2024年4月10日,IBM咨询与青岛高测科技股份有限公司(以下简称“高测股份”)签署长期合作框架协议,围绕数字化赋能业务管理开展持续深入的合作。双方将通过一系列项目群完成涵盖战略、营销、销售、供应链、研发、人力和财务等多个领域的变革转型,通过全面的业务管理提升和数字化转型,助力高测股份实现业务高速高质增长,迈向“世界一流”的战略目标。
前排:IBM咨询大中华区业务转型合伙人侯学明与高测股份总经理张秀涛签署长期合作框架协议
后排右起依次是:IBM咨询项目群经理王亨、IBM咨询大客户总监张韵非、IBM咨询项目群总监潘春晖、IBM咨询副总裁李民、高测股份流程IT总监韩成启、高测股份运营总监杨蕾、高测股份人力总监李金鹏、高测股份项目群经理贺震、高测股份财务总监李学于、高测股份光伏装备产品线经理胡德焱
高测股份成立于2006年,深耕高硬脆材料切割领域,建立起 “切割设备、切割耗材与切割工艺”协同研发与技术闭环优势,并将金刚线切割技术成功应用于光伏、半导体、碳化硅、蓝宝石、磁性材料行业。公司先后入选国家企业技术中心、国家智能光伏试点示范企业、国家知识产权优势企业、国家级制造业单项冠军企业。在全球能源结构转型推动下,作为行业龙头的高测股份也凭借持续创新迭代的技术收获行业红利,营收、利润持续高速增长。目前,光伏行业全球前十名硅片制造企业,以及半导体、碳化硅、蓝宝石、磁材行业头部企业均是高测股份的客户。
与此同时, 高测股份看到,中长期全球光伏行业竞争必将加剧,行业格局可能加速重构。从外部看,如何提升抗不确定性和风险的能力将是高测股份需要面临的重大课题。从内部看,高测股份在业务管理的协同能力和专业体系也有进一步提升的空间。面向未来,高测股份需要建立起更先进的业务管理体系,利用数字化对业务管理进行赋能以提升效率和效益,实现跻身“世界一流”的愿景与目标。
作为业内唯一一家隶属于百年科技公司的全球性咨询机构,IBM咨询为高测股份提供包含战略、运营、组织和数字化的端到端咨询服务,更结合高测股份的实际情况,量身为其打造变革转型的方案,双方将携手共创,共同迈向陪伴式数字化转型之旅。在接下来的合作中,IBM将导入符合高测股份战略和业务发展需求的优秀管理实践,助力高测股份理清业务架构,实现业务管理标准化,同时以数字化赋能企业核心价值链,实现业务管理在线化、数据化和智能化,由此提升企业的效率效益及应对竞争的能力,支撑高测股份实现更高的战略目标。
高测股份总经理张秀涛讲话
高测股份总经理张秀涛表示,“高测股份是一家以科技创新为驱动的技术型企业,在行业竞速发展的快车道上奔跑之时,我们也需要不断加强内功。我们很高兴能有IBM这样全球领先的科技和咨询公司作为服务伙伴,赋能高测的业务管理变革转型,开展数字化转型升级的探索。希望可以借助这样的合作,帮助高测股份进一步激发新能源产业作为新质生产力的活力,以新质生产力塑造核心竞争力,引领行业高质量发展。”
IBM咨询大中华区副总裁李民讲话
IBM 咨询大中华区副总裁李民表示,“今年是 IBM 进入中国市场的第四十年,我们曾帮助许多中国企业的信息化建设与世界接轨。接下来,我们将把IBM的领先技术和行业专长带到更广阔的民营企业市场。以光伏为代表的新能源行业正在进入大发展时期,我们很高兴能与高测股份这样的行业领军企业建立长期合作,帮助民营企业转型升级,做大做强。IBM 咨询是企业业务转型的催化者,可以提供从战略到运营的端到端服务,我们将借助自身在战略、体验设计、技术和运营方面深厚的行业知识,助力高测股份实现业务管理标准化、在线化、数据化和智能化,助其实现‘打造世界一流的高硬脆材料切割服务商’的战略愿景和目标。”
好文章,需要你的鼓励
CoreWeave发布AI对象存储服务,采用本地对象传输加速器(LOTA)技术,可在全球范围内高速传输对象数据,无出口费用或请求交易分层费用。该技术通过智能代理在每个GPU节点上加速数据传输,提供高达每GPU 7 GBps的吞吐量,可扩展至数十万个GPU。服务采用三层自动定价模式,为客户的AI工作负载降低超过75%的存储成本。
IDEA研究院等机构联合开发了ToG-3智能推理系统,通过多智能体协作和双重进化机制,让AI能像人类专家团队一样动态思考和学习。该系统在复杂推理任务上表现优异,能用较小模型达到卓越性能,为AI技术的普及应用开辟了新路径,在教育、医疗、商业决策等领域具有广阔应用前景。
谷歌DeepMind与核聚变初创公司CFS合作,运用先进AI模型帮助管理和改进即将发布的Sparc反应堆。DeepMind开发了名为Torax的专用软件来模拟等离子体,结合强化学习等AI技术寻找最佳核聚变控制方式。核聚变被视为清洁能源的圣杯,可提供几乎无限的零碳排放能源。谷歌已投资CFS并承诺购买其200兆瓦电力。
上海人工智能实验室提出SPARK框架,创新性地让AI模型在学习推理的同时学会自我评判,通过回收训练数据建立策略与奖励的协同进化机制。实验显示,该方法在数学推理、奖励评判和通用能力上分别提升9.7%、12.1%和1.5%,且训练成本仅为传统方法的一半,展现出强大的泛化能力和自我反思能力。