(2023年7月6日,北京)日前,著名鞋服行业领军品牌企业福建柒牌时装科技股份有限公司(简称“柒牌男装”)宣布采用领先的IBM业财一体化计划与分析平台 Planning Analytics (PA),作为柒牌男装全面预算管理项目的核心软件技术。该项目涉及柒牌男装的财务、人资、运营、IT 等多个业务条线与系统数据,旨在释放各种类型业务数据的价值,获得更多的业务洞察与预见性,通过智能化的预算管理,使企业上至集团的战略规划下至某个店铺的运营,都能获得应有的效率。
柒牌男装董事长洪肇设在项目启动会上发言(照片由柒牌集团提供并授权使用)
柒牌男装董事长洪肇设在项目启动会上表示:“所谓管理,道理很简单,就是要管好人财物这三件事,而科技是赋能管理的核心要素。此次实施全面预算管理项目,就是为了落实我们以客户为中心的战略,所以这个项目不是一个财务的管理系统,它关系到我们人财物的管理。管理必须要做到:公平公正公开、合情合理合法。要做到这几点,就需要做好全面预算。对于这个项目和技术的选择,我们前期做了非常认真的准备和比较,最终选择了IBM 业财一体化计划与分析平台这一软件技术,选择了普华永道作为项目的系统集成商。我认为要把项目做好必须做到“五行”:业务先行、信息同行、采购一起行、相关部门随后行、经营管理跟着行。除了相关业务线的高管带头与IBM与普华永道的专家一起携手把这个项目建好,我本人也会全力支持。“
柒牌集团副总裁(战略)王克亮在项目启动会上发言(照片由柒牌集团提供并授权使用)
柒牌集团副总裁(战略)王克亮表示:“全面预算是一项系统工作,从战略到目标到执行,层层承载。该项目是为了落实柒牌男装以客户为中心,全面质量管理提升的整体战略,可以说是承载了企业的未来,也是我们从信息化步入数字化与智能化时代的一个重要支点。所以说在选型的过程中,我们考虑的是选最好的产品、选最好的团队,包括我们的内部团队和外部专家团队,大家将密切配合共同去实施这个项目。因为系统再先进也只是一个系统,如果我们起初的数据不够精准,规则设定不够科学,流程不够顺畅,都会让这个系统的效力打折,所以这也是为什么我们整个项目团队涵盖了众多部门,从总部到分公司,到我们的每一家店铺,都会参与到项目当中,与外部专家一起通力合作。“
IBM大中华区数据与人工智能技术总监刘胜利在启动会上发言(照片由柒牌集团提供并授权使用)
IBM大中华区数据与人工智能技术总监刘胜利在启动会上分享道:“非常感谢柒牌男装对于IBM在企业级AI领域的技术优势与经验的认可。 IBM 业财一体化计划与分析平台Planning Analytics(PA)是IBM持续投入的核心软件产品,每年研发投入达1.4亿美金,有着非常清晰的产品路线图和按月的持续迭代更新。产品在30多年的发展历程中,在全球100多个国家有超过7800个大型客户案例,在国内的各类制造行业、地产、消费品、连锁经营等行业有很多成熟案例。 目前AI能力已全面融入PA产品中,在混合云时代,产品同时支持基于OpenShift的容器云部署和on-prem的本地部署方式;业务人员和各部门的计划经理无需具备深厚的技术知识也能轻松地使用。此次能够为柒牌男装这一鞋服行业的领军企业服务,我们感到非常荣幸,同时我们也有足够的信心,全力支持好柒牌男装和实施方在项目设计、部署、开发、上线和使用阶段用好PA产品,加速全面预算项目业务价值的实现。“
据悉,柒牌男装此次启动构建的全面预算管理系统预计于2023年年底建成上线,以实现不同业务系统的互联互通,从而释放各种类型业务数据的价值,助力企业管理者获得更多的业务洞察与预见性,开启柒牌男装数智赋能,“预”见未来的新征程,提升效率,增强企业的竞争力。
好文章,需要你的鼓励
Snap 推出 Lens Studio 的 iOS 应用和网页工具,让所有技能层次的用户都能通过文字提示和简单编辑,轻松创建 AR 镜头,包括生成 AI 效果和集成 Bitmoji,从而普及 AR 创作,并持续为专业应用提供支持。
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。