近日,由中国信息通信研究院、中国通信标准化协会联合主办的“2023数字化转型发展大会暨首届数字原生大会”在北京顺利举办。本次大会以“数跨新阶,原生新纪”为主题,汇聚数字化转型领域百余位专家,围绕数字原生、数实融合、央国企数字化及云上数字政府等核心议题同台论道,为参会者奉上一场数字化转型发展的思想和实践盛宴。端点科技受邀参会并收获多项殊荣。
大会主论坛
峰会上,中国信通院对外正式公布了“企业数字化发展共建共享平台(EDCC)先锋人物”, 端点科技创始人兼CEO赵沣伟被评为“企业数字化发展共建共享平台(EDCC)先锋人物”。
端点科技产品总监赖允春在“信创ERP与经营管理数字化论坛”发表了名为《新企业,新ERP,新商业——端点科技新一代可配置ERP》的主题演讲。端点科技在ERP领域是新生力量,但在数字化转型领域深耕了十余年,服务了众多大型企业,具有丰富的数字化转型经验。端点科技于日前正式发布的新一代ERP企业核心管理系统基于全新的EDA事件驱动架构,以供应链为核心,帮助企业解决从运营管理到采销流通全链路的经营难题。
端点科技产品总监赖允春发表主题演讲
赖允春提到,ERP是多角色协同的系统,ERP用户除了人们熟知的一线人员、运营人员、管理人员,还有系统实施人员等,通过ERP系统能让多端用户真正链接在一起。因此,考虑到企业业务的复杂度和多角色的参与,一套优秀的ERP系统在设计之初就必须要具备实时适配调整的灵活度。
对于企业对系统灵活度的要求,并不是依靠通用意义上的“低代码”或“零代码”,而是要满足企业管理复杂度的“可配置”,包含业务复杂度、功能复杂度、界面复杂度。以业务复杂度为例,企业管理通常包含销售、采购、库存、生产等多个模块,其中销售业务又可分为常规销售、服务销售、寄售销售、三方销售等,业务类型多种多样,无法一以概之,这就要求ERP系统必须具备高度的可配置能力。
为了让ERP软件能够具备高度的可配置性以应对复杂的业务场景,端点科技设计研发的新一代ERP提出了进阶的实现方案——多层可配置。上方为操作层,下方为实施层,即为重要用户群体——实施人员提供一套高效的实施和研发工具,为企业个性化业务快速量身定制并完成部署提供重要保障,包含业务配置层、技术配置层、平台配置层这三层体系。
业务配置层:业务配置层由实施团队在预制业务范畴内配置适配,实施团队通过调整配置项和配置参数,能够将预制的业务和功能适配于企业的基本业务场景。
技术配置层:技术配置层由实施团队在预制业务范畴外配置新增,通过配置Event/Action/Status,实现扩展业务层无法支撑的业务场景。
平台配置层:平台配置层提供以上支持引擎和更底层可配置能力,支撑页面上更复杂的功能要求,从而提升整个软件生产过程的效率和灵活度。
端点科技新一代ERP多层可配置架构是为了快速构建和实施ERP软件而提供的配置能力,能够大幅提升研发和实施的灵活性。其中,较为具象化的业务配置层,在ERP软件后台实现;较为底层的配置能力,则由端点科技软件生产系统Trantor提供。Trantor平台层构建的完整的ERP业务地图,将成为业务流程监控的基础,为企业提供更高级的流程自动化能力。
长期以来,端点科技一直坚持技术迭代、产品创新,端点科技新一代ERP以供应链为核心,覆盖计划、采购、生产、库存、销售、财务等多个业务板块,除了多层可配置外,还具备全链协同、多业态、数据智能、AI、事件驱动、按需选购等多重能力,帮助企业成为智慧、协同、可持续的新型企业。
端点科技坚持以客户需求为中心,驱动行业数字化变革。在未来,端点科技将继续携手中国信通院,以技术、产品和实践创新持续提升产业数字化高质量发展, 助力产业生态良性循环,为行业数字化转型持续注入新动能。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。