案例名称:【智慧采购供应链一体化】
公司名称:【安阳钢铁集团有限责任公司(600569)]
案例简述:
安钢集团加快数字化转型,建设先进的采购供应链系统,推动安钢生产方式、业务形态、商业模式等产生颠覆式重构,改变原有传统模式,从根本上重塑安钢核心竞争力。
安钢集团与用友集团进行深度合作,通过用友釆购云和供应链云构建采购供应链一体化平台。以优化现有釆购管理模式和方式为目标,满足集团各层级采购管理横向对齐、纵向下沉的管理需求,重构安钢集团的采购模式、采购场景,支撑集团级采购战略、釆购职能、采购策略的落地,全面实现从需求计划、采购寻源管理(招投标、非招标、商城等)、釆购执行、供应商协同、仓储管理的全过程供应链管理的业务目标。同时通过采购供应链平台信息化技术手段,实现自动化、智能化应用与信息化的高度集成。

面对疫情反复的局面,安钢远程视频招投标打通了釆购的疫情堵点,迅速成为企业采购领域催生出的交易新模式,成为行业的标杆,实现远程不见面开标,自动抽取专家,智能避开疫情,本地化远程异地智能评标,过程智能存档和监督,既节省了差旅费,业务又不受疫情的影响,在各行各业得到推广应用。

扫码查看详细案例
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。