2012年,赵沣伟怀着对技术的热忱与对未来的想象,创立了端点科技。那时,他们只是一个小团队,却怀抱着用技术改变行业的坚定信念,而且他们的第一个客户就是行业巨擎“海尔”。
这一步不仅意味着进入更广阔的生态,也意味着接受全新的挑战与考验。之后的时间,他们探索着如何与巨头协同作战,同时保留自身的创新动力。
几年来,公司几乎每年都在重构产品与平台,试图找到真正合适并正确的技术路径。
直到2022年底,迎来阶段性突破。端点科技看到,长期以来,企业内部系统往往存在多样化、异构化的问题,导致架构复杂、管理混乱。端点科技希望通过一套统一的体系“ERP”,帮助企业打通内部各类平台,实现业务的全面承载。
伴随着新技术的不断涌现,端点科技也开始AI的初探,希望将其嵌入产品底层,为ERP系统注入全新的生命力。
今天,经过十余年的打磨与试错,这套体系已经成型并在云栖大会上发布了AI原生ERP,这也将引领ERP进入一个,以AI为核心的技术创新与行业价值跨越时代。
AI原生ERP,让企业管理真正沉淀到软件之中
随着企业智能化进程加速,ERP作为“企业操作系统”的需求愈发强烈。以流程为中心的传统ERP显然难以满足新时代的要求,企业亟需实时智能分析、业务自动化与跨生态整合能力。
但这也意味着,未来的ERP必须具备低代码开发、智能助手和跨平台集成等核心能力。
AI正在重塑所有产品,ERP也在其中。在端点科技看来,AI时代的企业管理软件必须完成一次彻底的角色转变,从传统的支撑工具,跃升为企业运营的智能中枢。
端点科技得出的结论是,面向未来的企业管理系统需建立在三大核心支柱上:支持快速研发的技术底座,以ERP为核心的标准化产品,以及与AI深度融合的智能体系。
这也有了端点科技AI原生ERP的亮相。
端点科技AI原生ERP,不是在原有ERP系统上附加AI功能,将AI停留在检索、摘要、问答等环节,而是基于AI从底层逻辑重塑系统架构,让系统在企业级风控与可追溯机制下,自主完成从洞察、决策到执行的闭环流程。
具体而言,其具备了六大核心能力、能交流:说人话,无障碍沟通企业管理的需求和问题;能思考:会钻研,分析海量经营数据并生成洞察;能决策:够专业,主动给出风险预警和改善建议;能协同:有行动,针对决策结果协同员工完成工作;能成长:当人管,成为内部员工共担目标并不断成长;能信任:可控制,一切行为均可掌控并适配企业。
端点科技ERP产品总监赖允春强调,端点科技AI原生ERP并非简单的“AI+ERP”,而是利用AI的认知、推理和决策能力全面驱动企业运营的智慧管理平台。
在AI原生ERP的多智能体架构中,端点科技提出了一个全新概念“AI顾问矩阵”。这一架构以ERP核心系统为中枢,构建起由多个AI智能体组成的顾问网络,覆盖战略决策、采购、销售、库存、计划、生产、供应链、财务、市场、人力等全业务链条。
AI顾问就如同企业的智能“员工军团”,它们拥有清晰的组织架构,从顶层的战略顾问、各部门的专业顾问,到深入一线的业务执行顾问。不仅能理解数据、预测趋势,更能主动生成策略建议,推动决策落地与业务执行,实现真正的智能化管理。
端点科技看到,AI带来的最大变化之一,是让企业管理真正沉淀到软件之中,这正是AI软件与传统软件的根本差异。
AI驱动的进化,让ERP成为企业的“自我优化中枢”
有了AI原生ERP,但在面对客户时,AI原生ERP的差异究竟体现在哪里?
在端点科技AI原生ERP发布会上,他们认为最直观的差别在于,软件是否依旧还在处理零散的点状应用,还是已经把整体交给AI完成工作。
更深层的差异在于,软件系统内部是否真正存在一套与企业组织架构相似的AI组织。端点科技的产品中有着有大量AI Agent,这些Agent能够承担起全量功能,让它们成为企业运行的真正“执行者”。
在使用体验上,这种变化更为明显。传统软件依赖繁复的菜单操作,每个功能都要逐层点击。赖允春演示的产品中,交互方式已经完全不同,虽然菜单依旧保留,但大多数交互场景都直接面向AI。
当然,端点科技不否认,每个软件进入企业时,仍然需要一定程度的定制化。但过去依赖于大量代码修改或复杂配置,如今则转变为对AI Agent的配置与调整。标准化功能将保持稳定,真正需要调优的只是AI Agent的能力。
比如,当AI Agent被要求完成一个复杂任务时,最初执行可能需要消耗70多万个Token、耗时100多秒。但完成后,它会主动询问是否要将该任务固化为一个工具。若选择生成工具,后续执行同一任务只需3秒,消耗也大幅降至约5000个Token。这意味着,软件本身具备了“自我优化”的能力。
在这样的架构下,未来流程优化策略完全可以交由AI去驱动。端点科技的目标是,企业在交付软件的那一刻起,几乎无需人工调整,即便后续需要适配,也仅仅是对个别AI Agent的优化。随着系统自我学习、自我优化的不断演进,尤其是在流程管理层面,人工干预将逐步减少。
目前端点科技主要有两大类客户,一类是已经在行业中具备一定体量的中大型企业;另一类则是正处在高速增长阶段、营收规模即将突破关键瓶颈的企业。赖允春指出,端点科技的客户大多位于产业链的关键环节,覆盖了生产制造商、品牌商、渠道商,他们需要在一个平台里将产业链上下游的伙伴进行拉通,共同完成任务。
未来,借助一套统一的体系打通内部平台,实现业务的全面承载,不仅是规模化企业的迫切需求,更将在相当长的时间里成为所有企业的核心命题。
经历过无数次推倒重来与不断试错,端点科技如今希望,让企业能够借助其产品真正实现这一目标,并在全面引入AI的过程中释放出前所未有的管理效率与业务价值。
好文章,需要你的鼓励
Anthropic发布了面向成本敏感用户的Claude Haiku 4.5大语言模型,定价为每百万输入令牌1美元,输出令牌5美元,比旗舰版Sonnet 4.5便宜三倍。该模型采用混合推理架构,可根据需求调整计算资源,支持多模态输入最多20万令牌。在八项基准测试中,性能仅比Sonnet 4.5低不到10%,但在编程和数学任务上超越了前代Sonnet 4。模型响应速度比Sonnet 4快两倍以上,适用于客服聊天机器人等低延迟应用场景。
上海AI实验室联合多家顶尖机构开发出全球首个科学推理大模型SciReasoner,该模型在2060亿科学数据上训练,支持103个科学任务,能够像科学家一样进行逻辑推理并展示思考过程。它实现了化学、生物学、材料科学等多领域知识整合,在分子设计、性质预测、文献分析等方面表现出色,为科学研究提供了强大的AI助手工具。
英国初创公司Nscale将为微软建设四个AI数据中心,总计部署约20万个GPU,合同价值高达240亿美元。首个数据中心将于明年在葡萄牙开建,配备1.26万个GPU。德州数据中心规模最大,将部署10.4万个GPU,容量从240兆瓦扩展至1.2吉瓦。所有设施将采用英伟达最新Blackwell Ultra显卡。
南洋理工大学研究团队开发出SHINE方法,这是一种无需额外训练就能实现高质量图像合成的新技术。该方法通过巧妙引导现有AI模型的潜能,能够在复杂光影条件下完美合成图像,包括准确的阴影生成和水面倒影效果。研究团队还创建了ComplexCompo基准测试集,验证了SHINE在各种挑战性场景中的卓越性能,为图像编辑技术的发展开辟了新方向。