11月17日,“第十届中国产业数字化大会”在南京举行。会议由江苏省商务厅、南京市人民政府指导,南京市商务局、南京市鼓楼区人民政府主办,托比网等机构承办,国联股份、汇通达、联动优势、鑫方盛、致景科技、天宸启桦协办。会议上,托比网发布了“2023中国产业数字化百强榜”等年度榜单。
快塑网创始人兼CEO刘育弘出席了会议并发表了主题演讲,演讲实录如下:
快塑网创始人兼CEO刘育弘
大家好!我是广州快塑电子商务的创始人兼CEO刘育弘,今天我想跟大家分享的话题是《智能决策机制下的产业互联网思维——用AI打造企业的第二大脑》。
今天各位大佬都讲了ChatGPT、AIGC对产业,对人们工作和生活的影响。我也看到了一个哈佛大学的统计数据,它举例了BCG、麦肯锡这样巨型的咨询公司,他们的咨询顾问使用人工智能通用大模型,提升了他们平均工作效率的25%,同时提高了他们平均工作产出质量的40%。所以由此可以看到,人工智能是真的能帮我们的各行各业降本增效。
我认为,当今是在处在一个智能技术革命的展开期,在智能技术革命的展开期企业应该具备什么样的能力?
我认为企业首先应该是拥抱这些智能并使用智能技术,从而让你自己企业的智能飞轮转起来。一边是用户体验,一边是知识和数据。每个企业把自己的数据和产业知识积累下来,进一步要形成线上化数据,通过智能化的技术,让客户有更好的体验,对企业有更高的忠诚度,从而企业才能实现规模和盈利的增长和高质量的发展。
我想举个例子,今天也有很多人提到了这个话题。大家看到屏幕上的很多企业,原来在二十世纪的时候都是一些财富五百强里面赫赫有名的企业。但是到了今天,52%的财富五百强企业都已经消失了,他们去哪里了呢?实际上,他们有的被收购并购,有的则是被一些科技创新的企业和新的商业模式取代了。
我们看到,以前在二十世纪50年代的时候,一家上市公司平均寿命是61年,但是现在只有15年了。我们从中可以得出,企业要生存,要生存得好,成为产业的头部,必须要拥抱数字化的技术,尤其是智能技术。同时,这个企业还需要拥有大数据资产,才能够成为这个产业的头部企业。
上周OpenAI开发者大会,当时他的CEO SAM宣布现在GPT4 TURBO 已更新到2023年4月份人类积累的知识库,而且能读取文本长度增加到128K,相当于300页书。新模型的理解能力更强,响应速度也更快。CHATGPT本身只是一个通用人工智能大模型拥有渊博知识,相当于一个哈佛大学毕业的硕士生,但是在他在产业领域或者专业领域的能力并不是很强,就需要产业领域的专业人士和企业参与进来,把自己专业的语料库专业的知识结合GPT一起,形成我们自己行业的大模型+通用大模型,打造我们企业专业级别数字级别员工,当你的企业拥有有数字级别的员工再结合人类员工的智慧,企业就有机会实现商业模式的创新了。在全球经济下行的大环境下,每个企业都说要降本增效,如何降本增效?企业要拥有专业级别的数字员工。
在智能技术革命的展开期,产业互联网平台需要做什么呢?第一,就是留存产业全流程全场景的数据,尤其是产业链上的上游的数据和下游的数据,通过你的数字化技术,核心就是智能化的技术,给产业上下游的客户提供高端化、个性化、定制化的服务。而且通过你的专业级别的数字员工,给客户实现服务的规模化。什么是服务规模化呢?未来的世界每个人都需要个性化,定制化的服务,就像每个人都能支付的起的普通价格,却能享受到米其林三星级的厨子为你专门做菜的服务一样,这需要有米其林三星级的数字厨子。所以我认为未来产业的企业通过他的专业级别的数字员工给他的每一个客户提供高端化、个性化的服务,从而实现服务规模化,提升客户体验和客户对企业的忠诚,从而让整个产业链上下游可以降本增效,从而实现高质量的发展。在智能技术的展开期人类员工和数字员工的携手合作才能实现商业模式的创新。
我们看一下人类员工可以做什么呢?人类擅长的就是更好的跟客户互动,发掘商机,做多方协调协作的工作,用人处理复杂,但是不繁重不重复的工作。因为人类员工收集了各种各样信息,需要他进行综合信息的思考判断,从而实现商业模式创新,而且人类独有的是同理心的。
数字员工做什么呢?实际上我认为所有自动化的工作,流程化的工作,可以让数字员工来做,他可以7×24小时运行,而且现在AIGC已经拥有了学习、分析、推理和决策的能力。未来人类员工应该是把自己的繁重且重复的工作留给数字员工去做,把人的时间释放出来,人通过综合思考,通过数字员工满足客户的高端,个性化需求。人提升客户的体验,提升客户忠诚度,为企业的业务创造差异化的价值,创造更高的营收。
当今的智能技术是如何影响和赋能塑化产业链?
塑化产业链是一个2.5万亿的市场,有通用材料和特殊材料。通用材料是标品,有1.3亿吨的市场容量,在这个产业里面是有几十万家工厂。上游是石化厂、一级经销商,贸易商,他们有什么痛点?
第一,货价总是在波动,库存可能会导致亏损。
第二,通用塑料是标品,是同质化竞争。同质化竞争的标品,有量,但是毛利低,这样就会凸显了人的劳动力成本高。
这些石化厂,一级经销商,贸易商只能服务这个产业的头部企业。就有点像现在的米其林三星级的大厨一样价格高,只能服务头部的大客户。
而下游工厂的痛点是什么?下游几十万家中小企业:
第一,他的原材料成本占制成品的60%,有成本控制的需求。
第二,工厂需要使用很多品类的货物,比如桌面上矿泉水瓶子就需要三四种材料才能做成,所以工厂需要采购多品类的材料,采购材料的时候需要比价,每个品类的比价时长。
第三,工厂有大量的应收应付款,资金非常紧张,而且向银行贷款非常难。
那么快塑网是如何用智能化技术解决这些产业痛点呢?我们是2014年底创立的,给工厂提供原材料一站式解决方案。快塑网平台的卖方就是石化厂、一级经销商、贸易商,我们的平台并不像传统线下的贸易商通过囤货低买高卖,通过博弈来获得盈利的。我们首先是建一个云仓,不囤货,我们给上下游客户,包括物流的承运商、资金方金融机构,都打了数字化标签。我们通过数字化标签给工厂进行智能匹配价格,匹配物流承运商及资金方,帮工厂找到多品类货物的最优价格,通过人机结合每天给工厂多品类的个性化的报价。这里需要强调一下,供应链金融是工厂的刚需,不同资金方金融机构风险偏好不一样,服务不同客户群体。我们平台通过平台留存的历史交易数据给这些工厂匹配相应的资金方,解决工厂贷款难的问题。快塑网平台从商机的获得,到成交,到供应链一站式的服务是一个复杂的流程,需要数字员工和人类员工共同携手才能让中小企业能享受到跟大企业一样的服务,从而实现服务规模化,实现降本增效及高质量的发展。
如何让我们产业平台的智能飞轮转起来呢?首先我们把全业务流程全场景数据全部都采集下来。分两步走:
第一步,就是实现业务的线上化。这个是非常困难的,会受到各总各样的阻力。收集并留存业务过程数据、包括原始信息记录下来成为数据,做成机器能学习的数据。
第二,是实现业务流程化。因为我们有采购,销售,及供应链,这些跨领域的数据需要融合融通,全链条化并留存在平台上。
当我们有了这些全业务流程全场景数据的时候,才有机会做数据的运营。我们通过数据分析和找到产业的规律,然后通过数据驱动决策去反哺业务决策。我们希望通过数据和市场双轮驱动,实现企业营收的增长。
我们平台通过数据的采集,分析,还做了一些模型预测,尝试客户提供最优的决策。我们通过平台的实时数据,可以感知到市场正在发生什么,而且为什么发生,将来会发生什么,然后给工厂提供一些决策依据。
举两个例子,比如一个东莞的工厂需要某SKU货物,通常传统线下的贸易商会选择离这个工厂最近的一个仓库,把这个货物运输到这个工厂。但是我们的平台是全国各地仓库该SKU货物进行比价。因为不同的仓库同样SKU的货物价格由当地的供需关系决定,且不同的季节,物流运输成本也是不一样的。往往从异地库采购并运输货物给客户,客户能获得更便宜的价格。我们通过推平信息差和物流服务给客户提供最优价格的货物。
第二个案例,我们做了一个供需匹配,比如我们平台有某个SKU每天都有20个供应商在线上报价,突然某一天这个SKU只有5个供应商进行报价,我们就会通知指定用该SKU的工厂说可能这个品类缺货了,你们要不要提前备货?当这个SKU只有1~2家供应商有货报价的时候,我们会根据下一周一些工厂的采购需求计划替他们备货,这样子就提升用户的体验,提升用户对我们平台的忠诚度。
我们平台如何使用智能决策机制服务我们上下游客户的呢?我们平台首先是对全场景全流程的业务数据做收集,再通过智能技术根据工厂的地址、账期、采购频次,还有行业的应用,给用户画像,给他推荐一个精准的多品类的报价。
给工厂报价是传统线下贸易商的员工每天都要做的工作,是一个繁重不复杂的工作。我们平台是在用人类员工和数字员工相结合。繁重不复杂的工作由数字员工去完成。平台工厂原材料采购是高频交易,一周采购2-4次,我们平台通过业务流程数字化,链接供需两端。尤其当这个工厂需要金融服务的时候,我们通过数字化标签给工厂匹配不同风险偏好的资金方。有些资金方利率比较高,但是他可以承受更高的风险,这类资金正好是可以满足一类工厂需求的。有另一类工厂资质好,需要比较低的利率,我们会给他智能匹配出来风险偏好低的资金方,通过这样的金融供需匹配,我们切实服务于下游工厂企业。
快塑网的数字化分为三个阶段:
第一阶段就是全流程,全场景数据的收集,同时数据的收集也要符合未来智能训练要求。
第二个阶段也就是现阶段,我们用了很多的规则给客户多品类的智能推荐报价、供应链匹配、物流匹配和金融匹配。
第三阶段,未来我们尝试做的,是基于辅助机器学习、分析和认知多元化场景,给客户精准的智能化报价,从而实现服务规模化。这是从机器人的自动化到认知科技的演化。
最后讲一下未来塑化垂直领域的智能应用,通过我们行业的知识模型与通用大模型的融合,赋能产业链上下游。行业的知识模型,我们通过构建塑料行业专业用词知识库、知识图谱;通过建立数据库标准,通过一些匹配规则,还有成交的评分,结合通用大模型对销售和客户各个环节需求语音,语义的理解,加上对成交关键内容的提取、分析、整合,不断进行对应的匹配,再给出一个评分的输出依据。通过行业模型和大语言模型相结合,当大语言模型升级迭代时,我们能给产业客户带来更好的体验,客户更愿意在平台交易,可以促进行业模型迭代,这样两个飞轮就转起来了。我们通过产业互联网平台更高效,更精准的服务产业上下游客户,实现高效的交易流,更精准的智能匹配提供多品类的报价,包括物流承运商的互相匹配和金融服务提供商的匹配,让客户有更好的体验;同时为客户的采购决策提供依据。通过数据及市场的双轮驱动,实现企业规模和盈利的增长,通过数字员工降低运行成本,实现服务规模化,从而成长为产业的头部企业。
最后分享一句话结束我的演讲,能生存下来的物种,不一定是最强壮和最聪明的,而是对变化反应速度最快的。
谢谢大家!
……
[查看详情]