为特定行业提供云应用的领先提供商Infor发布Control Center,这款下一代供应链可视性和智能解决方案使得打造数据驱动、自学习且持续可靠的供应链成为可能。
Control Center将来自Infor GT Nexus Commerce Network(全球最大的云端多企业商务网络,用于进行全球贸易和供应链管理)的数据与Infor的Coleman人工智能(AI)功能相结合,让供应链主管能够对组织部门进行细分,并迅速采取措施满足业务需求。
该解决方案提供端到端可视性和深度数据科学,帮助供应链主管透过每日繁杂的数据,找到适当的信息,从而加快决策速度,并利用预测和引导智能快速执行决策。Control Center的端到端可视性及其机器学习功能可以预测未来的供应链问题,帮助企业更早采取应对措施。
最终,Control Center通过为用户授权、自动完成乏味的任务和提供网络智能,让企业能够向供应链自我编排管理迈进一大步。
Infor制造和供应链部门执行副总裁Rod Johnson表示:“供应链主管迫切需要获得更高层次的智能和洞察力,交付的速度要更早、更快,从而帮助客户缓解风险,确保可靠性。供应链领域历史上一直充满了不确定性和风险,Control Center为这一领域带来了可靠性和确定性。供应链组织第一次能够提供始终如一的服务水平,这是组织区别于同行的一项竞争优势。”
苛刻的客户越来越要求供应链以更加主动的方式进行运作。供应链组织必须“预测未来,及时行动”。在Infor GT Nexus Commerce Network上,供应链以平均每秒50次的速度发生变化。然而,由于延迟、缺乏网络内连接性以及无法及时向供应链主管提供正确的信息,当前的解决方案无法提供及时的见解,使得供应链主管难以迅速采取行动。因此,他们只能面对数据过载,而无法快速访问和处理数据,及时采取行动。
企业间供应链研究领导者ChainLink Research首席执行官Ann Grackin表示:“跨整个供应网络的库存可视性,结合物流可视性和可以及早发现和预测问题的深度数据科学,是实现主动供应链执行的必要基础元素。在当今快速变化的供应链中,只知道库存在哪是不够的。供应链主管需要高级可视性和预测智能来为日常决策提供依据,在流程初期发现和缓解潜在问题,从而为营收提供保障,实现利润最大化。”
Control Center持续监控贯穿供应网络的产品流、原料流、订单流、需求流和资金流,从繁杂的信息中甄别机会。它利用AI和机器学习技术了解每个机会的具体情况,引导用户采取最佳解决措施。
Infor Control Center基于经过验证的Infor GT Nexus Commerce Network打造而成,利用了20年的各行业全球供应链数据情报。Infor GT Nexus Commerce Network旨在编排管理多企业流程和工作流。它采用网络原生应用,日常执行都在网络内完成,从而提供实时、准确且具有丰富背景信息的数据。
Johnson表示:“其他提供商无法提供实现快速执行所需的数据背景和贸易伙伴直连,也就无法主动应对业务环境的变化。”
Control Center持续监控供应链的变化,这是网络内应用与拼凑起来的硬连线系统(它提供的可视性几秒内便会过时)的不同。Control Center提供原生数据情报,这是构建数据驱动型供应链的基础。
Control Center通过一系列实时控制点监测网络流量。大部分供应链系统的配置是依赖交易来了解存在的问题(例如库存情况),而Control Center的运行则基于动态监测。它可以监测事物是否在移动,可以计算和了解“正常状态”,并持续监控流程移动情况,识别模式变化。甚至在问题出现之前,系统就已经知道了问题的存在并判断是否有必要采取措施,如果有必要,Control Center则引导用户采取措施,评估结果从而进行学习和改进。
Johnson说道:“Control Center为用户提供正确的上下文信息,提供智能驱动的最佳决策。”
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。