距离中国制造2025战略的提出,已经过去3年。这3年,是全行业加速迈向智能制造的重要3年。期间,一批智能制造示范企业涌现而出,福耀玻璃工业集团(以下简称“福耀玻璃”)便是其中之一。
福耀玻璃作为全球数一数二的汽车玻璃制造企业,不仅在国内占据了近三分之二的市场份额,还在全球的9个国家设有工厂或子公司,市场份额达到25%。如今,包括奔驰、宝马、宾利、奥迪、通用、克莱斯勒、大众、丰田、本田、路虎等在内的全球汽车制造商的汽车玻璃及产品解决方案几乎都由福耀玻璃提供。
几年之前,与大多数传统制造企业一样,福耀玻璃也曾一度陷入到产能过剩、成本飙升和互联网及数字化冲击带来的“漩涡”中。但是在2015年中国制造2025战略颁布的第一时间,福耀玻璃董事长曹德旺就当机立断确立了“让工业4.0落户福耀”的智能工厂战略,这为集团的转型升级定下了非常重要的基调。
2016年,福耀玻璃凭借着柔性制造的转型成果获批了工信部智能制造首批试点示范单位,成为中国制造2025典型代表企业。
据福耀玻璃副总裁兼CIO夏乐冰介绍,在转型过程中,需要全面应用AI、大数据、工业物联网等数字技术提升产品、服务和质量,提升生产制造的效率,提高产品的智能化。而这也意味着整个IT基础架构必须做出调整。
福耀玻璃副总裁兼CIO 夏乐冰
“过去的IT只是一个工具,大多都是单独的系统。现在IT的作用已经不止于此,它涉及从研发、设计、工艺,制造、到场景实现及管理的各个方面,同时,还覆盖了从预算制定到客户服务等每个环节。这就要求每个IT系统都必须打通。”夏乐冰对记者说。
然而,整个集团内部涉及上百套异构系统,要打通这些系统就要做大量的集成工作。“比如光是ERP系统我们就有六、七种,仓库管理系统也有七、八种。如果对这上百套的系统做传统的集成,就会产生巨额的成本,而且连接点越多,复杂性就越高,可靠性和稳定性就越差。”夏乐冰表示,“因此,我们希望能够借助一个支撑全球化的云化架构,来把福耀的生产和管理提升到一个更高的层次。”
于是,福耀玻璃选择了甲骨文全套的SaaS解决方案,包括人力资本管理云、制造云、财务云、客户体验云等等,并在此基础上对原有的基础架构做梳理和优化,从而打造能够支撑全球化、财务一体化的架构。
事实上,早在1992年福耀玻璃就开始使用甲骨文的ERP、数据库,并在之后陆陆续续增加了很多产品,比如Oracle Hyperion预算解决方案、Oracle CRM、Oracle BIEE(Oracle Business Intelligence Enterprise Edition)等等。
而此次合作的重点主要体现在SaaS层面,涉及100多个模块。以对外报价为例,通过使用Oracle CPQ智能报价模块,就能基于配置型进行报价,使得原来非常复杂的算法报价方式变得简单许多。另外,在制造云方面,甲骨文的智能仓库管理系统WMS能够支持移动端应用、AGV、自动化仓储,这也是福耀玻璃非常需要的。
夏乐冰表示,福耀玻璃看上的是甲骨文在智能制造和IT领域全球领先的技术能力,以及多年来在管理软件方面积累的经验。而同时,在SaaS层面,甲骨文提供的也是最全面的产品集合。 “对于软件系统,甲骨文有非常友好的接口,便于做集成。当然甲骨文在高级供应链方面也非常专业。我们希望通过此次合作,帮助福耀玻璃更快、更好地转型。”他说。
谈及许多企业关注的软件定制化问题,夏乐冰则认为,中国企业其实应该去学习国际上的标准流程和最佳实践,尽量减少二次开发。“这已经是福耀玻璃内部形成的共识,我们甚至希望不去开发一行代码,即使最初操作与原来不太一样,也先选择适应,而不要把一个系统改得‘面目全非’。经过多年来的实践,我们发现,一旦一个项目二次开发的程度超过20%,未来的维护量就会增大很多。”
如今,基于统一的数据云,福耀玻璃大大减少了原来的集成工作量,极大缩短了实施周期和维护成本。同时,这也提升了整个集团的管理水平,提高了IT投入的价值。
夏乐冰强调:“借此,我们就有更多的时间去生产更优质的产品,去服务我们的客户。当然,我们也希望能与甲骨文展开进一步的合作,把福耀玻璃做成全球智能制造管理的典范。”
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。