案例名称:【财务共享智能化深入应用-票据全生命周期管理】
公司名称:【远光软件股份有限公司(002063)】
案例简述:
随着社会的不断进步,国家对财务领域的数字化转型也愈加重视,各企事业单位更是将财务数字化建设视为企业发展中的重中之重。更多企业在数字化转型过程中,更加聚焦提高财务风险管控能力、完善财务管理制度、确保财务业务合法性/合规性,从而获得长期健康、可持续发展。
本案例应用人工智能(AI)图像识别技术,实现票据影像结构化数据提取,自动完成票据税局查验以及合规性检查,自动完成流程传递,并提供票据封闭式收存功能,减轻财务收单/审单压力、杜绝人工审核错误,提升管理效率;应用物联网和大数据技术,实现智能硬件和业务系统之间的互联互通,破除信息孤岛,实现“让数据多跑路,让群众少跑腿S应用机器人技术,代替人工实现凭证自动打印、匹配、归档,解决人工归档过程中的量大耗时、误判误放、实物与电子资料脱节等各类难题,实现科学、精准、高效归档。
综上,本案例通过将多项单一技术充分融合,增强人机互联,实现票据数据结构化管理、归档自动化管理,打通了财务管理的实物流、影像流与信息流。推动企业财务管理向自动化、智能化转变,为企业打造人机共进的智能生态系统。
扫码查看详细案例
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。