9月8日,主题为“新IT 新引擎”的第七届Techworld联想创新科技大会于线上启幕。在本次大会开设的“新IT时代,企业智能化转型之旅分论坛”上,联想创投董事总经理、首席营销官陈蜀杰与联想创投成员企业数码大方副总裁陈卫东、联想云科技客户成功副总裁张跃华、弘玑Cyclone首席产品官贾岿、懂的通信副总经理倪晓林等业务负责人齐聚一堂,深度剖析了数字时代企业智能化转型的痛点,并共同为企业的数字化、智能化转型提供了新思路。
新IT时代,企业智能化转型之旅分论坛现场
RPA关注的是人的技能如何被数字化
智能化变革已渗透到企业经营生产的方方面面,跨部门、跨平台的“协同”能力成为推动各行各业数字化、智能化转型的关键,而基于产品的个性化、差异化服务方案,也成为了企业智能化转型的重要驱动力。
弘玑Cyclone首席产品官贾岿博士
弘玑Cyclone首席产品官贾岿博士谈及Cyclone RPA如何通过智能的数字工具和技术,帮助企业穿针引线,大大提升企业整体效率时表示,进入数字时代,企业里的人、各种各样的IT系统、生产制造的OT系统等核心生产力和生产材料,都会以数字化的方式连接起来,并以智能化的手段进行决策和运营。RPA是以数字化而非信息化视角重新理解定义企业里人与系统的能力与关系,关注的正是人的技能如何被数字化。
作为诞生于数字化转型大潮中的新企业服务软件公司,弘玑深刻地意识到这个行业的巨大机会。目前,弘玑的产品已经突破单一的自动化技术,并通过增强AI的技能平台,具备了各种各样的数据分析能力,也已经开始开发企业级的流程挖掘和智能决策的超级自动化能力。
2021年,弘玑代表中国的RPA厂商进入Forrester Wave并被评为卓越表现者。近日,更凭借产品创新、技术服务及快速增长的全球市场表现入选Gartner魔力象限,获得迄今为止中国厂商在RPA行业魔力象限的最佳位置,这标志着弘玑在中国的RPA赛道处于一个绝对领先的地位,并进入全球一线RPA厂商阵营,有实力与世界顶级的RPA厂商同台竞技。
RPA+AI重构人、系统、软件机器人三元关系
伴随RPA与AI的深度融合,RPA已经不再是一个简单的工具,而是成为了一个具有智慧的“数字员工”,未来数字员工也会成为企业非常重要的生产力。贾岿博士认为,过去RPA主要负责一些发票、报销、Office等桌面级任务的处理,而现在的RPA已经完全融入了业务流程的各个角度。目前,RPA行业正在走向一个快速发展、深入贴近各个业务场景的发展期。
目前企业对非结构化数据的管理要求越来越高,弘玑Cyclone通过“RPA+AI”的策略,让人类的感知级的智能融入核心技术,而随着AI和自动化技术的相互反哺和支持,未来的数字员工也将从一个简单的数字化产品,变成智能化的产品生态。
贾岿博士强调,国内很多大企业客户都有了建设RPA的平台化和服务化的趋势。今年上半年,越来越多的大B企业,在企业级甚至集团级的层面建设RPA数字员工平台,开发速度甚至小范围的超过了国外一些大B客户对RPA的需求。而越来越多的中小微企业客户,甚至是个人客户或微商等,也开始有了大量自动化的需求。
弘玑Cyclone在企业级用户及中小微用户这两条线上都有非常清晰的产品布局,今年下半年会面向普通中小微企业发布一款产品,它会是以“RPA+AI”的远程交付方式,将自动化服务释放给更多普通用户使用。贾岿博士最后指出:“人的技能的数字化和智能化,能够重新构建人与系统和软件机器人的三元关系,推动企业的数字化转型。”
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。