为充分把握数字经济发展重大机遇,应对内外部形势变化带来的经营挑战,航天信息股份有限公司以国家战略需求为导向,紧密结合行业发展趋势和自身资源禀赋,明确了多项重大创新工程,既是打造新质生产力的具体体现,也是实现转型升级高质量发展的战略性部署。本篇将聚焦航天信息“爱信诺·诺企服”重大创新工程,对其战略意义、最新成果及市场前景进行深度解析。
战略意义:随着数字技术和数字经济发展,企业信息化、数字化转型需求逐渐增加,产业数字化发展成为趋势。中小企业作为实体经济的重要组成部分,也是产业数字化转型的重点。为助力中小企业科学高效推进数字化转型,工业和信息化部印发《中小企业数字化赋能专项行动方案》,提出“大企业建平台、中小企业用平台”思路,为推动中小企业数字化转型、加快融入数字化生态圈提供了路径。
航天信息深耕税务信息化领域二十余年,拥有千万量级企业用户资源,已形成以“票据、财务、税务、档案、金融、征信”为核心的企业服务平台及产业链条。针对中小企业数字化转型中存在的信息化水平较低、抗风险能力较弱等痛点,航天信息推出“爱信诺·诺企服”平台,并明确为公司重大创新工程,以“平台+产品+服务”的会员模式,为中小企业提供数智化产品和SaaS订阅服务,有效提升中小企业管理效率和核心竞争力。
工程概况:“爱信诺·诺企服”平台作为赋能中小企业数字化转型的载体,以票据、财务、税务、档案、金融、征信等全场景的一体化能力为核心,通过提供SaaS订阅服务,打造从企业内部数字化应用供给到链接企业外部上下游合作伙伴的产业发展生态圈。目前,平台已上架应用及服务200余个,产业生态伙伴超20家,先后荣获中国电子信息联合会“企业数字化转型优秀案例”、中国国际大数据产业博览会“领先科技成果”、国企管理创新成果二等奖等十余个奖项,正发展成为国内领先的产业互联网生态平台。
重要成果:
1.打造财税全链条产品。航天信息持续开展“爱信诺·诺企服”平台技术攻关和产品研发,先后突破高性能票据智能开具技术、财税数据智能分析决策技术、异构多角色多层级组织运营管控技术、基于超自动化的发票业务智能引擎等多项关键技术。完成“爱信诺·诺企服”平台及发票产品、自记账财税管理方案、代记账财税管理方案、高净值企业财税管理方案、全票通等系列核心产品研发,实现企业财税业务全生命周期闭环管理。企业在平台上可便捷开具财税票据、无缝衔接业务流程,一站式完成票据查验、归集、认证、报销等,实现智能记账、云上存档、财税风险自查、上下游进销趋势分析等,全面提升运营效率、加快转型发展。
2.“一省一策”精准输出优质服务。航天信息充分发挥区域公司遍布全国的优势,采用“一省一策”运营方针,为各地企业提供个性化订阅式软件服务,精准推进“爱信诺·诺企服”平台落地应用。目前,平台已在全国31个省、自治区、直辖市推广覆盖,注册用户突破1500万。随着数电发票全面推广,客户新增率急剧增长,工程构建了横向到边、纵向到底的运维服务网络,“7×24”小时保障平台及所属子产品、子模块的安全稳定运行,并围绕关键过程控制、严格测评与检验、加强迭代改进等,全面强化质量管理、优化用户服务、增强客户黏性。
发展前景:“爱信诺·诺企服”重大创新工程将坚持以市场为导向、以客户为中心,秉持“开放、协同、共享”的建设理念,通过链接生态伙伴、供应链与企业内部应用,构建“线上平台+线下网络+生态联盟”的立体化服务体系,为中小企业打造互联互通的数字财税生态。同时不断加强平台基础设施及基础核心产品研发,夯实平台SaaS订阅服务交付能力,建立健康稳定、可持续发展的良性商业模式,加快推动企业数字化转型,在社会经济绿色化、低碳化发展中开辟新赛道、塑造新优势、培育新动能。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。