2020年6月18日,SAP全球蓝宝石大会中国峰会系列分论坛正在火热进行中,聚焦智慧企业转型的核心领域——数字化核心ERP、财务、人力资源管理和采购领域,共同探讨后疫情时代下面对新的挑战和机遇,企业的数字化发展之路。 SAP执行董事会成员,SAP首席财务官穆思凯(Luka Mucic)介绍了SAP自身的智慧企业转型之旅,特别是利用SAP的智能技术,迎接疫情挑战,提高韧性,保持业务连续性,实现可持续发展。
智慧ERP,助力企业实现面向未来的数字化转型
“智慧ERP分论坛”聚焦后疫情时代,企业所面临的业务增长和数字化转型的挑战。探讨作为SAP数字化核心的智能ERP S/4HANA,如何助力打造更加精益高效的企业,以卓越体验激发员工和客户的忠诚度,提供云端和本地的部署方式,适应企业灵活个性化的发展。
作为一家已经与SAP合作长达17年之久的全国著名的液体淀粉糖企业,广州双桥股份有限公司信息中心高级主管龙浩宇出席分论坛并表示:“疫情期间除了湖北分公司以外,广州双桥没有停产,只在春节停产一天进行锅炉年检。这得益于SAP S/4HANA Cloud(ERP 云商务套件),完善了企业端到端业务流程全面管控,助力实现了高效的云管理。 阜阳大可新材料股份有限公司电商事业部总经理邵昱也分享了企业转型升级的成功经验,他表示:“阜阳大可借助 SAP S/4HANA Cloud(ERP 云商务套件),完成家居全产业链上云,助力企业成功实现从传统板材业务扩展到高附加值的定制化家居业务。”
智慧财务,打造企业数字化转型的根基
重塑增长是当前绝大多数企业的核心目标,加速实现财务转型、打造智慧财务流程是提升企业竞争力,助力业务发展的重要措施。SAP在”智慧财务分论坛”上分享了如何拉动业财一体化,建立财务共享、打造智能的财务管理能力,实现业财数据融合,打破信息孤岛,提升运营自动化水平和协作效率,帮助企业释放更多业务潜能和价值,为企业的科学决策提供有力支持。
参天制药财务总监金亚在分论坛上表示:“大智移云时代,财务工作重心向价值管理转变,业财一体化趋势明显。参天制药基于SAP Concur平台的智慧费用管理,以数字力量强化了财务运营能力,打开了智慧费用管理新思路。” 小米内审内控总监于喆介绍了小米如何在全球化发展过程中进行风险管控,他表示:“数字化风控管理在小米在全球化发展的过程中起着至关重要的作用。‘1+3+X’ 是小米的数字化风控发展策略。小米依托搭载SAP GRC平台的数字化风控中心,打造三大核心能力多种轻量化应用,解决实际风险问题,为全球化发展保驾护航。”
智慧人力资源,赋能员工提升组织凝聚力
在“智慧HR分论坛”上,SAP与业界大咖、资深学者、企业领袖进行了一场高峰对话,从战略、运营、组织、人才、文化等各个层面全面剖析人力资源数字化转型的成功要素。借助数字化工具,建立符合数字化人才的管理机制是应对数字时代人才管理挑战的必然选择。SAP SuccessFactors 助力企业降本增效,更好地赋能员工,帮助企业打造高敬业度、高凝聚力的组织。
微软大中华区首席转型官赵质忠在论坛上表示:“随着微软向云业务转型,企业从愿景到文化都进行了调整,我们投入很多资源在员工的技能重塑上,尤其是线上培训,用的就是SAP SuccessFactors的平台,优化了互动体验。“
万华化学信息中心总经理刘明忠博士到会分享道:“万华是一家全球化运营的企业,如何实现全球协同,支持全球员工高效工作,确实有挑战。通过SAP SuccessFactors,构建了灵活高效的自助员工中心,打通全链条业务流程,开启万华移动化、云化人力管理新格局。” 威马汽车合伙人、人力资源副总裁宋洁表示:“作为新能源汽车领域的新兴领军企业,威马的产品和业务运营是高度数字化和智能化的。利用SAP SuccessFactors,我们已经完成了人力资源数字化的基础建设,接下来将加大对数字化人才培养的投入。”
智慧采购,韧性供应链打通企业脉络
新常态下,国际生产体系加速重构,打造敏捷、韧性的供应链变得至关重要。 “智慧采购分论坛”聚焦企业从传统供应链到韧性供应链的转型,探讨SAP Ariba作为智慧企业的重要组成部分,如何参与企业变革,数字化赋能战略采购,加强供应链风险管控,更好地帮助企业应对不确定性,领跑采购数字转型之路。
震坤行工业超市(上海)有限公司副总裁李俊雨在论坛上表示:“作为一家数字化引领的企业服务平台,震坤行利用SAP Ariba打造了高效能、规范化、透明化的业务模式,实现从寻源到采购、发票到付款,所有采购流程的一站式智能管理。” 亚洲基础设施投资银行采购负责人尚志强也分享了企业采购数字化实践:“亚投行是致力于促进亚洲地区社会和经济发展的多边开发银行。机构采购通过SAP Ariba等系统,得以加速采购数字化转型,提高采购合规、透明及效率。”
好文章,需要你的鼓励
这篇研究重新审视了循环神经网络中的双线性状态转换机制,挑战了传统观点。高通AI研究团队证明,隐藏单元不仅是被动记忆存储,更是网络计算的积极参与者。研究建立了一个从实数对角线到完全双线性的模型层级,对应不同复杂度的状态跟踪任务。实验表明,双线性RNN能有效学习各种状态跟踪任务,甚至只需极少量训练数据。研究还发现,纯乘法交互比加法交互更有利于状态跟踪,为循环网络设计提供了新视角。
这项研究探讨了多模态大语言模型在增强推理能力时出现的视觉幻觉问题。研究发现,模型生成更长推理链时,对视觉信息的关注减少,导致幻觉增加。研究者提出RH-AUC指标和RH-Bench基准来评估模型在推理与幻觉间的平衡,发现较大模型表现更好,纯强化学习训练优于监督微调加强化学习,且训练数据的类型比数量更重要。这些发现对开发既具推理能力又保持视觉准确性的AI系统具有重要意义。
这篇研究探讨了大语言模型在自动推理任务中的不确定性问题。研究者提出,模型生成形式规范时的概率不确定性不是缺陷,而是宝贵的信号源。通过引入概率上下文无关文法框架分析SMT-LIB程序分布,他们发现不确定性信号具有任务相关性(如逻辑任务中的语法熵AUROC>0.93)。他们的轻量级信号融合方法能减少14-100%的错误,仅需最小弃权,将大语言模型驱动的形式化转变为可靠工程学科。研究揭示当模型正确理解逻辑关系时会产生稳定的语法模式,为判断何时信任模型提供了可靠指标。
来自沙特阿拉伯王子苏丹大学和阿尔法萨尔大学的研究团队开发了GATE(General Arabic Text Embedding)模型,这是一套专为阿拉伯语设计的文本嵌入系统。该研究结合了套娃表示学习和混合损失训练方法,解决了阿拉伯语特有的语义处理挑战。GATE模型在MTEB基准测试的语义文本相似度任务中表现卓越,比包括OpenAI在内的更大模型高出20-25%,同时保持了多维度(768至64)的高效表现。研究通过详细的错误分析揭示了模型在不同相似度水平上的表现特点,为阿拉伯语NLP领域提供了新的研究方向。