近日,由联想集团官方出品、机械工业出版社权威发行的《企业智能化转型方法与实践:联想启示录》新书发布会在北京圆满举行。联想集团副总裁、中国区战略及业务拓展副总裁、联想全球学习中心智能化转型研修院院长阿不力克木·阿不力米提(以下简称“阿木”)详解了联想智能化转型“密码”。
阿木回顾了联想自身从信息化到数字化再到智能化转型的全过程,重点分享了联想全价值链智能化转型实战经验,披露了联想“价值引领、体系化推进”的立体式转型之路。阿木表示,期待新书的出版可以助力中国企业、机构的智能化转型,并为千行万业探索有规律可循且各具特色的智能化转型之路带来启发。
今年是联想成立的第40个年头。成立40年来,联想全程经历了中国信息化、数字化和智能化的发展历程。阿木介绍说,联想正迈入面向AI的第五个十年,人类社会也正进入一个全新的时代,即智能革命时代。这个时代,依托“端-边-云-网-智”新IT架构的AI技术,从算力、算法和数据上都在快速突破,推动产业再次升级,甚至催生全新的工作形态和全新的劳动者,使得全球经济实现跨越式发展。
这背后需要推进智能化转型的基本思想方法,并洞察转型规律。作为“双实企业”的典型代表,联想的智能化转型具备非常深厚的土壤,一方面比较早期地预见了智能革命对应的AI这一全新生产力的发展趋势,另一方面作为实体企业,自身变革也引入了AI这一新生产力,推进内部效率的大幅提升和业务模式的加速创新。
“价值引领、体系化推进”是联想智能化转型的特色。阿木介绍说,企业的智能化转型不是简单的信息技术或IT技术的变革,而是企业自身的完整变革,要以创造企业价值为核心来解构智能化转型这个命题。
联想智能化转型聚焦运营价值、战略价值、行业与社会三大价值,一体化推动做好转型战略、智能业务运营、数字底座和组织与文化变革4个方面的工作。
在三大价值中,运营价值主要集中在企业内部价值链,通过数字化和智能化转型实现企业运营的降本增效、驱动主营业务增长以及持续提升客户体验;战略价值聚焦创新业务模式、打造新增长引擎和建立韧性发展能力;行业与社会价值包括两个方面:一是推动行业变革,二是履行社会责任,如更有效地创造节能减排、环境保护等长远价值。
阿木提到,联想较早启动智能化转型,首先就确定了智能化转型战略,包括智能化转型顶层框架设计、统一共识转型蓝图、明确和持续迭代路线图、建立价值驱动的螺旋式推进方法等。
在确立智能化转型战略之后,联想围绕重塑组织、培养人才与文化再造三个方面发力,持续升级组织文化与人才建设,以支撑战略的落地。阿木强调,联想在公司内部建立了推动智能化转型的专业组织,并在内部形成数据驱动的平台化、扁平化组织形态。同时联想也大刀阔斧地建立了智能化人才标准和培养体系,并再造企业文化,将“智能创新”融入新文化之中,将公司全员动员起来。
同时,联想全面升级了新IT数字底座,以提升业务的弹性和韧性。“数字底座的建设是比较专业的课题,企业需要由原来传统的IT稳态架构,升级转变为一个稳态和敏态相结合、自动运维的新型数字底座。”阿木表示,数字底座是技术骨架,要真正产生业务价值,需要一个业务和技术之间的衔接的平台。联想通过自身内生的实践和客户服务的需要,沉淀出了一套智能IT引擎“擎天”。如今“擎天”已经全面升级为企业智能体驱动的擎天3.0。
在智能业务运营方面,联想广泛应用了AI,以实现全价值链的智能运营。“智能化转型的真谛是要将AI技术真正应用到业务核心环节”,阿木强调,在联想的智能化转型当中,围绕着全价值链有非常多的人工智能技术渗透,而联想智能业务运营初始就引入了AI技术来进行改造。目前,联想业务全价值链已经产生了大量AI技术实践,核心业务环节的AI应用已经超过500个场景。
以智能排产场景为例,联想合肥智造基地联宝工厂的排产员每天要处理8000多张订单,而其中80%的是小于5台的小批量客制化订单,而且这些订单来自全球180多个国家和地区,排产复杂程度不亚于国际象棋。智能化转型之前,工厂只能依靠经验丰富的排产员借助简单的排程软件进行半手工操作,单次端到端要耗费6个小时,而智能化转型之后,智能排产中的核心算法在 1.5分钟之内就可以完成整个工作。
总体而言,联想的智能化转型历程是一个全面、深入、系统化的变革过程,这一过程中,联想总结了大量的实践经验与实战案例,并沉淀和总结经验,撰写了《企业智能化转型方法与实践:联想启示录》一书。阿木表示,希望通过这本新书可以将智能化转型密码分享给更多企业,为产业各界提供参考,加速千行万业智能化转型每一步。
(点击后方链接,购买《企业智能化转型方法与实践:联想启示录》https://item.lenovo.com.cn/product/1038512.html)
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。