近年来,随着全球经济进入数字化时代,智能技术在世界范围内高速发展,越来越多的行业已开始谋求数字化转型,以节省成本提高效率。其中,传统汽车行业也面临着工效联动和数字化转型的双重挑战。
同时,随着机器人流程自动化技术在中国迅速发展,许多行业期待通过标准化和自动化技术提高业务流程效率,改善客户服务体验,保持卓越的行业竞争力,这在汽车行业表现得更为迫切。而作为广东汽车产业的龙头企业之一,广汽本田也一直勇于探索新技术,积极推动业务流程升级,以实现企业数字化转型。
降低运营成本,自动化促进流程再升级
目前,广汽本田作为汽车行业领先企业,存在众多繁杂的手工业务,在一定程度上增加了公司的运营成本,主要体现在:
为此,广汽本田特与UiPath达成合作,重点以机器人流程自动化技术为核心,全面启动了企业的数字化转型战略。
分期规划部署,促进业务效率全面提高
在广汽本田信息技术部的主导下,此次自动化项目共分为三期。自三期项目推行以来,现已覆盖了技术、IT、发展、物流、生产、质量、销售、财务、采购、市场等多个领域。

同期,在自动化项目整体部署中,广汽本田还极具创新性的使用了流程自动化驾驶舱的管理方案。流程自动化驾驶舱共包含:流程发现;流程评审;机器人创建;机器人运行与运维四大阶段。流程自动化驾驶舱的搭建,不仅使自动化管理人员可以通过各种常见的图表/数据,直观地了解到流程自动化运营的关键指标,更可以帮助管理者检测自动化部署情况,并对异常关键指标进行预警和分析。通过7个审核点的设立,广汽本田即可更快捷、更系统性的实现流程自动化管理,进而更充分的助推三期自动化项目的落地与实施。

利用机器人流程自动化,广汽本田企业内部现在已不仅实现业务数字化,还打通了产品端到端的价值流,将各部门信息系统有机连接在一起;更实现了高效稳定的自动化重复工作,促进更好地利用数据来精简内部业务运营,改进现有工作流程,提高整体效率,有效降低企业成本。
通过实施一期和二期自动化项目,经技术优化后的业务部门,人员工时均有显著减少。并且,业务的准确率和效率也大幅度提高,机器人流程自动化解决了数据提交、报表整理与沟通等问题,这使多部门人员从沉冗的日常工作里面释放出来,回归到更有价值的位置。其中,规格管理科的效果最为显著,节约1964小时/年,2021年已减少招聘一名管理人员。让人更加惊喜的是,经过机器人处理过的结果也几乎都是准确的,不需要“二次返工”。
而在广汽本田完成三期自动化项目搭建后,通过机器人的改造,进一步提高了各部门业务处理效率200%,更促使后续业务提升时效且准确率达100%。例如在人力考勤方面,运用机器人流程自动化后每天可节约45小时。同期,在数据层面,RPA结合AI技术,机器人流程自动化帮助企业优化人员工作、提升数据时效性,减少沟通成本,实现了业务自动化。自动化技术的加入,加强了企业数据业务的规范性,使业务更具有黏合性与连接性。提升了工作流程的标准化与及时性,让数据溯源有迹可寻。

总体而言,自动化技术有效促成了各类专业工业软件集成互联,为企业节约了大量人力与时间成本。广汽本田三期项目累计节约7349小时/年,共涉及40个业务流程。同时,三期项目中已培养出共26名种子选手,学员人数也从最初的40人增长至270人,目前仍在不断增长中。
深化智能应用,加速广汽本田数字化转型

广汽本田信息技术部RPA项目负责人王充表示,自动化不仅仅是一个项目也是一场持久的数字化战役。借助UiPath的自动化技术,广汽本田正迎来数字化转型的新契机。这次依靠UiPath成本适中、上手简易、性能强大的产品,以及公司自身“疾速行动”的行动方针,企业内部全面扩大了其自动化的影响力,让更多员工参与到具体实践中来,为后续持续提高公司在数字化领域的转型升级工作做好了铺垫。

未来,信息技术部将组建数字化团队,统筹推进自动化事项,协助业务部门积极开展相关的开发培训,孵化各部门种子选手,为业务赋能,挖掘与开发100+流程,实现超过85%的流程由员工自主开发。为公司培养更多的数字化员工,节省更多工时,提升更高的准确率,加速企业转型、提高业务灵活性及弹性,改善流程合规与治理。利用数字化员工,优化业务流程,提升业务效率,从而加速自身数字化转型步伐。
当下,在新一轮科技革命和产业变革的背景下,UiPath自动化平台已成为广汽本田数字化和智能化转型的抓手之一。广汽本田将深化与UiPath的合作,持续探索与优化应用场景和流程,为企业提供更多稳定、高效、易用的数字劳动力,解决当下数据爆炸带来的数据输入、处理等难题,赋能广汽本田更高效便捷的智能化运营,提升广汽本田在行业中的核心竞争力。
好文章,需要你的鼓励
随着AI广泛应用推动数据中心建设热潮,运营商面临可持续发展挑战。2024年底美国已建成或批准1240个数据中心,能耗激增引发争议。除能源问题外,服务器和GPU更新换代产生的电子废物同样严重。通过采用模块化可修复系统、AI驱动资产跟踪、标准化数据清理技术以及与认证ITAD合作伙伴合作,数据中心可实现循环经济模式,在确保数据安全的同时减少环境影响。
剑桥大学研究团队首次系统探索AI在多轮对话中的信心判断问题。研究发现当前AI系统在评估自己答案可靠性方面存在严重缺陷,容易被对话长度而非信息质量误导。团队提出P(SUFFICIENT)等新方法,但整体问题仍待解决。该研究为AI在医疗、法律等关键领域的安全应用提供重要指导,强调了开发更可信AI系统的紧迫性。
超大规模云数据中心是数字经济的支柱,2026年将继续保持核心地位。AWS、微软、谷歌、Meta、甲骨文和阿里巴巴等主要运营商正积极扩张以满足AI和云服务需求激增,预计2026年资本支出将超过6000亿美元。然而增长受到电力供应、设备交付和当地阻力制约。截至2025年末,全球运营中的超大规模数据中心达1297个,总容量预计在12个季度内翻倍。
威斯康星大学研究团队开发出Prithvi-CAFE洪水监测系统,通过"双视觉协作"机制解决了AI地理基础模型在洪水识别上的局限性。该系统巧妙融合全局理解和局部细节能力,在国际标准数据集上创造最佳成绩,参数效率提升93%,为全球洪水预警和防灾减灾提供了更准确可靠的技术方案。