当今数字化转型在各行各业中扮演着重要的角色,通过提升设备利用率、降低能源消耗等方式,能够实现降本增效;通过智能化设备、数据采集、员工培训等方式,能够提升客户价值;通过数字化赋能、咨询服务等方式,能够实现商业模式创新。数字化转型既是高质量发展,又是可持续发展的必要条件,能够帮助企业在行业中取得优势地位。
尽管数字技术在近年来被各行各业广泛应用,有的企业数字化转型获得了显着的成效,但多数企业没能实现数字化转型的预期目标。5月9日,以 “永续智造 · 数位慧聚” 为主题,2023 友达数位智能制造年度峰会上,中国人民大学“杰出学者”特聘教授、商学院原院长毛基业与我们聊了聊他的看法,他认为,出现这种现象的首要原因在于企业对数字化转型的认知不到位。
中国人民大学“杰出学者”特聘教授、商学院原院长 毛基业
解决认知问题,树立学习标杆
时代发生了根本性变化,企业的成长逻辑与过去完全不同了,大多数企业过去以粗放和野蛮的方式快速成长起来。现在,发展目标是效益和质量。另一方面,我们正在从工业经济转向数字经济,数字化转型这件事,对许多企业家和企业领导来说是一个短板,在认知上存在较大的空白,甚至违反了他们所在企业过去的成长逻辑。过去,企业之所以能够成功,并非依靠精细化,像友达这样的企业一样做精益制造。 因此,他们对数字化的潜能、转型的必要性以及转型应该如何进行,缺乏清晰的认知。
毛基业表示:“这种不会转、不敢转、不能转的问题,最根本问题都是出在认知上,如果是认知到位了,其他问题就好解决。”对于这些源自认知层面的问题,他认为,根本的办法在于“学习标杆”。
如果领导肯亲自深入了解情况,带领团队去研究三家已经成功转型的领先企业,他就会下定决心,也基本知道如何成功转型。毛基业强调,数字化转型难以完成,最大的问题在于认知,而非我们通常所认为的资金、人才方面的缺乏。
毛基业举例称:“我曾经见过一个企业利用低代码平台,全凭内部力量重新开发各种应用;由于获得了一些政府资助,几乎零成本地完成转型;这个800名员工的企业实现数字化转型后只留下了不到500人。”这恰恰说明了,数字化转型的困难并不在资金。另一方面,尽管当前确实存在缺乏数字化转型方面的人才,但是像友达这样的自主内生型的转型路线,正说明了通过为员工提供培训和积累经验,他们就可以成功地实现转型。因此,最大的挑战并不是资金或人才,而是公司领导的思想认知和理念。
借助内外资源,促进数字化转型
除了企业自身需要对数字化转型有一个清晰的认知,毛基业观察到,当前的外部环境也更有利于数字化转型。他表示,与2015年前友达开始尝试数字化转型的时期相比,对于现在的企业来说,行业内已经有很多友达这样的标杆,企业可以看到“转型之后是什么样子的”,还有总结好的路径方法,企业可以借助榜样的力量,这是当前最大的机遇。另一方面,从整体环境到政策出台,当今的企业可以清楚看到数字化转型是一条必经之路,而非一个选项。
除此之外,尽管在数字化转型方面,企业才是主体,但政府也能起到一定的推动作用。毛基业举例称:“两年前,我来到苏州时有一个真实的例子。除了去友达工厂,我还去了其他几家工厂,听说他们做了一些转型并取得了成效。我们询问他们如何想到数字化转型,他们告诉我们是因为苏州园区政府为他们组织了培训,他们在政府的培训中学到了这个理念。政府还安排了后续的对接供应商,这样一来二去,政府的作用就非常明显。当然,这也不排除政府提供了一些配套引导基金。或者在某些地方,政府也可能向企业提供10%至20%的经费。但最重要的是,企业自己要出70%到80%的资金,并且必须下定决心,自己要想明白要做这件事情。”
推动数字化转型,不仅是由于它是一种可以促进变革与创新的可行方法,还因为数字化转型与可持续发展有着密切的关系,甚至有企业在实施数字化转型的过程中,将可持续发展的理念融入进来。
毛基业观察到,不仅仅是友达,各个行业都有一些这样的“先行者”。他表示,整体来看,一些跨国公司在减少碳排放方面做得比较领先,一些科技巨头也制定了路线图,有了足够明确的战略。
数字技术的成本越来越低,易用性越来越强,人工智能、物联网等新兴技术将成为未来更重要的生产要素,为企业的转型升级、降本增效和创新提供强大的支撑。毛基业认为,这些技术能够放大原有的生产要素,如土地、资本和人力的价值,产生乘数效应,带来全方位的创新机会。
毛基业指出,数字技术能够实现企业与用户的全连通,促进商业模式、组织结构、产品服务和客户关系的创新和重构。他预测,在未来5年到15年内,大量的企业创新将以人工智能、物联网等数字技术为抓手和基础,而这些技术的进步和能力的进化又是创新变革的最大驱动力。他呼吁,为了实现高质量发展,企业必须积极拥抱数字技术,与时俱进。
好文章,需要你的鼓励
这项研究介绍了Ankh3,一种创新的蛋白质语言模型,通过多任务预训练策略显著提升了模型性能。研究者采用两种互补任务:多掩码概率的掩码语言建模和蛋白质序列补全,使模型仅从蛋白质序列就能学到更丰富的表示。实验表明,Ankh3在二级结构预测、荧光预测等下游任务中表现优异,尤其在模型未曾训练过的任务上展现出强大泛化能力,为蛋白质设计和分析开辟了新路径。
法国波尔多大学研究团队开发了一个突破性框架,用于神经退行性痴呆症的差异化诊断。该框架将3D脑部MRI转换为文本报告,并利用强化学习优化的大语言模型进行详细诊断推理。不同于传统"黑箱"方法,这一系统能生成透明、有因果关系的解释,同时保持高诊断准确率。研究显示,通过群组相对策略优化(GRPO)训练的轻量级模型能展现复杂推理行为,包括假设检验和非线性思考,提供与临床决策流程一致的排序诊断结果。
这项研究提出了CLUE框架,首次能够生成自然语言解释来揭示AI事实核查系统不确定性的来源。与现有方法不同,CLUE能识别文本片段间的冲突与一致关系,并解释它们如何影响模型的预测不确定性。实验表明,CLUE生成的解释在三种语言模型和两个事实核查数据集上都更忠实于模型不确定性,用户评价其更有帮助、信息更丰富、冗余更少且逻辑更一致。CLUE不需要微调或架构更改,适用于任何白盒语言模型,为事实核查提供了实用支持。
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。