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
文章详细介绍了Character.AI这款主要面向娱乐、角色扮演和互动叙事的AI聊天工具的原理、用户群体、特色功能以及面临的法律与伦理争议,同时揭示了其新推出的视频和游戏互动体验。
上海人工智能实验室研究团队开发了MMSI-Bench,这是首个专注于多图像空间智能评估的全面基准。研究人员花费300多小时,从12万张图像中精心构建了1000道问题,涵盖了位置关系、属性和运动等多种空间推理任务。评测结果显示,即使最先进的AI模型也仅达到41%的准确率,远低于人类的97%,揭示了AI空间认知能力的重大缺陷。研究还识别了四类主要错误:物体识别错误、场景重建错误、情境转换错误和空间逻辑错误,为未来改进提供了明确方向。
思科报告指出,自主型人工智能未来三年内有望承担高达68%的客户服务任务,通过个性化与前瞻性支持提升效率与节省成本,但用户仍重视人与人之间的互动和健全的治理机制。
卡内基梅隆大学研究团队开发了ViGoRL系统,通过视觉定位强化学习显著提升AI的视觉推理能力。该方法让模型将每个推理步骤明确锚定到图像的特定坐标,模拟人类注视点转移的认知过程。与传统方法相比,ViGoRL在SAT-2、BLINK等多项视觉理解基准上取得显著提升,并能动态放大关注区域进行细节分析。这种定位推理不仅提高了准确性,还增强了模型解释性,为更透明的AI视觉系统铺平道路。