2021年5月27日,制造业数字化转型&纺织业供应链协同峰会在杭州圆满举办,微软、新生、不工、极智嘉等联袂出席。
100余位行业专家围绕工业互联网、数字化升级、供应链协同等领域的前沿话题进行了探讨,分析了当前新形势下,行业数字化与供应链协同面对的共同问题与未来的发展趋势。微软、杭州新生印染有限公司、上海不工软件有限公司、北京极智嘉科技有限公司、蜂巧资本、钛资本等行业专家分享了行业数字化升级最前沿技术解决方案与自身最新创新实践,共同探讨数字化转型、供应链协同实现路径,打造开放的数字化新生态,共话商机。
(上海不工软件CEO黄昆先生致欢迎词)
(杭州新生印染总经理李国信先生致欢迎词)
上海不工软件有限公司CEO黄昆先生与杭州新生印染有限公司总经理李国信致辞。两位首先对所有参会嘉宾的到来表示热烈的欢迎和衷心的感谢,并介绍了杭州新生、上海不工与微软等合作伙伴在供应链数字化升级领域的共同探索,希望本次峰会的举办能汇集更多行业优秀的合作伙伴,共同探讨产业发展趋势、促进各方合作、推动数字化升级进程,打造全新的供应链协同生态。
(微软全渠道事业部首席技术官徐明强先生发言)
会上,微软全渠道事业部首席技术官徐明强就微软的视角对数字化转型的现状与未来趋势做分享,并对制造业数字化转型的实践做了介绍。
(杭州新生印染总经理助理王长华先生发言)
杭州新生印染有限公司总经理助理王长华介绍了新生印染在数字化转型上的最新成果——新生云。新生云是部署在微软Azure上,借助由世纪互联运营的Microsoft Azure 的Azure SQL、Azure安全中心、SQL VM备份服务等功能,大大强化数据安全,抵御数字化转型中带来的信息安全风险,为纺织业的数字化升级提供了新思路。
极智嘉 (Geek+)是致力于成为全球领先的人工智能和机器人公司,打造智慧物流的基础设施和服务网络,助力供应链在仓储和制造场景实现物流智能化升级,构建更具柔性的供应链。在帮助客户与合作伙伴实现数字化和智慧化的敏捷供应链方面,极智链基于数据和AI引擎,提供整个供应链计划的算法能力,实现智能决策、应用,及供应链协同,以达到将业务数据作为客户的核心资产实现管理和应用的目的,同时可以提供包含咨询、算法和系统的完整解决方案能力。
(不工产品经理原野与微软首席技术顾问管震先生现场演示)
基于微软智能云平台,上海不工软件和杭州新生印染联合发布了纺织业供应链协同解决方案。针对纺织行业供应链的特点量身打造供应链协同方案,通过部署在由世纪互联运营的Microsoft Azure 云端的高效算法引擎和纺织行业数据模板,兼容Azure SQL、Azure Kubernetes Service、Machine Learning、PowerApps、Azure Data Factory、Azure Stack等功能与服务,借助其强大的技术架构与数据处理运算能力,模拟企业实际生产、运营和应急情况,为企业评估有限产能、协同交期,帮助供应链上下游企业之间实现计划协同,业务信息无缝自动连接,实现数字化供应链模拟和智能生产计划,提升生产效率,降低成本,对意外和变化快速响应。同时支持APP呈现,主动推送重要信息和应急处理决策,为纺织企业提供全新的智能化企业决策的数字化新体验,真正实现“一机在手,工厂我有”。
在圆桌对话环节,微软全渠道事业部合作伙伴战略发展总经理王莉佳、蜂巧资本创始合伙人屠铮、钛资本合伙人王勇、杭州新生印染有限公司总经理助理王长华、上海不工软件有限公司CEO黄昆、极智嘉极智链事业部总经理刘晋宇等专家围绕民营制造企业的数字化转型进行了交流与讨论。分享了目前民营纺织企业在数字化转型上遇到的实际困难与解决案例。
本次峰会的举办为纺织企业数字化转型发展搭建平台,成功汇集了一批积极实践制造数字化升级的企业,构建了纺织业上下游协同、合作共赢的数字化供应链发展生态圈,为更好地助力制造业、纺织业企业数字化转型战略实施、深化交流合作发挥了积极作用。
微软大中华区副总裁、微软中国首席战略官、全渠道事业部及战略拓展总经理包嘉峰先生表示,上海不工的纺织行业供应链协同解决方案实现了供应链端到端的透明化管理,帮助纺织行业更好地利用资源、挖掘供应链价值、进入数字化快车道。上海不工作为微软制造业重要的合作伙伴,一直以来共同致力于赋能制造企业实现数字化智造升级,加速推进数字化变革,与客户共创价值。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。