业的数字化能力的时候。“我们公司在做好防控疫情的同时,也在不断积极探索信息化之路,摸索创新工作模式。“老赵告诉至顶网记者。
“互联网+”时代进行信息化建设,是该农产品供应链公司的“必备功课”之一,也成为其加速数字化转型的重要驱动力之一。长期以来,该某农产品供应链公司在信息化方面有着持续地投入,起码设备够“硬”、够扎实。例如,成立了相应的技术支持公司,自行搭建机房和大数据中心,还有对外提供服务的公有云等等。
“我们基础的IT建设基本上还是比较到位的。”老赵说,这为此次远程办公提供了很好的支持。响应政府“有序复工、远程办公”号召,该公司70%员工实现远程办公。能用线上解决的,就在线上。
“部门开会时,常用微信。这样比较快速。当然,除了微信,有时候也会使用腾讯会议,比微信效果好,不卡,收声好。” 老赵表示,其参加的会议通常四五个人,人少,这些常用的软件已经够用,可能半个小时二十分钟就可以结束会议,没必要去用一些专门的软件或者会议软件和设备。
以OA系统办公为例,“我们把一些具备线上协同或者线上审批的一些东西,比如公文收发,都放到线上了。特别是业务层进行电子签约、电子签章等流程,已经开始走信息化的路。” 老赵说。不过,由于国企的特殊性,总有一些工作绕不开线下。举个例子,红头文件不是email,需要有人做签发或者是处理印章,在这方面还不能完全做到线上化。
针对远程协作需求,老赵认为目前没有特别好的解决方案。该公司的办公地点比较多,各个团队的差异化比较大,也很难集中起来,“像现在的每天疫情上报,包括一些信息的汇总,人员的出行的跟踪,这个部分现在我们没有太好的解决方案。”
“这次疫情突发的情况,能给我们未来的业务方面,有哪些启发?”最近一次内部开会上,该公司抛出了这样的一个问题。
云资源得天独厚,且有国有企业的信用背书及良好的政府、运营商关系,显而易见,在未来的云服务领域,该公司自然不会缺席,并希望承担更重要的角色。“我们虽然有公有云,但是基本上还都是内部在用,所以我们还是希望今后业务的发展空间,更多发展在对外上。”老赵告诉记者。
从基础到行业,再到产业,在这样的全链条接力赛道上,该农产品供应链公司跑得快,也要带着类似企业一起跑。就像老赵在采访最后说的,“我们作为一家‘不是那么纯粹的互联网企业’(国有企业背书),期待能够解决像我们类似企业的特殊需求,变成解决方案的提供商,做输出,这个方向还是可以尝试的。”
好文章,需要你的鼓励
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。