——制造企业采用IBM App Connect打败应用集成“拦路虎”
(2023年11月15日,北京)IBM宣布,携手合作伙伴中科斯欧(合肥)科技股份有限公司(以下简称“中科斯欧”),基于IBM Cloud Pak for Integration(CP4I)上的企业应用集成服务总线组件App Connect软件,已经成功为翰博高新材料(合肥)股份有限公司(以下简称“翰博高新”)的滁州试点构建了一个敏捷、轻量的云原生应用集成平台,为翰博高新的智能化发展之旅奠定了基础。
翰博高新是国内液晶显示面板重要零部件背光显示模组一站式综合方案提供商,集光学设计、导光板设计、精密模具设计、整体结构设计和产品智能制造于一体,致力于成为半导体显示行业首选合作伙伴。随着翰博高新将生产基地在合肥、重庆、广州和滁州等城市的铺开,并上市成为科创板“新贵”,公司进入全新发展阶段,数字化、智能化成为其转型升级的主旋律。
企业系统庞杂,信息孤岛现象显著
过去,随着公司的发展,翰博高新先后开发部署了ERP、MES、OA、WMS、HR、PLM、SRM和关务系统等多种“各司其职”的国产信息化管理系统。随着公司进入新的发展阶段,公司各个业务流程须加强协作,实现从产品设计、生产、物流、销售等多环节多业务角色的紧密配合和上下游联动,从而做到订单的快速交付,实现业务价值最大化。
然而,多种相互独立的管理系统,往往导致业务环节流转过程低效,相关风险无法快速识别,订单交付周期漫长。各个业务环节之间无法实现无缝连接、快速预警,以及全流程的可视化、可追踪。产供销全流程的跨系统数据集成与统一,是翰博高新在数字化转型过程中的核心痛点。
然而要打通不同的业务系统,在技术实施层面存在很多困难。一方面,部分早期部署的系统接口过于老旧, 不符合当前流行的通讯协议,并且相对比较复杂, 点对点传输模式导致耦合度太高。另一方面,一些系统接口是相互重复且无法识别的, 相关的历史代码或已遗失或根本无法阅读。没有统一的接口标准和规范, 新上线系统接入困难。此外,未做到统一集成, 公司内也不能实现互联互通和信息共享日志。
企业选择恰当的技术与伙伴,打败“技术拦路虎”,实现业务数据的流转互通
面对“技术拦路虎”,翰博高新基于对云原生和现代化部署方式的需求,选择了IBM Cloud Pak for Integration当中的企业应用集成服务总线组件App Connect软件,以最新建设的合肥滁州生产基地作为部署App Connect的第一站,来构建能够快速连接企业系统内任何地方的所有应用程序和数据的集成平台。
在项目推进的过程中,IBM团队与合作伙伴中科斯欧携手为翰博高新提供支持。中科斯欧是国内一家深耕于工业互联网和智能网联汽车两大赛道的国家高新技术企业,也是“智能制造、工业互联”领域国家标准制定者。IBM客户成功团队发挥其尖端的技术与人才优势,在架构设计、资源配置等方面积极赋能中科斯欧,中科斯欧负责接口开发与总体实施,再由IBM负责部署至测试和生产环境中,合力为翰博高新创造切实的业务价值——构建起可快速连接企业系统内任何地方的所有应用程序和数据的集成平台。
IBM App Connect是业界领先的SaaS集成解决方案,可连接客户处于任何地方的所有应用程序和数据。通过部署IBM App Connect,翰博高新将其生产、管理、运营、研发、销售等不同部门的不同系统轻松对接起来,解决了系统之间接口混乱的问题, 实现敏捷且轻量的应用集成,不仅消除了信息孤岛,还省去很多为系统集成而立项和实施的费用。
全新的集成平台还具有以下独到优势:
翰博高新基于IBM App Connect的全新业务集成平台已于2023年8月底正式在滁州工厂上线运转,成为企业推广到其它基地的数字化样板间。此外,基于CP4I平台,IBM未来将与合作伙伴携手共创,为翰博高新探讨更多开放性、云原生化、微服务和容器化的集成平台,例如API Connect等,同时提供内置的AI以及混合云部署能力及全方位的云技术支持。
翰博高新信息管理中心助理中心长杨浩表示:“在IBM客户成功团队的帮助下,中科斯欧仅仅用了三个月的时间,就成功利用IBM Cloud Pak for Integration中的企业服务总线组件App Connect所提供的可靠的应用集成解决方案, 为我们的滁州试点构建起一个敏捷轻量的应用集成平台,打通了该试点产供销不同业务系统,从销售订单,到供应链管理当中的物料采购、付款、客户及供应商的主数据,甚至是内部OA系统里的内部报销等,实现了全方位的数据统一和透明,为企业运营提供了良好的数据统计、分析和监控能力。"
好文章,需要你的鼓励
在AI智能体的发展中,记忆能力成为区分不同类型的关键因素。专家将AI智能体分为七类:简单反射、基于模型反射、目标导向、效用导向、学习型、多智能体系统和层次化智能体。有状态的智能体具备数据记忆能力,能提供持续上下文,而无状态系统每次都重新开始。未来AI需要实现实时记忆访问,将存储与计算集成在同一位置,从而创造出具备人类般记忆能力的数字孪生系统。
中国人民大学和字节跳动联合提出Pass@k训练方法,通过给AI模型多次答题机会来平衡探索与利用。该方法不仅提升了模型的多样性表现,还意外改善了单次答题准确率。实验显示,经过训练的7B参数模型在某些任务上超越了GPT-4o等大型商业模型,为AI训练方法论贡献了重要洞察。
OpenAI首席执行官阿尔特曼表示,公司计划在不久的将来投入数万亿美元用于AI基础设施建设,包括数据中心建设等。他正在设计新型金融工具来筹集资金。阿尔特曼认为当前AI投资存在过度兴奋现象,类似于90年代互联网泡沫,但AI技术本身是真实且重要的。他承认GPT-5发布存在问题,并表示OpenAI未来可能会上市。
南加州大学等机构研究团队开发出突破性的"N-gram覆盖攻击"方法,仅通过分析AI模型生成的文本内容就能检测其是否记住了训练数据,无需访问模型内部信息。该方法在多个数据集上超越传统方法,效率提升2.6倍。研究还发现新一代AI模型如GPT-4o展现出更强隐私保护能力,为AI隐私审计和版权保护提供了实用工具。