2018年8月1日,IBM公司和兖矿集团签署协议并宣布,IBM成为兖矿集团数字化转型合作伙伴。通过此次合作,IBM将对兖矿集团现有运营模式、管理架构、系统应用等方面进行全面梳理,嫁接物联网、大数据、云计算、人工智能等最新科技,提升兖矿的“信息化、自动化、智能化”水平,为兖矿集团搭建数字化平台,助力兖矿集团在“传统企业逆袭”大潮中创下新的经典。
兖矿集团是一家以煤炭、化工、装备制造、金融投资为主导产业的国有特大型企业,是中国拥有境内外四地上市平台的煤炭公司。2017年完成煤炭产量1.35亿吨,位居中国煤炭行业第五位,世界第七位;其中兖煤澳洲总产能达到8,000万吨,成为澳大利亚最大的独立煤炭上市公司。根据最新发布的世界2018《财富》500强排行榜,兖矿集团跻身第399位。
作为国有大型企业集团,兖矿集团面对管理升级迫在眉睫、安全环保约束增强、改革发展任务繁重等严峻挑战。虽然集团较早部署了ERP系统,也相继实施了多个信息化项目,但原有的ERP系统逐渐无法全面满足企业要求,企业急需对IT系统进行更新换代,达到“以科技促创新、以创新求发展”的企业目标。
随着云计算、大数据、人工智能等新技术的发展,兖矿集团决定抓住新一轮科技革命和产业变革的新机遇,通过加大改革创新力度、优化区域产业布局、启动新旧动能转换及实施创新驱动战略等方式,努力在行业内做大做优,发展壮大,建设世界一流企业。
无独有偶,在IBM《2017全球最高管理层调研报告》中,全球12854位企业高管72%认为,锐意创新、在行业深耕多年的企业将在其行业中处于领先地位并将引领下一波颠覆大潮,即下一步的颠覆性创新将由传统企业引领。兖矿集团积极拥抱趋势,加快推进“三化融合”,提高企业的竞争力。
IBM调研发现,传统企业要在逆袭大潮中成为成功的颠覆者,需要从三个方面开始转变:挖掘企业数据价值、设立平台战略、彻底变革员工技能及企业文化。其中,在平台战略方面,几乎所有传统企业都在构建平台或参与平台建设,46%的企业正在投入巨资建设平台,其余54%高管表示将必须利用其他公司的平台。57%传统领先企业都是平台的构建者或拥有者。IBM预测,未来两至三年,重新分配的平台业务模式预计将达到1.2万亿美元,目前已投入资金约4200亿美元。
在对兖矿集团的IT系统、业务模式和管理架构进行全面分析后,IBM将本着自动化、信息化、智能化“三化融合”的规划,帮助兖矿集团进行业务和管理模式改革。首先启动的ERP系统优化升级将帮助兖矿集团实现内部数据和信息的共享,规范和优化管理业务流程,支撑企业管理集约化、精益化,实现企业业务管理的提升与优化。
更为重要的是,IBM将充分利用面向未来的物联网、云计算、大数据、认知计算等新技术,帮助兖矿集团推动新旧动能转换,在着力推进煤炭高效清洁利用的同时,为企业打造新兴技术产业,抢占产业制高点,为实现集约化、高端化、终端化发展提供技术支撑和创新路径。
兖矿集团党委书记、董事长李希勇表示:“数字化转型对于兖矿集团这样的传统能源行业非常重要,因此我们在选择合作伙伴的过程中慎之又慎。我们要求选择的数字化伙伴不仅拥有一流的技术,更要有前瞻性,能够帮助我们利用现代化IT技术助推兖矿加快建设世界一流企业 。我们很高兴能够与IBM合作,相信IBM长达百年的技术沉淀、行业经验和创新精神,能够帮助兖矿深化‘三化融合’,推动高质量发展。”
IBM全球企业咨询服务部大中华区总经理麦俊彦表示:“很高兴IBM能够成为中国能源企业的龙头企业之一——兖矿集团的数字化转型合作伙伴。IBM在全球能源、铁路、航运、化工等行业数字化转型领域拥有丰富的经验和成熟的行业解决方案。我们相信,IBM在能源行业的深厚积累和丰富实践,加之业界无以伦比、面向未来的科技,能够与兖矿集团一起打造出中国能源企业实现数字化转型的又一标杆案例。”
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。