天下武功,唯快不破。在武侠世界,有很多例子都可以佐证这门武术学问,比如东方不败的花针、李寻欢的飞刀、段誉的凌波微步,这些武功招式都不算复杂,但因为极致的速度,常常可以一招克敌。
在商业场上,这种“快”功夫一直是高手之间过招的常用招式,甚至,在市场更迭变化越来越快的当下,有时它会直接关乎企业生存。比如,面对突发疫情中的全民“蜗居”,线下实体能不能快速转做线上外卖,线上体验与服务能否迅速跟上,员工如何远程复工,系统应用是否就绪……这一堆问题,需要企业在很短的时间内做出反应,而那些反射弧比较长的,很多都没有扛过那个“寒冬”。
但“快”的前提是,要有预判。比如《功夫》电影中的火云邪神可以徒手接子弹,这靠的绝不仅仅是速度而已,而是“快、准、狠”,在子弹从枪口发出的那一刻,他就已经预判了它的轨迹。
同样的道理,企业想快速对市场的变化做出响应,也要有预判能力。这样的能力,来自于对客户需求的掌握和预测。现如今,企业纷纷进行数字化转型,一方面是要由内往外看,通过数字化的手段实时掌握客户的实际需求及其走势;另一方面是要由外向内,推动自身业务的创新,反过来再更好地服务于客户。
以制造业为例,C2M便是其中一种能够让企业及其客户双方获益的模式。它是在“工业互联网”背景下产生的,被称为是产业互联网时代的新型“短路经济”。它强调的是制造业与消费者的连接,由用户反向驱动生产。制造业基于互联网、大数据、人工智能,以及通过生产线的自动化、定制化、节能化、柔性化 ,运用庞大的计算机系统随时进行数据交换,按照客户的产品订单要求,设定供应商和生产工序,最终生产出个性化产品。
对于制造业来说,可以从订单中直接获取消费者需求,并且由于短路掉了库存、物流、总销、分销等中间环节,强调柔性快反,还可以大幅提高生产效率,降低其中的不必要成本;对于消费者来说,则可以以超低价格,购买到自己所需的产品。
但是,想要从传统模式到C2M,并不是简单的模式转变,其中涉及了业务逻辑的重塑,底层技术的支持,以及生态价值链的重新布局。对于企业而言,在这一场声势浩大的数字化变革中,必须要知其本质,究其逻辑,方能顺其势而上。所以,在本期《数字化转型方略》的“数据故事”栏目中,我们通过《C2M,一场价值链的博弈,一场数字化的变革》这篇文章,对C2M从概念到模式,从技术到案例进行了深度剖析,一方面对其发展现状进行了客观解读,另一方面当然也对其未来前景充满期待。
与此同时,我们也发现,在追求极致的“快”这件事上,技术一直是其中的中坚力量。比如在“数据故事”的另一篇文章中,老牌药企扬子江药业,就通过自动化技术实现了内部流程效率的大幅提升。以员工的入职流程为例:在项目上线之前,一个新人从拿到Offer到入职报到,再到最终进入工作状态,最快也需要两到三天的时间,有时甚至需要一周才能完成工作分配;而在实现入职流程自动化之后,前期的资料提交、合同审批、薪资确认等工作,后续的宿舍分配、邮箱创建、办公系统权限开通等很多流程,都可以在线上进行自动化处理,这使得员工在入职当天就能迅速进入工作状态,大大提升了入职体验。
聚焦技术本身,再以应用开发为例,先是以容器为代表的云原生,再是低代码、无代码开发,拼的实际上都是速度。所以,在本期杂志的其它几个栏目中,我们对于这两个技术方向也做了解读。
好风凭借力,送我上青云!期待技术之力,能助越来越多的企业迈入数字化新时代!
好文章,需要你的鼓励
谷歌宣布开始向Google TV Streamer推出Gemini智能助手,取代原有的Google Assistant。用户可通过更自然的语音交互获取内容推荐,如询问适合夫妻共看的电影或了解剧集剧情。Gemini还支持教育和生活指导功能,能解答各类问题并通过YouTube视频提供DIY项目指导。该更新将在未来几周内向18岁以上用户推送,这是谷歌用Gemini全面替代Google Assistant计划的重要步骤。
香港科技大学团队提出DGPO方法,通过直接学习群体偏好信息,让AI图像生成模型训练速度提升30倍。该方法避免了传统强化学习的低效随机探索,使用确定性采样器生成高质量训练样本,在GenEval基准测试中将性能从63%提升至97%。这一突破显著降低了训练成本,为AI图像生成技术的普及和应用奠定了基础。
在AI快速发展的背景下,创始人与投资者的合作关系变得更加重要。尽管基础模型厂商正主导市场整合,但众多初创企业仍在推动AI创新边界。专家指出,这种合作关系应被视为长期婚姻而非简单商业交易。在竞争激烈的AI市场中,投资者需要更快做出决策,而创始人必须具备快速迭代能力。单位经济学、人才密度和产品扩展能力成为关键评估指标,双方需要建立良好关系以应对这个新兴市场的挑战。
香港城市大学和阿里巴巴集团联合研究团队开发了A?SEARCH系统,专门解决AI在处理模糊问题时只提供单一答案的局限性。该系统通过自动化流程识别并验证多个合理答案,在八个问答数据库的测试中表现出色,仅用单次回答就超越了需要多次尝试的大型传统系统,为构建更智能的问答AI开辟了新路径。