案例名称:【创新工程机械智能化产品与服务模式助力高端制造服务业转型升级】
公司名称:【中联重科股份有限公司(000157)】
案例简述:
中联重科股份有限公司创立于1992年,是一家集工程机械、农业机械和金融服务多位一体的全球化高端装备制造企业,全球工程机械前五强。
为完成高端制造服务业转型升级,中联重科以客户为中心推动企业数字化转型,打造了面向工程机械的智能化产品创新模式、端到端的客户营销服务模式和数字化决策模式。一方面,推动产品4.0工程,以“模块化平台+智能化产品”为核心,研发出多款性能卓越、安全可靠、绿色高效的智能化产品;另一方面,基于自主研发的ZValley OS平台,构建CRM系统、云帮销、产品云等新应用实现营销管理业务端对端运营来拉通客户对接服务渠道,围绕设备性能监控跟踪管理、设备融资租赁管理、混凝土设备运营管理等实际需求打造出“中联e管家”、“智租”、“智砼”等一批工业互联网 APP,推动公司从“被动响应”到“主动服务”、“预测性服务”的服务能力升级,扩展服务对象、延伸服务价值、变革服务模式,将对下游的设备管理服务延伸至经营管理、设备施工服务,助力行业整体的绿色环保、高效管控以及盈利增值。
在新模式的作用下,2021年上半年中联重科主导智能化产品销售占比达到90%,综合服务效率提升20%,营收424.49亿、归属于上市公司股东净利润48.50亿,创造历史最佳记录。
扫码查看详细案例
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。