近日,全球信息技术研究和顾问公司Gartner®发布《Market Share: All Software Markets, Worldwide, 2023》报告,2023年用友在财务(FMS Components)市场按营收占有率位居全球第六位、亚太第一位,是TOP10中唯一入选的亚太厂商、中国厂商;且用友连续13年排名全球财务市场份额前10!彰显了用友在财务市场表现卓越,实现领跑。

在全球化和数智化日益加速的背景下,企业面临着多变的市场环境和激烈的竞争。财务管理作为企业的核心职能之一,其管理角色和职能也在发生深刻变化。企业愈加重视数据的汇聚、分析与应用,以数据驱动决策,引领价值创造。 据Gartner预测,到2027年,50%的财务领导者将利用数字化提高流程方面的能力,从而明确基于资产负债表和经验判断的支持措施范围;到2028年,50%的企业将用AI取代耗时的、自下而上的预测方法,从而实现运营、需求和其他类型的规划的自主性。
当前,在环境与政策的进一步促进下,企业正在积极建设世界一流财务管理体系,并纷纷迈入财务数智化2.0阶段。
用友BIP
助力企业开启财务数智化2.0时代 对标世界一流
用友从财务领域起家,一直服务于企业和公共组织的信息化和数智化,是中国最早、最专注、客户数量最多、规模最大的企业数智化服务商。参与并见证了中国会计与财务进步的发展进程。
在财务数智化2.0阶段,数智化的核心能力在于打造全面数据服务、实现卓越运营、注重合规及安全、推动深度业财融合四大主线,以此走向价值财务。

财务数智化2.0建设的开展,可以因循四个关键线索着手规划。
●全面数据服务:提升或构建企业财经全面数据服务能力;
●开展卓越运营:会计和财务管理工作者的核心使命,就是保证高速的企业运营活动开展以及保持高效运营活动支撑,这个使命会随着新的数字化技术和智能化技术的发展而优化和迭代;
●安全和合规:合规与安全是财务工作的红线,基于税务安全合规、基于内控风险的全面管理,企业应采用更多的数字化技术;
●深度业财融合:在企业进行财务管理创新的同时,财务的流程数据和规则的深度进行融合起着决定性的基础支撑作用,因此基于流程、数据、管控三个方面的深度融合将构建财务数智化的基本支撑。
财务数智化2.0,将是企业完成“价值财务”蜕变的过程,继而实现全面数智化。从业财数据采集,沉淀精细多维的会计数据,到形成丰富多元的财报管报,进行智慧财务分析及经营分析,再到决策支持,数据驱动智能化推动了企业全面财务数智化建设。
用友YonGPT,让财务更智能
洞察业务,优化业务
用友YonGPT是业界首个企业服务大模型,在财务领域的大模型能力基于事项会计理论基础构建,YonGPT将置入业财融合的整体框架,重塑业财流程,洞察业务,优化业务,并在此基础上进行价值创造。依托YonGPT大模型技术,已经形成体系化的管理模型,为企业提供管理决策及价值创造服务,用友YonGPT大模型助力财务实现价值创造。比如:
●智能分析助手:利用YonGPT的生成能力和自然语言交互能力,用户只需要利用自然语言进行提问,即可自动生成可视化图表和报告文字;
●智能经分:利用YonGPT可以整合不同领域的知识,通过深度数据挖掘,提供更全面的信息,为企业经营提供深度的诊断性分析;
●智慧预测:YonGPT基于大模型的推理能力,智能感知企业生产、销售、库存等各领域的数据关联和归因,进行推理式经营洞察,精准预测未来企业效益;
●智能订单盈利分析:以订单、品种、客户、组织等多维度为分析对象,支撑企业从订单入手挖掘利润提升点;
●智能司库:司库以企业现金流动性管理为基础,更侧重于战略价值创造和风险管控;
●智能生成:智能推荐适用的税务政策(尤其是减免税)与相关案例,智能生成税务数据洞察等。
此外,YonGPT还助力无人值守共享中心落地,包括智慧商旅、智能审单、智能洞察、智能问询等。
截至目前,已有超过4万家大中型企业选择用友BIP推进数智商业创新。用友BIP以专业、领先、高客户价值的产品与服务,已成为中国及全球不同规模的众多行业领先企业数智化建设的首选平台,被重要央媒誉为企业数智化的“大国重器”。
“用创想与技术推动商业和社会进步”是用友的企业使命。新时期,用友将承载起引领中国软件产业蓬勃发展的重任,通过普及用友BIP,服务中国和全球企业的数智化,引领企业走向数据驱动、智能运营的新阶段,让数智化在更多的企业成功,为发挥数字经济优势、实现高质量发展提供全面助力!
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。