热点新闻

HOT

汉得 x SKG｜主数据治理项目启动，为AI领航铺路，为高效运营筑基！

8月7日，SKG 联合汉得正式召开 MDM 主数据治理项目启动会，双方核心团队共同参会，标志着 SKG 主数据治理项目正式拉开帷幕。

查看详情

汉得产品出海｜HiFins汉得智慧财务套件帮助香港综合能源服务客户，构建全球化财务运营统一电子会计档案！

近期，汉得携手香港某中资综合能源服务头部企业正式启动全球财务运营统一电子会计档案建设项目。

查看详情

汉得 x 京新药业｜共建企业级 AI 智能体平台，共拓医药行业智能化升级！

近日，京新药业与汉得大客户数智化事业部群共同推进的企业级 AI 智能体应用建设项目正式启动。此次合作，是双方围绕企业级人工智能能力建设开展的一次重要实践，也标志着京新药业在 AI 技术规模化应用与业务场景深度融合方面迈入全新阶段。

查看详情

新闻中心

NEWS

全部公司动态产品快讯智慧营销智能制造智协供应链智享财务泛ERP 数字化技术合作伙伴

08-10

汉得 AI Factory 融合方案｜灵炼模型部署融合 NVIDIA NIM & Dynamo！

汉得企业级大模型训练与管理平台-灵炼（英文名 H-AI TrainHub，以下简称灵炼），是汉得 AI Factory 融合解决方案的企业级一站式模型训练与管理平台，覆盖数据集管理、精调、推理部署与评测等端到端能力，专注性能与安全保障，全面支撑企业 AI 模型开发与落地。

08-10

汉得 AI Factory 融合方案｜灵炼模型部署融合 NVIDIA NIM & Dynamo！

汉得企业级大模型训练与管理平台-灵炼（英文名 H-AI TrainHub，以下简称灵炼），是汉得 AI Factory 融合解决方案的企业级一站式模型训练与管理平台，覆盖数据集管理、精调、推理部署与评测等端到端能力，专注性能与安全保障，全面支撑企业 AI 模型开发与落地。本文将带您快速掌握灵炼模型部署的推理新能力：在现有 vLLM 推理引擎基础上，集成 NVIDIA NIM 与 NVIDIA Dynamo 推理框架，构建统一、高效且可扩展的推理平台。从镜像维护、模型版本配置，到部署选择、服务监控，再到一键对接灵猿 AI 中台，帮助您为不同业务场景选择最合适的推理方案。为什么要引入新的推理能力做过大模型私有化落地的团队应该都有体会：模型部署这件事，难的从来不是“跑起来”，而是“跑得稳、跑得快、管得住”。同一个模型，换个引擎、换套参数，吞吐和时延可能差出一倍。在推理侧，灵炼此前一直以 vLLM 作为默认引擎。vLLM 足够优秀，但随着企业 AI 应用从“试点验证”走向“规模化生产”，单一引擎的局限逐渐显现：💢场景在分化有的客户追求开箱即用与企业级支持保障，有的客户在多机多卡集群上追求极致吞吐，一把尺子量不了所有场景；💢算力驱动营收GPU 算力是企业级AI部署的核心资源，推理方案每提升一分吞吐，就意味着处理相同工作负载时所需的 GPU 数量更少 ——方案选择将直接影响企业拓展营收规模与降低总体拥有成本(TCO)的能力；💢生态在演进基于 NVIDIA 构建的推理软件栈（TensorRT-LLM、NIM、Dynamo）持续优化，企业需要一条能持续吸纳新推理能力红利的路径，而不是被锁死在某一代方案上。因此，灵炼此次升级的意义不只是“多了两个选项”，而是让平台具备了多能力栈管理的体系化能力——容器镜像、模型适配、部署选择、参数实践、监控运维一条链路打通。企业只管按场景选用，把“换推理方案”的成本压缩到一次下拉选择。灵炼模型部署融合NVIDIA NIM & Dynamo部署再升级！灵炼模型部署正式接入 NVIDIA NIM 与 NVIDIA Dynamo，形成 vLLM、NIM、Dynamo 三大推理技术协同的架构，进一步提升模型服务的性能、稳定性与运维效率。推理方案自由选在现有 vLLM 基础上，新增对 NVIDIA NIM 与 NVIDIA Dynamo 的支持。部署时可根据模型配置按需选择推理方案，通过一套标准化流程实现多种推理技术的统一部署与管理。镜像有章法底层配置支持维护通用镜像；针对 NIM 模型专用镜像的特点，支持在模型仓库对应版本上维护 NIM 专用镜像，镜像跟着模型版本走，部署自动带出。参数不用猜平台内置各推理方案可配置的内置参数与最佳实践，部署时给出推荐配置，无需从零翻阅引擎文档调参。监控开箱即用NIM、Dynamo 服务指标同步支持平台监控，与 vLLM 保持一致的可观测体验。生态一键贯通部署完成后支持一键对接灵猿 AI 中台的模型账号维护与模型账号组合配置，推理服务直达上层应用。认识两位新成员先看它们所在的大图景AI Factory 与 NVIDIA AI Enterprise在正式介绍这两位新成员之前，有必要先理解它们从何而来。AI Factory（AI工厂）这是一套软硬件协同设计的完整体系，目标是让企业能够规模化、可持续地把算力高效地“炼”成 AI 生产力——这也正是 AI 推理进入生产环节后，对吞吐、时延与成本提出的现实要求。要把这座“工厂”真正跑起来，除了底层硬件，还需要一整套经过验证、可长期维护的软件栈，这就是 NVIDIA AI Enterprise。NVIDIA AI Enterprise将面向 AI 开发的微服务、框架和库与先进的 GPU 编排和基础设施管理相集成，打造出全面受支持的生产就绪型商业软件套件。助力企业自信部署领先的开源工具和AI模型，提高生产力，加速价值实现，同时以优化的资源利用率大规模运行 AI 工作负载。可以把 NVIDIA AI Enterprise 理解为 AI Factory 的软件操作系统：AI Factory 描绘了目标形态，NVIDIA AI Enterprise 则提供了让这套体系真正落地运转的标准化软件基座。而本次要介绍的 NIM 与 Dynamo，正是 AI Factory 软件栈中两个关键组件：一个负责让单个推理服务开箱即用、跑得又快又省心；另一个负责在大规模 GPU 集群上把分布式推理编排到极致。理解了这层归属关系，再来看它们各自的能力，就更容易把握它们在整个 AI 工厂里所扮演的角色。1NVIDIA NIM官方预优化的“开箱即用”NVIDIA NIM 是一套易于使用的预构建容器工具，目的是帮助企业客户在云，数据中心和工作站上安全，可靠的部署高性能的 AI 模型推理。它由 Model-Free NIM，Day0 NIM 和 Refresh NIM 组成，它把推理框架（vLLM/SGLang），最小运行时依赖，最佳推理实践统一打包为容器镜像，启动即为标准 API 服务。它的价值主要在三点：✅ 开箱即用：无需自行处理复杂的推理框架部署和配置，容器启动时自动匹配当前 GPU 的最优 profile。其中：○Model-Free NIM 允许用户以最新的推理框架版本加载任意模型，同时兼顾合规和企业级 feature；○Day0 NIM 允许用户在第一时间获取最新的验证过的开箱即用模型；○Refresh NIM 允许用户获得对于特定模型的最佳性能。✅ 性能有保障：如果用户使用的是 Refresh NIM，底层是深度优化的推理路径，在 NVIDIA GPU 上通常可获得优于通用方案的吞吐与首 Token 时延。同时用户还可针对特定需求生成自定义优化方案，并将其无缝集成到 NIM；✅ 企业级支持：具备官方的版本维护与安全更新，没有高危代码漏洞风险，契合合规要求高的企业客户。需要注意的是，NIM 镜像是“多层次” 的——每个模型和框架版本对应各自的 NIM 镜像，这对平台的镜像管理能力提出了更高要求，也是灵炼本次在产品设计上重点解决的问题。2NVIDIA Dynamo数据中心级的分布式推理框架如果说 NVIDIA NIM 解决的是“单个服务如何跑得又快又省心”，Dynamo 瞄准的则是另一个维度：大规模分布式场景下，GPU 集群如何协同把推理跑到极致。Dynamo 是一个开源的数据中心级分布式推理框架，核心能力包括：✅ P/D 分离（Disaggregated Serving）：将推理的 Prefill（提示词计算）与 Decode（逐 Token 生成）拆到不同 GPU 组分别调度——前者吃算力、后者吃显存带宽，分开后各用其长，在长上下文、高并发场景下集群整体吞吐提升非常可观；✅ KV Cache 感知路由：智能路由器掌握各节点的 KV Cache 分布，将请求调度到缓存命中率最高的节点，减少大量重复计算；✅ 多级 KV 缓存管理：KV Cache可在显存、内存、本地盘之间分层流转，用更经济的存储扛住更大的缓存量；✅ 引擎无关：底层可对接 TensorRT-LLM、vLLM、SGLang 等推理内核，Dynamo 负责上层调度与编排。如何选择合适的推理方案？一个务实的选型参考：日常开发验证用 vLLM；NVIDIA GPU 上的标准化高性能生产部署优先 NVIDIA NIM；当业务量大到需要跨节点扩展推理集群时，就是 NVIDIA Dynamo 的主场。快速入门 - 配置维护维护推理方案通用镜像模型部署/配置维护：为各推理方案维护通用镜像。vLLM、Dynamo 等采用“一个镜像服务所有模型”的通用镜像模式，在配置中统一登记镜像地址与版本，部署时直接引用，镜像升级只需维护一处，不再需要在各个环境里口口相传“该用哪个 tag”。◈ 推理方案：vLLM / NVIDIA NIM / NVIDIA Dynamo；◈ 通用镜像：维护对应的镜像地址与版本，针对 NVIDIA NIM 的渠道类型，平台内置了 Model-Free NIM。模型仓库维护 NIM 专用镜像模型仓库/模型版本：为模型版本维护 NVIDIA NIM 模型专用镜像。与通用引擎不同，NIM 模型专用镜像与模型一一对应。灵炼将 NIM 专用镜像的维护入口设计在模型仓库的对应模型版本上，镜像与模型版本强绑定，部署时自动带出，如果官方没有发布模型专属 NIM，会默认使用 Model-Free NIM。在模型版本上配置该版本支持的推理清单。不同模型对推理底层的适配情况不同，通过版本级的配置，部署环节只展示合法选项，从源头避免“用错引擎起不来服务”的低级错误。模型部署选择推理方案模型部署：新建部署任务，选择推理方案。◈ 模型及版本：选择目标模型；◈ 推理方案：从该模型版本配置的方案中选择 vLLM / NVIDIA NIM / NVIDIA Dynamo；◈ 参数配置：平台预置各引擎默认参数与最佳实践推荐值—— vLLM 的显存利用率与最大序列长度、NVIDIA NIM 的 profile 选择、NVIDIA Dynamo 的分布式拓扑等，均给出参数说明与推荐配置，同时支持关键参数自定义调优。同一个模型，开发环境用 vLLM 快速验证，生产环境切换NVIDIA NIM 或NVIDIA Dynamo 上强度，切换成本被压缩到一次下拉选择。服务监控新技术栈不能是“监控盲区”。部署完成后， NVIDIA NIM 与 NVIDIA Dynamo 服务的运行状态与推理指标已同步接入平台监控，与原有 vLLM 服务保持一致的运维体验，服务健康度、推理指标一目了然，问题快速定位。一键对接灵猿 AI 中台推理服务就绪后，支持一键对接灵猿 AI 中台，自动完成模型账号维护与模型账号组合配置，无需在两个平台间手工复制接入信息，推理服务直达上层 AI 应用，打通从模型部署到应用消费的最后一公里。推理世界迭代很快，平台的价值不在于押注某一个引擎，而在于把“换推理方案”这件事变得足够便宜。以上内容主要讲解了灵炼模型部署接入 NVIDIA NIM 与 NVIDIA Dynamo 后的推理方案镜像维护、推理方案选择、部署参数最佳实践、服务监控、灵猿一键对接相关能力——从镜像、参数、监控到上层应用对接的整条链路都是现成的，企业只需按场景选择最合适的推理方案。更多功能细节可参阅开放平台文档，或随时联系研发团队：openhand@vip.hand-china.com。未来我们将持续迭代，为您带来更多 AI 模型开发与落地体验，期待与您交流！欢迎在评论区留言，一起探讨 AI 模型推理部署在您业务中的应用潜力~携手汉得，共铸硬核竞争力！

08-10

汉得 x SKG｜主数据治理项目启动，为AI领航铺路，为高效运营筑基！

8月7日，SKG 联合汉得正式召开 MDM 主数据治理项目启动会，双方核心团队共同参会，标志着 SKG 主数据治理项目正式拉开帷幕。

08-10

汉得 x SKG｜主数据治理项目启动，为AI领航铺路，为高效运营筑基！

8月7日，SKG 联合汉得正式召开 MDM 主数据治理项目启动会，双方核心团队共同参会，标志着 SKG 主数据治理项目正式拉开帷幕。随着 SKG 数字化建设持续深化，研发、供应链、营销、财务等业务系统陆续上线，企业数据规模快速增长。但由于主数据入口分散、标准不统一、跨系统流转规则不清晰，数据重复、缺失及口径不一致等问题逐步显现，不仅影响业财协同和经营分析，也制约了 AI 场景的规模化落地。AI 能够释放多大价值，取决于企业数据是否准确、统一、可理解。建设统一的主数据标准与治理机制，已成为 SKG 迈向 AI Ready、推动“数据 x AI”价值落地的关键前提。本次项目将实现主数据标准可查、管理有效、数据贯通，为业务高效运营建设筑牢底层支撑，同时为后续 AI 领航战略落地提供高质量的结构化数据基础。汉得 x SKG主数据治理项目启动SKG（全称：未来穿戴健康科技股份有限公司），是国内头部智能可穿戴按摩健康品牌，主打颈椎按摩仪等便携按摩设备，线上线下多渠道销售，产品销往全球多个国家。蓝图先行让主数据在系统间规范流转SKG 研发总监张健先生表示，避免人为干预导致数据失真、流转拥堵，需输出 MDM 主数据平台与各业务系统的流转节点蓝图，明确各环节的标准管控要求。强调数据治理要实事求是，遇到问题及时反馈，必要时做合理取舍；数据标准梳理、数据清洗阶段需配置专门的人员保障，避免兼职推进导致项目落地效果不佳。SKG 研发总监张健先生AI 就绪高质量数据是 AI 落地的前提汉得数智事业部总经理曹正炎先生表示，当前企业数字化建设进入深水区，AI 落地的前置要求是做好主数据治理，实现 “AI Ready”。本次主数据项目是 SKG 整体数据与 AI 大规划的重要前置环节，最终实现 “Data × AI for Value”，通过数据与 AI 的加持提升公司整体运营效率。汉得数智事业部总经理曹正炎先生共建共治主数据治理必须由业务共同参与SKG AI 变革与数智化总监康小辉先生表示，主数据治理核心是立标准、建规则，需各业务部门共同共创，配套出台管理办法明确违规处理规则，保障标准落地。并提出项目推进的四点要求：参与人员要有耐心细心，秉持较真精神打磨细节；要对标外部标杆经验，敢于否定过往不合理的旧操作；项目上线不是结束而是数据长期运营的开始，要严格遵守标准保障后续增量数据的干净准确；相关人员要遵守会议纪律，按时参与相关讨论与评审决策。SKG AI 变革与数智化总监康小辉先生质量筑基数据可信，AI 才能真正可用SKG 质量运营总经理赖珍玉女士提出，主数据是 AI 落地的核心前置基础，无标准数据则 AI 无法发挥实际价值，需拿出“打得一拳开，免得百拳来”的决心，一次性彻底解决底层数据问题。SKG 质量运营总经理赖珍玉女士主数据项目不仅仅是 IT 项目，更多的是管理项目，涉及到企业流程、数据标准、数据管理制度的变化和完善。业务部门深度参与和持续支持是本次项目顺利实施的基础。当前整个项目时间紧、任务重，SKG 的业务团队将与汉得的技术专家紧密合作，确保项目每一个环节都能精准对接，高效运转。此次项目启动，不仅标志着 SKG 主数据治理工作进入系统化、标准化建设阶段，也意味着 SKG 向 AI Ready 企业迈出了关键一步。未来，汉得将与 SKG 业务及数字化团队深度协同，共同建立统一的数据标准、清晰的管理责任、受控的数据流程和长效的数据运营机制，让数据真正成为连接业务、支撑决策、驱动 AI 的核心生产要素。数据有标准，业务能协同；底座更可信，AI 才真正可用。让我们共同期待，通过此次合作，SKG 与汉得将携手为行业数据治理树立新标杆。携手汉得，共铸硬核竞争力！

08-07

汉得携手矩阵起源，共建企业级AI落地新生态！

近日，上海汉得信息技术股份有限公司（以下简称汉得）参与投资的基金，参与了企业级 AI 基础设施厂商矩阵起源（MatrixOrigin）的 A 轮融资。

08-07

汉得携手矩阵起源，共建企业级AI落地新生态！

从企业应用到 AI 基础设施底座汉得以「得·灵」体系为基础携手矩阵起源打通企业 AI 智能化升级的“最后一公里”近日，上海汉得信息技术股份有限公司（以下简称汉得）参与投资的基金，参与了企业级 AI 基础设施厂商矩阵起源（MatrixOrigin）的 A 轮融资。本轮融资金额超千万美元，由汉得参与投资的基金、算力基础设施综合服务商亚康股份与澳大利亚风险投资机构 Artesian VC 共同注资。本次投资完成后，汉得与矩阵起源将进一步探讨在业务层面依托各自优势深度生态协同，使得汉得在 AI 领域的整体能力进一步向 AI 基础设施层延伸——从企业应用生态到 AI 基础设施底座，以构建更加完整的企业级 AI 解决方案能力。具体合作意向在进一步协商探讨中，若有进展公司将在指定媒体披露相关公告，敬请关注！随着 AI 在企业侧从单点应用向业务深度融合演进，我们敏锐洞察到：企业 AI 落地的真正瓶颈，不在于模型能力本身，而在于统一的 AI 平台工具、数据、AI 智能体、与企业现有业务流程和业务系统融合。汉得“得·灵”企业级 AI 产品和服务体系，涵盖灵猿 AI 中台、灵手业务智能体、灵睿垂直模型、灵炼大模型训练平台及灵策配套服务，已在多家头部企业成功落地。然而，在企业 AI 走向规模化、智能体加速进入生产环境的过程中，底层基础设施的统一性与开放性成为决定 AI 能否真正融入业务运行的关键变量。矩阵起源自主研发的 MatrixOne Intelligence 平台，基于 AI-Native 架构，将 HTAP、数据湖、元数据管理、AI 服务与智能体运行时（Agent Runtime）深度融合于同一平台，恰好填补了企业 AI 基础设施层的关键空白。汉得与矩阵起源的协同价值，体现在“自上而下”与“自下而上”的双向赋能：自上而下，场景牵引汉得凭借近三十年积累的深厚行业 Know-how 和数千家企业客户的真实业务场景，为 MatrixOne Intelligence 平台提供来自一线的需求牵引。汉得“得·灵”体系中丰富的业务智能体应用经验，能够帮助矩阵起源更精准地对接企业实际需求，加速产品在制造、金融、物流、财务、电信、快消品等行业的规模化落地。自下而上，底座支撑矩阵起源的 MatrixOne Intelligence 平台，为汉得的 AI 应用体系提供统一的数据与 AI 基础设施底座。传统架构下，企业推进 AI 应用需分别部署数据库、数据平台、AI 平台与智能体系统，四套系统各自独立运维，成本与复杂度居高不下。矩阵起源 MatrixOne Intelligence 将上述能力收敛至同一平台，与汉得的“得·灵”体系形成“基础设施+应用”的完整闭环，大幅降低企业 AI 建设门槛，帮助企业构建可信、安全、可治理且可持续演进的 AI 能力体系。汉得 COO 黄耿表示：“企业级 AI 正在从‘单点尝试’迈向‘智能化升级规模化落地’的关键拐点。汉得长期服务于企业数智化转型一线，我们深刻认识到企业级的智能化升级是需要算力、模型、数据、平台工具、智能体应用与企业的业务流程和业务系统融合的系统工程。基于汉得在 AI 能力构建上的整体战略布局，将‘得·灵’体系多年积累的行业洞察和服务能力、AI 应用产品和解决方案，与矩阵起源的数据底层技术能力深度融合后，可逐步构建从 AI 基础设施到 AI 应用的全栈解决方案，帮助客户构建 AI 时代的核心竞争力。”当前，全球企业软件市场正加速向 AI-Native 转型。Databricks、Snowflake、Palantir 等海外头部厂商相继强化自身的 AI 基础设施能力，企业级 AI 基础设施有望成为继云计算、大数据之后的新一代基础软件市场。随着智能体加速进入企业生产环境，企业 AI 的竞争焦点正从单一模型能力，转向数据、智能体、AI 基础设施底座的统一运行平台。汉得与矩阵起源将进一步探讨在业务层面依托各自优势深度生态协同。汉得将依托矩阵起源的技术底座，进一步丰富“得·灵” AI 产品体系的应用场景与底层支撑能力；矩阵起源则将借助汉得庞大的客户资源和行业经验，加速 MatrixOne Intelligence 在企业场景中的规模化落地。汉得与矩阵起源的联手，将为企业级 AI 基础设施赛道注入新的活力，助力更多企业构建可信、安全、可治理且可持续演进的 AI 能力体系。矩阵起源（MatrixOrigin）矩阵起源（MatrixOrigin）成立于2021年，是一家专注于企业级 AI 基础设施的创新科技公司，致力于构建统一的数据、AI 与智能体基础设施。公司自主研发的 MatrixOne Intelligence 是一体化 AI-Native 基础设施平台，融合统一数据平台、AI 服务、智能体运行时及企业级治理能力，为企业提供可信、安全、可持续演进的 AI 基础设施底座。目前，产品已在制造、金融、物流、财务、电信、快消品、互联网、半导体等行业实现规模化落地，累计服务企业客户超过100家。汉得信息上海汉得信息技术股份有限公司（300170.SZ）成立于2002年，是国内领先的企业级数智化产品和解决方案综合提供商。公司基于自主企业级 PaaS 平台 H-ZERO，构建了覆盖产业数字化与财务数字化的完整自主产品体系，并推出“得·灵”企业级 AI 产品和服务体系，涵盖 AI 中台、业务智能体、垂直模型、大模型训练平台及配套咨询服务。目前，汉得信息累计服务超过8000家行业头部客户，AI 应用落地覆盖制造、营销、财务、供应链、人事等全业务领域，致力于帮助企业实现从数字化到智能化的跨越。携手汉得，共铸硬核竞争力！

08-06

汉得DataClaw“硅基人”上岗记：（2）事业部总经理分身

汉得DataClaw，企业的数字员工中心——让管理者从报表和重复工作里解放出来，把精力放回客户、业务和增长；让一个人培育好的能力，变成整个组织可以复用的资产。

08-07

汉得DataClaw“硅基人”上岗记：（2）事业部总经理分身

7月中旬，公司全球业务事业群COO大林总在事业部总经理群里发了一条消息：“半年已过，请各位事业部老大复盘上半年经营情况。关于经营数字分析这块，想用DataClaw来分析，请曹总经理先以自己的事业部为例做一个分析样例出来给大家参考。”事业部总经理曹总没有开Excel，没有新建PPT。他把这条消息，转手交给了DataClaw中已经上岗的数字员工——“曹总的分身”。接到任务，“曹总的分身”没有马上跑数据，而是先理解任务、主动追问：分析哪个时间范围、重点看哪些内容、输出什么形式、数据截止到什么时候。同时搭出了自己的分析框架。▲ 任务刚交过去，“曹总的分身”先理解任务、追问关键信息并梳理框架曹总只做了几次关键调整：◈ 要炫酷HTML报告▲ “曹总的分身”先提出HTML报告的7个模块再由管理者确认和校准◈ 按签单、立项、收入、毛利、成本、收款六个维度来：▲ 少量补充关键经营口径后“曹总的分身”继续拉取数据并完善分析不是人把每一步拆好交给AI，而是AI先搭框架，人只在关键地方拍板。分身完成数据拉取、口径梳理、同比分析和图表生成，输出了一份完整的炫酷经营分析报告。从六大KPI看全局，再往下分析毛利、收入结构、产品签单与回款、成本归因，最后给出经营判断和下一步行动。▲ 由“曹总分身”生成的HTML经营分析报告从经营总览继续下钻到毛利问题▲ 报告最终形成问题归因、经营判断和下一步行动建议取数、整理、分析、制图这些活，分身先干完。曹总看口径对不对、分析到不到位，决定下一步怎么干。更重要的是，这几轮调教下来的分析逻辑和口径，分身都记住了。下次再做，不用从头交代。之前大林总要求每个事业部都用DataClaw来直接做经营分析报告。但实际上，只有曹总一个人用DataClaw做，并且汇报效果非常不错。在曹总汇报完，大林总就直接提了一个要求:“如果每个事业部都要重新搭一遍分析框架，这个方法很难复制。不如沉淀成Skill，大家拿来就用。”曹总便给分身下了一条指令：“把我这次做报告的模板和思路，生成一个Skill，让其他事业部也能用。”分身把分析结构、因果链、业务口径、查询方式和HTML呈现方式打包，生成了“事业部经营分析Skill”。▲ 一句指令，“曹总分身”将已跑通的方法生成可复用的经营分析SkillSkill经过审批后上架技能商店。其他事业部不用重新训练，直接添加就能用。▲ “事业部经营分析Skill”经过管理员审核并发布曹总的下一个总经理还没汇报完，N事业部就按照曹总共享的Skill，不到1分钟就能生成自己的经营分析报告。▲ N事业部不到一分钟生成自己的经营分析报告，确认数据正确一个人的经验，就这样变成了整个组织可以复用的能力。一个事业部总经理准备一次经营分析，需要两天。20个事业部就是40个人天，如果转化成跑客户，40人天可以转化为千万级的市场增量。这些时间真正的价值，不是省了多少报告成本，而是可以重新投入客户拜访、市场拓展和关键决策。管理者真正重要的工作，从来不是反复取数、对数和做报告，而是抓异常、抓机会、抓增长。DataClaw不只是让报告做得更快。它把管理者的经验沉淀下来，让优秀的管理方法在组织里被复制、被复用。总经理面对的不是没有报表，而是报表太多。真正需要及时知道的，往往是哪里出了异常、哪里出现了机会。传统报表按统一口径配置，可以告诉所有人同样的异常，但不同管理者关心的事情并不一样。要做到千人千面，开发成本高，还很难跟着管理要求随时变化。DataClaw换了一种方式：管理者直接告诉分身“我平时关心哪些异常”，它就能按个人责任范围和管理习惯，设置定时任务，主动检查并按时推送。曹总告诉分身：“关注无项目和缺勤人员、无合同在建项目、收入和毛利变化、重点项目风险，每天6点30推送。”到了设定时间，分身自动查询最新数据，把异常和建议整理好直接推送。▲ “曹总的分身”每天定时检查缺勤和无项目人员，并主动推送日常明细▲ 每日经营监控不只报数字还给出异常等级、跟进建议和当天行动清单每个管理者关心的事情不一样。谁关心什么，就告诉自己的分身，让它每天替自己盯着。管理者不用每天翻一堆报表，只需要看与自己有关的异常和待办。“曹总的分身”不是公司唯一的数字员工。DataClaw里已经有PMO、事业部总经理秘书、王牌销售员、公共销售小秘、数据小秘、资金与外汇风险分析员工、税务合规分析员工等不同岗位的数字员工。▲ 汉得DataClaw中已经上岗部分AI数字员工更多岗位员工正在陆续上线这些只是已经上岗的一部分。公司还在把更多岗位的知识、经验和工作方法教给数字员工，更多员工正在陆续上线。还有一种更快的复用方式——公共员工。管理员把某个岗位的数字员工训练好、发布为公共员工后，其他人不需要自己从头训练，也不需要一个个添加Skill，直接分配就能用。汉得DataClaw中已上线部分公共员工，开箱即用。个人分身，教的是你自己的工作方法；公共员工，复用的是组织沉淀下来的标准能力。两种方式并行，让重复工作有人接住，让优秀经验快速复制。汉得DataClaw，企业的数字员工中心——让管理者从报表和重复工作里解放出来，把精力放回客户、业务和增长；让一个人培育好的能力，变成整个组织可以复用的资产。总经理、销售参谋、数据小秘……都已培养上岗您的企业准备好让哪些数字员工上岗呢？请联系您熟悉的汉得商务伙伴或扫描下方二维码了解更多

08-05

汉得工业AI实战系列｜多晶硅还原雾化预警AI大模型PRAW AI Model工艺预警优化，提升产品良率！

汉得深耕制造领域近30年，积累了大量制造业客户和行业场景。依托「得·灵」企业级AI产品/服务体系，和基于企业级PaaS平台H-ZERO构建的智能制造HCMs协同平台，我们把工业数据、业务流程和AI模型连接起来，帮助企业构建高效、可靠、可闭环的工业AI行业垂类模型和应用。

08-06

汉得工业AI实战系列｜多晶硅还原雾化预警AI大模型PRAW AI Model工艺预警优化，提升产品良率！

在AI时代，大模型、智能体和智能应用如何快速落地融入企业提质增效受到广泛的关注。工业企业尤其是制造企业流程长、业务场景复杂在工业AI智能化落地难度尤其大。其中，制造企业的管理团队焦虑的核心关注点之一：AI能不能进入工艺、设备、质量和生产现场，解决一个个具体问题，优化提升工艺质量。汉得深耕制造领域近30年，积累了大量制造业客户和行业场景。依托「得·灵」企业级AI产品/服务体系，和基于企业级PaaS平台H-ZERO构建的智能制造HCMs协同平台，我们把工业数据、业务流程和AI模型连接起来，帮助企业构建高效、可靠、可闭环的工业AI行业垂类模型和应用。这个专题希望通过一系列工业AI真实场景落地案例，把我们在工业AI落地中的经验、想法和方法呈现出来，为更多制造企业提供参考。这是“工业AI实战”专题的第一篇：多晶硅还原雾化预警AI大模型（Polysilicon Reduction Atomization Warning AI Model，简称PRAW AI Model）帮助企业工艺异常预警，让问题提前进入处置闭环，进一步优化生成工艺，提升产品良率，节约能源消耗，增加企业碳资产。多晶硅怎样“长”出来的多晶硅还原雾化预警AI大模型多晶硅是光伏和半导体产业的重要基石。在光伏产业链中，多晶硅处在上游，向下连接硅片、电池片和组件，最终影响光伏产品的成本、效率和供应稳定性。在半导体产业中，高纯多晶硅也是硅基材料的重要来源，进一步支撑单晶硅片等关键材料制备。从硅砂到多晶硅硅棒，主要经过以下5个关键环节：先从硅砂中还原出工业硅，再通过氯化、精馏等工序得到高纯三氯氢硅，最后让三氯氢硅和氢气进入还原炉，在高温环境下完成硅的沉积和生长。▲ 多晶硅生产过程示意图还原炉是多晶硅硅棒“生长”过程的核心设备。还原反应是一段持续过程：硅芯像一根逐步长大的骨架，硅在高温反应中不断沉积到表面。这个过程周期长、影响深，炉内状态一旦偏离，最终都会反映到产出效率和硅料质量上。现场控制的关键，保持合适的反应状态：反应过于剧烈，炉内雾化更明显，影响产品质量；反应不足，沉积生长变慢，影响生产效率。质量和效率之间，需要动态平衡。难点在于，这一“合适状态”并不会由单一仪表直接呈现。以往的传统方式，现场工作人员只能通过还原炉窥视孔观察炉况，再结合工艺经验判断雾化程度。据统计在还原工序，92.5%的炉批需要人工调整。持续巡检、反复确认，本身消耗人力；注意力、疲劳和状态变化，也会带来判断波动。人由此成为生产稳定性里的不确定因素。▲ 还原炉雾化预警解决方案示意图围绕还原炉这一关键环节，我们与客户共同探索：基于历史炉况、操作记录和现场确认结果，结合深度学习模型，构建多晶硅还原雾化预警AI大模型（Polysilicon Reduction Atomization Warning AI Model，简称PRAW AI Model），让系统提前识别炉况偏离，并把预警、处置和经验回流纳入生产闭环，进一步优化生成工艺，提升产品良率，节约能源消耗，增加企业碳资产。实时监控持续在线的数字巡视员还原炉雾化预警首先要解决的，是关键炉况无法持续监控的问题。传统方式主要依赖人工巡检，通常按小时进行观察，并重点关注少量指标。PRAW AI模型基于过程数据的监测路径：通过DCS/IoT接入还原炉实时运行数据，再由MES按炉批下发监测指标，将关键数据送入监控池。在这个场景中，系统围绕22项关键参数进行持续监测，数据每10秒更新一次，支撑7x24小时不间断观察。把人工定时巡检升级为系统连续监测。提前预警更懂工艺的数字工艺工程师还原炉异常往往不是某个瞬间的高低值，而是连续运行过程中的趋势变化。系统要识别的，也不是单一参数是否越线，而是炉况是否开始偏离合理区间，偏离前是否存在征兆，调整后是否回到稳定状态。历史异常数据、现场PDA确认结果、雾化等级、DCS操作日志和处置结果会经过清洗，形成神经网络模型的训练集和评估集，帮助PRAW AI模型学习的是多变量连续变化与炉况异常之间的关联关系。在实时运行中，PRAW AI模型按设定周期生成风险评分，并发送至MES。MES结合评分规则判断是否触发预警，提前5-10分钟将异常趋势推送到现场，提前识别异常。流程闭环严谨专注的数据科学家工业AI进入工厂，不能止步于风险提示。在还原炉雾化预警场景中，预警既可以来自模型评分，也可以由现场PDA人工触发。MES收到异常炉况信息后，生成预警台账，并将预警推送至现场PDA。现场人员复核炉况后，中控人员根据情况调整炉内参数；调整完成后，现场再次确认雾化等级，记录处置效果，上传恢复后的炉况信息，并关闭预警。必要时，预警还可以关联DCS操作日志，将操作人员、操作时间和调整动作沉淀到系统中。这条链路将模型评分、MES台账、PDA确认、中控处置和结果关闭连接起来。只有进入业务流程，AI才能真正成为生产闭环的一部分。经验回流持续沉淀的数字工艺专家还原炉工艺复杂，现场经验至关重要。但如果经验只存在于个人判断中，就难以复用和传承。一次预警从出现到关闭，其间经历了什么、如何处置、效果如何，都应被完整记录。系统会将预警时间段内的数据、异常得分和现场确认结果打包进入异常数据库，并对异常类型进行结构化沉淀。后续，这些数据会再次经过清洗，形成新的模型训练集和评估集。新训练出的神经网络模型，还要通过模型评估模块验证，合格后再发布上线。这也是工业AI的核心价值：不是取代人的经验，而是把过去分散在巡检记录、班组沟通和工艺人员记忆中的经验，沉淀为组织可以持续使用、持续迭代的AI行业垂类模型的能力。从人工巡检单点预警到工业AI行业垂类模型PRAW AI大模型的价值，不在于增加一套独立系统，而在于把原本高度依赖人工巡检和个人经验的炉况判断，转化为人机协同的生产过程控制能力。对现场来说，模型负责持续观察过程变化，人员负责确认炉况并完成处置。这样既可以让异常趋势更早进入视野，也能降低高频巡检对人员注意力和经验状态的依赖，减少异常遗漏和响应滞后的风险。更重要的是，这类工业AI场景的构建需要平台工具和系统化AI能力支撑。还原炉雾化预警需要接入实时过程数据，需要承接MES预警台账和 PDA现场确认，也需要把异常数据、处置结果和模型评估持续回流。只有建立在统一数智化平台底座上，AI才能真正进入生产流程。依托「得·灵」企业级AI产品/服务体系，和基于企业级PaaS平台H-ZERO构建的智能制造HCMs协同平台，把数据接入、模型训练、预警推送、现场处置和经验回流串成完整闭环，帮助企业构建高效、可靠、可闭环的工业AI行业垂类模型和应用，积累沉淀企业运营的AI资产，构建AI时代的核心竞争力。PRAW AI大模型不仅是一个工艺预警场景，更是工业AI在制造现场落地的一种方法。从AI理解现场数据，到AI进入业务流程，最终让经验沉淀到平台中，将成为企业可以持续复用的制造行业垂类模型能力标准范式。携手汉得，共铸硬核竞争力！

08-04

汉得产品出海｜HiFins汉得智慧财务套件帮助香港综合能源服务客户，构建全球化财务运营统一电子会计档案！

近期，汉得携手香港某中资综合能源服务头部企业正式启动全球财务运营统一电子会计档案建设项目。

08-04

汉得产品出海｜HiFins汉得智慧财务套件帮助香港综合能源服务客户，构建全球化财务运营统一电子会计档案！

近期，汉得携手香港某中资综合能源服务头部企业正式启动全球财务运营统一电子会计档案建设项目。本次项目基于HiFins汉得智慧财务套件，将帮助客户建成一套适配中国内地、中国香港及老挝、菲律宾、泰国、澳大利亚、新加坡多国家地区法规的全球化财务运营电子会计档案统一平台，助力企业全球化合规运营，提升档案管理效能、筑牢合规底线！政策趋严＋跨境经营财务档案管理要求升级近年来，从新《档案法》、《会计档案管理办法》到电子凭证会计数据标准陆续落地，国内监管要求持续细化，对跨境档案管理也提出标准化硬性要求。作为扎根香港的中资能源企业，既要满足内地监管与集团内控要求，又要适配境外全球化业务运营场景，财务档案管理复杂度更高，企业传统档案模式长期面临多重管理难题：💢人才资源占用大香港人工成本高昂，财务人员每月耗费大量工时完成凭证打印、装订、归档，耗费数十至上百小时；遇到审计检查，还需抽调人手突击整理；大量高薪酬人力消耗在重复性琐碎工作上，挤占核算分析等高价值工作时间，人才价值被低估。💢存储成本高香港土地资源紧张、办公租金昂贵，纸质档案需要占用专属办公库房，长期存放持续消耗宝贵办公空间，直接抬高职场租赁成本，且业务扩大后成本线性增长，难以压缩。💢档案检索低效纸质凭证缺乏规范分类，查找历史凭证耗时费力。跨部门、跨地域借阅流程繁琐，易出错或延误，直接影响审计、对账等关键业务的响应速度。💢安全合规隐患纸质档案容易因借阅管理不善而出现丢失、破损风险；同时，纸质易出现潮湿、火灾、虫蛀、老化褪色等问题。💢数据孤岛协作难发票、银行回单、凭证等电子版分散在ERP、共享系统、合同系统、资金管理系统等多个系统中，纸质与电子并行，数据难以联动，信息价值无法充分释放。传统档案管理方式，已经难以支撑企业长期发展，搭建全球化财务运营标准化统一的电子会计档案平台迫在眉睫。合规、提效、风控降本三大目标驱动档案数字化升级本次电子会计档案项目围绕合规、效率、风控成本三大维度确立建设目标：合规目标搭建标准化、全生命周期档案体系严格遵循国家档案法规及集团制度要求，搭建符合标准的电子会计档案管理体系；覆盖档案全生命周期管理，落实涉密档案管理规范，确保电子档案具备完整法律效力。效率目标提升档案管理效能解放财务人力实现业务系统与档案平台互联互通，支持凭证自动归档、档号自动生成；搭建分级权限检索体系，简化跨地域档案调阅，实现档案数据共享，统计数据自动汇总，减少人工统计工作量。风险与成本目标降低运营成本防控档案风险搭建异质异地备份存储架构，防范档案数据丢失；规范档案迁移、销毁流程，推进传统档案数字化；配套运维考核机制，保障系统长期稳定运行。汉得智慧财务团队将依托多年财务数字化建设经验，助力客户完成全球财务运营统一电子会计档案平台落地，为财务全球化高效运营打下了良好的基础，以数字化能力支撑企业跨境业务稳健运营！会计档案全生命周期管理汉得财务数字档案室汉得基于二十多年财务信息化与数字化服务经验，依托自研的H-ZERO技术平台，推出财务数字档案室产品，帮助企业以数字化重构会计档案全生命周期管理，助力企业构建合规、智能、可追溯的数字档案体系，将会计档案从“沉睡档案”变成可复用、可追溯、可支撑决策的“价值资产”。全要素智能电子归档汉得按照费用报销域、薪酬核算域、资产核算域、总账报表及档案域、资金结算域、税金核算域、采购应付域、存货成本域、收入核算域等九大业务域，串联各业务域端到端的业务线索与财务数据链，实现全要素信息的自动关联、智能匹配、一键归档，形成完整合规的会计电子档案。档案管理更智能一键检索：智能归档后，可基于任意条件的信息检索，秒级定位档案；类纸质预览体验：模拟纸质预览模式，从凭证—单据—发票—附件的顺序阅读。档案查阅更安全依托财务-业务全链路数据贯通，支持业务链穿透式查询，实现从财务档案到业务源头的一键追溯。彻底告别传统查账“翻箱倒柜”的低效模式，大幅提升审计、查账、溯源效率，实现全流程可追溯、全链路可管控。档案归档更精简随着外部会计资料全面电子化，企业纸质资料已大幅减少至10%左右。汉得支持分类归档模式——少量纸质档案分类收单、装盒索引、线下精简保管；超过90%的电子资料自动规范化归集、结构化存储；实现线下不杂乱、线上可追溯、全域可管控。汉得作为立足上海服务全球客户的企业级数智化综合服务商，始终秉承以数智化技术赋能企业运营管理数智化升级的使命。基于汉得多年积累的全球化客户服务经验和自主产品，伴随优秀的中国企业客户走出去，助力更多企业全球化业务拓展，提升全球化硬核竞争力。携手汉得，共铸硬核竞争力！

08-03

汉得受邀参加中国总会计师协会专题培训班，分享财务AI应用实战经验！

2026年7月22日，由中国总会计师协会与《中国总会计师》杂志社联合主办的“AI+大数据赋能数智化跃迁与工具实战暨在财务场景的深度融合与价值创造”专题培训班在重庆举行。上海汉得信息技术股份有限公司子公司甄自信息总经理隋朋举受邀出席，并围绕企业财务领域AI智能化应用场景做主题分享。

08-03

汉得受邀参加中国总会计师协会专题培训班，分享财务AI应用实战经验！

2026年7月22日，由中国总会计师协会与《中国总会计师》杂志社联合主办的“AI+大数据赋能数智化跃迁与工具实战暨在财务场景的深度融合与价值创造”专题培训班在重庆举行。上海汉得信息技术股份有限公司子公司甄自信息总经理隋朋举受邀出席，并围绕企业财务领域AI智能化应用场景做主题分享。汉得认为，AI转型不是单纯的技术升级，而是涉及战略重塑、组织重构、流程再造及数据治理的系统性工程。汉得与客户一起规划以AI原生系统为目标的企业AI能力建设路径，实现企业具体AI应用场景的落地，建立起可持续的企业AI能力增长和应用场景拓展循环管理体系。财务领域AI应用需从岗位和职能的视角出发，在事务性工作、求唯一解和求最优解工作中逐步扩展。从“重复工作替代”向“智能决策伙伴”升级，打造以AI为核心的财务智能能力中台。隋朋举从实战的角度，分享了汉得3个不同行业、不同客户类型的财务领域AI能力建设和应用场景实施的真实案例。案例以详实的交付过程、效益分析和结果展示内容，向听众介绍汉得在企业财务领域落地AI能力的合理和可行的方案选择。场景应用汉得财务域AI应用涵盖四大方向： AI数字员工集群财务领域一直是自动化和智能化数字员工落地的重点领域。资金支付全面管控、资金对账自动化、智能总账月结Agent及财务快报生成Agent等典型成熟应用支持快速部署、即刻见效。智能审核与填报通过“AI大模型+规则引擎”双轮驱动实现报账单、采购单、付款单等单据智能审核与填报，实现合同合规审查。汉得优易联智能审核平台，提供多模态AI智审兜底的补充方案，最大限度保障审核准确率。企业知识及数据应用基于汉得AI中台，企业快速搭建自有知识库，实现内外部知识的自由、准确和深度问答；同时支持企业高效落地ChatBI平台，实现数据的智能问答、统计与分析。风险合规审查与预警汉得自研风控、合规、监管一体的智慧风控平台，基于LLM的自然语言处理能力建设合规词条数据库，基于语义分析实现内部制度合规问答与重大交易合规审查，基于数据模型和AI能力实现全域风险智能预警。建设路径汉得建议企业构建AI能力遵循总体规划、标杆试点、循序渐进的原则：从管理层推动开始，做好知识沉淀与系统梳理，先行试点树立标杆再逐步推广。同时，企业应构建私有化部署的AI能力中台，确保数据安全与合规，让AI真正融入日常业务、赋能财务转型。汉得作为扎根中国、布局全球的企业数智化综合能力服务商，已沉淀各行业头部企业诸多标杆案例验证的AI数字员工能力构建方法论体系和产品解决方案体系。未来汉得将持续助力企业以AI+大数据驱动数智化跃迁，释放财务价值创造新动能，帮助企业沉淀AI资产，构建AI时代的核心竞争力。甄自信息上海甄自信息科技有限公司成立于2020年，是国内领先的企业数智化综合服务商上海汉得信息技术股份有限公司（证券代码：300170，证券简称：汉得信息）的子公司。公司成立以来，围绕RPA、AI、大模型、数字员工、智能体等技术，依托强大的技术资源和经验丰富的咨询和实施团队，一直致力于国内办公自动化智能软件的研究及企业数字化转型技术咨询与实施服务。携手汉得，共铸硬核竞争力！

07-31

汉得DataClaw“硅基人”上岗记：（1）销售经营参谋

从月底被动「看报表」到每天主动「做经营」， DataClaw 销售经营参谋今天正式上岗。

07-31

汉得DataClaw“硅基人”上岗记：（1）销售经营参谋

客户规模在扩，我们的销量却在下降，问题到底出在哪里？故事背景一家大型农牧饲料企业，有一家重点养殖客户，目前养殖规模约10000头。过去几年规模持续扩张，从历史销售情况看，也一直保持着每月大量采购猪饲料的习惯。但最近，销售负责人发现了一个反常现象：客户的养殖规模还在扩大，从公司采购的饲料销量却没有同步增长，反而开始下降。销售负责人着急想找原因，但客户、订单、收入、利润、区域、业务员的数据分散在十几个业务系统、几十张报表里，等月底再靠人工取数、核对和复盘，往往只能看到结果，已经错过了最佳处理时机。现在，有了DataClaw销售经营参谋，变化从每天早上8：30开始。DataClaw销售经营参谋从公司整体经营情况开始，依次下钻到区域、业务员和重点客户。7个区域中仅西北区和华南区盈利59位业务员中，32人处于亏损状态Top10客户中，只有5家经营状态健康再回到开头那家养殖规模持续扩张、采购量却下降的重点客户，DataClaw销售经营参谋提示：企业在该客户中的销售份额可能正在下降，需要尽快核实竞争替代、价格、服务和客户关系等具体原因。从公司整体亏损，到区域掉队；从业务员经营异常，到重点客户流失风险，问题被一层层查了出来。看清问题以后，DataClaw销售经营参谋继续给出分级建议和下一步行动，而不是把一堆分析结果留给管理者自己消化。◈ 给出分级建议、生成跟进任务◈ 基于当前数据和既定改善措施DataClaw销售经营参谋测算：未来3个月有望保住86.86万元毛利润，业务员亏损面有望从54%降至30%以内。更重要的是，这套数据口径、分析路径和判断规则被固化下来。以后每天早上，固定格式的经营分析报告都会主动推送给销售负责人。第一次分析完成后，销售负责人不需要第二天再把同样的问题重新问一遍；DataClaw销售经营参谋把这次分析中使用的数据口径、下钻路径、判断规则和报告结构沉淀下来，固化为销售经营参谋的日常工作方式。以后不用重新提问——每天打开手机就能看到数据、问题、建议和行动进度。过去，销售负责人把大量时间花在拉数据、对数据、做分析、出报告和跟进执行进度上。现在，这些高频重复工作由DataClaw销售经营参谋来做。销售负责人负责判断和决策，数字员工负责持续监测、分析和跟进。销售负责人可以把更多精力放回真正影响销售增长的事情：拜访重点客户、支持一线团队、调整区域策略，并推动改善落地。从月底被动「看报表」到每天主动「做经营」DataClaw 销售经营参谋今天正式上岗携手汉得，共铸硬核竞争力！

07-30

汉得 x 京新药业｜共建企业级 AI 智能体平台，共拓医药行业智能化升级！

07-31

汉得 x 京新药业｜共建企业级 AI 智能体平台，共拓医药行业智能化升级！

近日，京新药业与汉得大客户数智化事业部群共同推进的企业级 AI 智能体应用建设项目正式启动。此次合作，是双方围绕企业级人工智能能力建设开展的一次重要实践，也标志着京新药业在 AI 技术规模化应用与业务场景深度融合方面迈入全新阶段。双方将基于汉得“得·灵”企业级 AI 应用产品和能力体系，构建京新药业 AI 智能体应用数智化底座和能力体系，共建智能体服务平台、智能企业知识助手、专业智能体应用及运营运维体系，加速 AI 智能应用在医药行业高频业务场景中落地，让 AI 从单点工具逐步成长为支撑医药企业产业链协同与创新的智能化能力底座。汉得 x 京新药业业务与AI技术共创智能化未来项目启动会上，京新药业药品销售公司总经理助理陈逸杰，运营部总监陈斌，信息部经理梅君君，董事长助理闫震等制剂研发、制剂销售、制剂产供销、股份职能、信息技术等相关业务领域的项目关键成员，汉得大客户数字化平台事业部群经理郭少博、销售部总经理黄志强等双方核心团队齐聚一堂。会上，双方围绕项目建设目标、总体蓝图、实施路径及协同机制进行了深入交流，进一步明确了项目范围、职责分工与阶段任务，标志着京新药业 AI 智能体平台建设正式进入实质性推进阶段。京新药业项目负责人陈斌表示，AI 技术正加速融入医药企业的研发、生产、经营与管理过程。京新药业希望通过本次项目，建设统一、安全、可运营的企业级 AI 能力平台，让分散的知识得到沉淀，让高频的工作得到提效，让专业经验得到更高效地传承与复用。项目建设过程中，各业务部门将积极参与需求梳理、场景验证与应用反馈，在保障数据安全、业务合规与结果可靠的前提下，共同推动 AI 能力真正融入日常工作，为企业高质量发展提供新的智能化支撑。汉得销售部总经理黄志强则表态：汉得将充分发挥在企业数字化服务、企业级 AI 平台建设及医药行业项目实践方面的能力，组建业务、产品、技术与交付相结合的专项团队，助力京新药业构建统一、易用、安全可控的 AI 智能体平台。项目不仅关注平台和场景的建设，也将同步推进培训赋能、知识转移、运营监控与持续优化，帮助京新药业逐步形成自主运营、持续创新的企业级 AI 能力体系，让智能体用得起来、用得顺畅、用出价值。从单点工具应用到AI能力体系京新药业加速AI智能化升级浙江京新药业股份有限公司（以下简称京新药业）成立于1990年，是一家集研发、生产、销售于一体的医药上市公司。公司坚持“务实、创新、包容、共赢”的企业核心价值观，以“精心守护健康”为使命，致力于成为中国精神神经、心脑血管领域的领先者。一直以来，公司秉承“京新药，精心造”的生产质量理念，已全面通过新版 GMP 认证，固体制剂生产线率先于2006年通过了德国 GMP 认证，并于2018年通过美国 FDA 现场检查。公司综合经济效益快速提升，连续多年荣登“中国化学制药行业制剂出口型优秀企业品牌”“中国医药工业百强”和“中国化学制药企业百强榜”，是第一批“中国医药企业制剂国际化先导企业”，第一批国家“重大新药创制”科技重大专项优秀课题承担单位，社会知名度和美誉度日益提升。随着企业经营与业务规模不断发展，京新药业在制度流程、研发资料、专业文献、合同文件及外部行业信息等方面积累了大量知识资产。与此同时，传统的人工检索、文档整理、资料审核、专业翻译和情报收集方式，也面临着信息分散、查找耗时、重复劳动较多、专业一致性要求高等挑战。如何让员工更便捷地获取企业知识，如何提升复杂文档的处理效率，如何保障医药专业翻译的准确性，如何及时掌握政策法规、行业动态及研发情报，正在成为企业提升协同效率与创新能力的重要课题。本次 AI 智能体平台与应用建设，正是京新药业面向下一阶段发展作出的主动布局。项目将以企业级 AI 平台为基础，以企业真实业务需求为牵引，将大模型、知识库、智能体编排和业务工具调用能力融入日常工作，推动企业知识从分散存储走向集中管理，推动业务处理从人工操作走向智能辅助，推动 AI 应用从零散探索走向统一运营。统一数智底座自主安全可控构建企业级 AI 赋能体系当前，企业 AI 建设正在从单一问答工具，逐步迈向平台化、体系化与场景化发展的新阶段。本次项目将按照“企业级 AI 底座＋智能体开发平台＋文档系统集成＋专业智能体应用＋运营运维体系”的整体蓝图，构建面向京新药业全员的一站式 AI 服务中心。平台将建立统一的智能体应用入口，实现账号、认证、权限、服务入口与运营管理的统一，并通过网页端、桌面端及钉钉端等方式，为不同岗位员工提供一致、便捷的 AI 使用体验。依托京新药业现有算力资源，项目将采用私有化、本地化部署模式，确保模型运行、企业数据和用户交互过程均在企业可信环境内完成，实现数据不出域、权限可管控、过程可审计、操作可追溯。在此基础上，平台还将建设企业级 RAG 知识库、智能体编排、工作流管理、Skill 能力管理、MCP 工具接入、业务系统 API 集成以及日志审计、监控告警等能力，为后续更多业务场景的持续接入与快速创新奠定基础。场景深耕以高频刚需推动试点先行围绕京新药业核心业务需求，双方将坚持高频场景优先、业务价值导向、分阶段建设与持续优化的实施路径，优先打造通用智能体、文档智能体、翻译智能体和情报智能体等专业应用。企业智能协同助手企业智能协同助手是员工使用企业级 AI 能力的统一入口，也是连接企业知识、业务场景与专业智能能力的核心枢纽。依托自然语言理解、多轮上下文交互、用户意图识别和企业知识检索能力，智能协同助手可为员工提供连贯、便捷、个性化的智能服务。针对规章制度、业务流程、管理规范及日常工作知识等通用问题，系统能够基于企业知识库，快速提供专业、准确、简洁的回答。当用户提出文档处理、专业翻译、信息研究等复杂需求时，智能协同助手可自动识别任务类型，精准匹配并调度相应的专业智能体，实现不同 AI 能力之间的智能协同与无缝衔接。通过“统一入口、智能识别、专业调度、协同执行”的服务模式，降低员工使用 AI 的门槛，让企业知识获取和专业能力调用像日常对话一样自然、高效。综合审查智能体综合审查智能体面向企业日常经营管理中的高频、重复及专业性文档处理场景，提供覆盖文档全生命周期的智能辅助能力。智能体可支持文档模板标准化转换、内容纠错与规范检查、多版本文件比对、发票智能预审、合同条款识别与风险审核等应用，帮助企业提升文档处理效率、质量与合规水平。通过“AI 智能预审＋专业人员复核”的人机协同机制，智能体可承担大量基础性、规则性和重复性检查工作，辅助业务人员快速识别问题与风险，使专业人员能够将更多精力投入核心判断、风险决策和高价值业务活动。医药翻译&精读智能体针对医药专业文献、专利、法规、合同及国际资料等内容，翻译智能体将提供多格式文件解析、批量翻译、双语对照输出以及专业术语管理能力。战略情报分析智能体战略情报分析智能体将面向政策法规、行业趋势、研发文献、专利信息及企业重点关注主题，提供公开信息的合规采集、整理分析、变化监测和报告生成能力。通过统一规划、平台建设、试点验证和持续运营，双方将推动 AI 智能体从“能够使用”逐步走向“融入业务”，从解决单一问题逐步走向跨场景协同。未来，汉得将继续携手京新药业，以业务价值为导向，以安全合规为基础，以高频场景为切入口，持续探索 AI 在医药研发、生产经营与企业管理中的创新应用，共同打造可落地、可运营、可扩展的企业级 AI运营平台实践标杆，为京新药业高质量发展注入持续的智能化动能。携手汉得，共铸硬核竞争力！