热点新闻

HOT

汉得 x 益海嘉里｜FDE 扎根粮油仓储现场，助力食品产业智能化升级！

汉得大客户数智化事业部助力益海嘉里，围绕粮油仓储现场生产入库业务需求，引入 AI 智能体能力，聚焦一线岗位实际操作流程，通过轻量化交互方式，让 AI 真正服务业务人员，探索食品行业智能化运营新模式。

查看详情

汉得首批DataClaw数字员工入职多家企业！

最近，汉得DataClaw AI数字员工陆续迎来新东家。

查看详情

产品出海再启新篇｜汉得携手美国《财富》500强 Avery Dennison 启动 Global MES 项目，以中国工业软件赋能全球智能制造！

近日，汉得与美国《财富》500 强企业 Avery Dennison（艾利丹尼森） Global MES 全球项目签约启动。

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

10-29

汉得 x 益海嘉里｜FDE 扎根粮油仓储现场，助力食品产业智能化升级！

10-29

汉得 x 益海嘉里｜FDE 扎根粮油仓储现场，助力食品产业智能化升级！

聚焦行业高价值场景打通 AI 应用“最后一公里”随着人工智能技术快速发展，越来越多企业开始探索如何将 AI 能力转化为实际业务价值。但 AI 应用的真正落地，并不只是技术能力的建设，更关键的是能否深入业务现场，理解行业需求，将 AI 融入具体流程，解决真实问题。汉得企业级 AI 智能化升级方法论，以 FDE 工作模式为牵引，持续深入行业业务场景，将行业理解、业务流程与 AI 技术融合，推动 AI 从“技术能力”走向“业务应用”。此次汉得大客户数智化事业部助力益海嘉里，围绕粮油仓储现场生产入库业务需求，引入 AI 智能体能力，聚焦一线岗位实际操作流程，通过轻量化交互方式，让 AI 真正服务业务人员，探索食品行业智能化运营新模式。汉得 x 益海嘉里持续推动食品产业智能化升级益海嘉里金龙鱼食品集团股份有限公司是中国重要的农产品和食品加工企业，业务覆盖粮油加工、食品生产、仓储物流等多个领域。经过多年发展，益海嘉里已形成覆盖全国的生产布局和完善的产业体系，旗下拥有“金龙鱼” “欧丽薇兰” “胡姬花”等多个知名品牌，持续为消费者提供优质、安全、健康的食品产品。随着业务规模不断扩大，企业持续探索生产、仓储等核心运营环节的数字化升级，通过技术创新提升运营效率、强化业务协同能力。本次益海嘉里携手汉得，基于汉得企业级 AI 智能化升级方法论，以 FDE 工作模式为牵引，深入仓储业务现场，围绕真实作业流程和岗位需求，将 AI 能力转化为贴合业务场景的智能应用。AI 落地的关键在于理解真实业务现场在粮油仓储业务中，生产入库是连接生产与仓储管理的重要环节。传统模式下，该环节涉及大量人工记录和线下确认：◈ 生产入库需要人工登记◈ 班组交接依赖现场沟通◈ 异常情况需要人工记录和跟踪◈ 业务信息沉淀依赖人员经验随着业务复杂度不断提升，传统方式在效率、信息完整性和过程追溯方面逐渐面临挑战。企业真正需要的，并不是一个脱离业务的 AI 工具，而是能够理解现场流程、融入岗位工作的智能应用。这也是 FDE 关注的核心深入业务现场识别高价值场景设计可落地应用持续推动业务价值释放深入业务现场贴合岗位需求生产入库智能助手本次库存智能体项目并不追求“大而全”的 AI 能力建设，而是围绕一线人员高频使用场景，优先解决实际业务问题。通过 FDE 场景化交付方式，汉得深入益海嘉里仓储业务流程，结合生产入库实际需求，打造贴合岗位使用习惯的生产入库智能助手，围绕生产入库过程中的关键环节，智能体支持：✅ 留样信息登记✅ 班组换班交接记录✅ 生产异常提醒通过 AI 辅助现场人员完成信息记录和业务确认，实现生产入库过程线上化、作业记录自动化。当识别到生产入库相关异常时，智能体能够及时提醒，并形成异常信息留痕，为后续追踪和复盘提供支持。以企业微信为入口让 AI 融入日常生产流程AI 应用价值最终需要通过业务人员使用体现为了降低 AI 使用门槛，本项目将企业微信作为统一交互入口，让仓储人员无需学习新的复杂系统，即可通过熟悉的工作工具完成生产入库相关操作。业务模式由：人工记录→线下确认→信息留存，逐步转变为：人员操作→AI辅助处理→自动记录→异常提醒。通过轻量化交互方式，汉得帮助益海嘉里将 AI 能力嵌入生产入库流程，让智能真正进入业务现场。FDE 驱动 AI 落地让智能创造真实业务价值库存智能体项目的价值，不仅体现在 AI 功能建设，更体现在 AI 能力真正融入业务流程。通过汉得企业级 AI 智能化升级方法论，围绕行业场景和业务需求，推动 AI 从技术能力向业务价值转化：聚焦高价值场景围绕生产入库这一关键业务环节，解决实际作业过程中的效率和管理问题。提升现场作业效率减少重复记录和人工确认操作，帮助业务人员更加高效完成日常工作。强化过程管理能力业务操作、确认动作、异常信息实现统一记录，提升业务过程可追溯能力。沉淀行业应用经验通过真实业务实践，形成可复制的 AI 应用落地经验，为后续智能化升级提供基础。从行业场景出发打通 AI 应用最后一公里AI 的价值，不在于建设复杂能力，而在于解决真实业务问题。益海嘉里库存智能体项目，是汉得企业级 AI 智能化升级方法论探索行业 AI 落地的重要实践。通过深入业务现场、理解岗位需求、设计智能应用并持续优化，汉得帮助企业将 AI 能力转化为可使用、可推广、可持续运营的业务价值。未来，汉得将持续围绕行业高价值场景，探索 AI 技术与业务流程融合创新，打造更多可落地、可复制的智能化应用实践。让 AI 真正落地，让智造创造价值携手汉得，共铸硬核竞争力！

10-29

汉得DataClaw“硅基人”上岗记：（5）｜财务共享数字员工，七个岗位，七类角色，上岗即接活！

我们想要的，不是把人全部替代，而是不用再等到月末深夜，才被动暴露一堆问题。这样的月末，不应该成为常态。

10-29

汉得DataClaw“硅基人”上岗记：（5）｜财务共享数字员工，七个岗位，七类角色，上岗即接活！

月末最后一天，晚上九点。共享中心的八个应收会计对着412笔银行流水逐笔比对，运营专员还在导第六张表。财务经理在群里问“关账到哪一步了”，半小时没人能准确回答。这是绝大多数财务共享中心的月末对账关账的场景。如何从“人找数”到“数找人”财务共享中心在忙什么？很多管理者觉得，共享中心最大的成本是审单、对账、匹配，但真正深入一线会发现一个反常识的事实：最耗人的，往往不是审单本身而是审单前后那些“看不见的劳动”❓ 要一个数？—— 从系统导出来。❓ 要做对比？—— 几个Excel拼起来。❓ 要知道为什么？—— 自己做透视表。❓ 要写报告？—— 手工整理文字。一个成熟的共享中心，每月花在“取数、做表、写报告”上的时间，占到总工时的30%以上。人工处理数据，有三个绕不开的死结：💢慢——月度一次，等数据出来，问题已经发生好几天了。💢乱——不同的人算“人效”，结果可能不一样。💢浅——只能回答“是什么”，回答不了“为什么”。很多企业上了BI看板，以为解决了；但看板是“人找数”——你得知道要看什么、去哪里看。真正的解决方式是要从“人找数”变成“数找人”七个岗位七个角色如何定义财务共享数字员工提到数字员工，很多人第一反应是：这不就是RPA吗？这不就是AI助手吗？跟BI看板有什么区别？区别在于一个根本定位：数字员工不是给人打下手的工具而是共享中心正式在岗的虚拟劳动力数字员工四个要素，缺一不可：✅ 有岗位：对应共享中心的一个真实角色，有明确的职责边界，不是“什么都能做的万能助手”；✅ 有职责：明确的问题域和动作边界，知道什么该做、什么不该做、什么必须停下来等人；✅ 有交付物：产出可被人直接使用的结果，而不是一堆需要人再加工的中间数据；✅ 有考核：挂在业务指标上，表现可被度量、可被优化，干得好不好有说法；我们为共享中心定义了七类角色数字员工：七个角色不是七个功能，而是七个承担业务指标的岗位。他们不是七个孤立的工具，而是一个会协作的班组。它们各自有交付物，又能接力协作，一个角色发现异常，会自动触发相关角色的关联分析。七个岗位、七类角色，上岗即接活先把重复劳动接走✅ 看得清：将原来“要问才知道”的事，现在主动告诉你。积压、瓶颈、异常、风险，不再依赖某个人的责任心去发现。✅ 算得准：每个数字都能点开看到来源与算法。不是一个“AI 说的数”，而是一条可复现的查询与拆解过程。✅ 跑得快：从“人找数”到“数找人”，从“逐单处理”到“只看例外”。重复的、有规则的那部分，交给数字员工。「上岗即接活」如何实现？数字员工四步上岗搭建一个数字员工岗位，本质上不是“训一个模型”，而是把一个真实岗位的职责、能力、作业流程和考核标准，用机器可执行的方式重新表达一遍；这件事有明确的四步，顺序不能颠倒。STEP 1岗位定义绝大多数失败的智能体项目，失败在第一步：直接从“我想让它能干这个”开始，而不是从“这个岗位是干什么的”开始。前者会得到一个功能清单，后者会得到一个岗位。岗位定义要回答五个问题：岗位与职称、问题域、动作边界、交付物、北极星指标。阿收我是阿收，共享中心的应收会计。我每天值守三件事：把银行流水和账单做候选匹配、维护账龄结构并解释它的变化、为催收准备清单。我做匹配，但我不做核销——核销需要人来点头。遇到单笔差异超过5万元、或者同一客户在7天内出现第三次匹配失败，我会停下来，把已经试过的路径列给你，然后等人。我每天8:30交《未认领清单》，每周一交《账龄变化归因》。衡量我做得好不好的只有一个数：未认领率。STEP 2能力挂载一个员工上岗要带四样东西：数据（知道数据在哪）、知识（懂业务制度）、工具（可调用能力）、规则（判定逻辑、阈值、例外清单），数字员工也一样需要完成挂载对应的四类资产。STEP 3SOP 编排能力挂载解决的是“它有什么”，SOP 编排解决的是“它什么时候、按什么顺序用这些能力”。在这一步把岗位的日常作业翻译成机器可执行的流程，标出人机交接点。我们可以用一张「排班表」把它落到一天的尺度上：STEP 4考核上线数字员工不应该“开发完就上线”。正确做法是经历一个影子运行期：它照常跑，照常产出，但所有动作都不真正执行，只把结果与人工的处理结果做对比。四步的内容合起来，就是一个数字员工岗位的完整配置。谁第一个上岗？他们的上岗路线图七个岗位同时上线的项目，几乎都以「七个半成品」收场。正确的顺序是：先把一个岗位做扎实再让两个岗位学会协作最后才是批量复制数字员工的第一个岗位，应该是“数据分析岗”，而不是“自动记账岗”。这不是降级，这是建立信任的入场券。分析型数字员工只需要只读权限，不碰业务数据、不做任何修改；同时，数据能力建好，其他的数字员工上岗可以复用；先确保数字员工说的数是正确可验证的，再逐步获取操作权限。阶段一分析型：建立“看”的能力把分散在各系统的数据自动汇总成指标，自动发现异常，自动做原因分析，主动把结论推给对应的人。替代的工作：导表、拼表、手工透视、逐条比对、写运营报告、开会前临时取数。阶段二作业型：接入“做”的能力在分析能力建立、数据口径统一、组织信任建立之后，逐步把标准化程度高、规则明确的作业环节交给数字员工。替代的工作：逐单审核、批量发票查验、流水与账单逐笔比对、三单匹配。阶段三决策型：让数字员工“出主意”在作业数据积累足够、模型验证充分之后，让数字员工承担预测和优化类工作。替代的工作：凭经验排班、拍脑袋估资金、靠记忆排催收顺序。数字员工的终点不是让 AI 替人工算账而是让人的时间回到需要判断的地方✅ 会议不再对数：过去财务与业务开会，前 40 分钟在处理“你那个数怎么算的”；当口径沉淀为系统里的一份定义，这部分时间直接消失，这是最容易被低估、也最容易被感知的收益。✅ 把老会计的经验变成规则：“这种第三方代付要优先匹配同名客户”、“金额差5万以上一定要核”—— 这些经验过去只存在于资深员工脑子里；写进规则库以后，它变成了组织资产，不再随人员流动一起流失。✅ 新人上手周期缩短：新人不再需要花两周学习“怎么导表、怎么拼数、口径在哪”。；他第一天就能拿到已经整理好的清单，把精力放在理解业务上。带教成本下降，是共享中心高流动率下最实际的一笔账。✅ 从「月度管理」到「实时管理」：问题从“月底才发现”变成“当天可见”。这意味着管理动作从事后解释转向事中干预；一个能被提前 9 天看到的资金缺口，和一个月后才被发现的资金缺口，是完全不同的两件事。回到开篇那个月末晚上九点的共享中心，我们想要的，不是把人全部替代，而是不用再等到月末深夜，才被动暴露一堆问题。这样的月末，不应该成为常态。如果您现在的感觉是“听起来不错，但我们数据还不行”，那最该做的不是等，而是先做一次数据可识别性评估——用一个岗位、一个月的数据，把“哪些能自动、哪些必须人工、差在哪”一次看清楚。这件事的产出，本身就是一份有价值的数字化现状体检报告。七个岗位、七类角色从“看”到“做”到“出主意”上岗即接活携手汉得，共铸硬核竞争力！

10-28

汉得 x 某小家电龙头企业｜FDE 深入制造业务场景，AI 赋能企业智能化升级！

汉得大客户数智化事业部携手某小家电龙头企业，围绕合同合规、供应商风险、项目资料审核、库存运营四大业务场景，将 AI 能力融入风险识别、智能审核、经营分析与业务协同，目前四大场景均已上线运行，推动制造企业智能化运营走向实际应用。

10-29

汉得 x 某小家电龙头企业｜FDE 深入制造业务场景，AI 赋能企业智能化升级！

从真实业务场景出发让 AI 应用走深走实随着人工智能技术加速发展，越来越多制造企业开始探索 AI 与核心业务的深度融合，推动智能化应用从技术探索走向实际经营管理。但在实际落地过程中，企业仍面临诸多挑战：💢风险管控难：供应商信息分散、合同审核复杂，风险识别依赖人工。💢业务审核难：项目资料涉及多个系统，规则校验繁琐，重复性工作量大。💢经营分析难：库存数据丰富，但风险识别、原因分析及后续处置效率仍有提升空间。如何让 AI 真正理解业务规则、融入管理流程，并将智能分析转化为实际业务价值？AI 应用的关键在于深入真实业务场景找到技术能力与业务需求结合点汉得企业级 AI 智能化升级方法论，以 FDE 工作模式为牵引，项目团队贴近业务一线，与法务、采购、项目管理、计划等岗位人员共同梳理业务规则，在真实流程中边设计、边验证、边迭代，推动 AI 从“技术能力”走向“业务应用”。此次，汉得大客户数智化事业部携手某小家电龙头企业，围绕合同合规、供应商风险、项目资料审核、库存运营四大业务场景，将 AI 能力融入风险识别、智能审核、经营分析与业务协同，目前四大场景均已上线运行，推动制造企业智能化运营走向实际应用。深入制造业务落地四大 AI 场景应用实践该企业经过多年数字化建设，在采购、法务、项目管理、生产及库存等领域已积累了丰富的业务数据。但数据分散、规则复杂、人工处理工作量大等问题，仍然影响企业的运营效率与管理水平。在 FDE 工作模式牵引下，汉得深入实际业务流程，围绕企业高频管理问题，结合现有系统与业务规则，打造贴合岗位需求的 AI 应用。从业务问题识别，到智能应用设计，再到业务流程融合，让 AI 真正服务企业日常经营管理。01 合同审核与风险识别从人工逐条核对，到智能识别合同合规风险合同审核是企业经营风险管理的重要关口。传统审核高度依赖人工，合同条款变更、关键信息遗漏、文本错误等问题，不仅增加法务工作量，也可能带来潜在合规风险。汉得 AI 解决方案三重智能校验○模板比对：自动对齐标准合同模板，识别关键条款变更。○必填检查：智能检查合同关键信息，发现字段缺失。○文本识别：自动检测错别字等基础问题，输出审核意见。AI 完成基础合规检查后，自动返回审核结论及问题说明，为业务修改和法务复核提供依据。业务价值：风险前置、标准统一、审核可追溯。通过 AI 承担重复性基础审核工作，将风险识别前移，让法务人员更加聚焦复杂条款与关键风险判断，推动合同管理从人工核验走向智能辅助审核。02 供应商准入与风险监控从人工分散查询，到供应商风险自动识别与评估供应商经营状况、信用水平及潜在法律风险，直接关系到制造企业供应链的稳定性。传统供应商评估需要人工跨渠道查询、整理与判断，存在信息碎片化、评估效率低、标准不统一等问题。汉得 AI 解决方案多源数据融合与智能风险研判○多源信息整合：自动获取工商、经营、司法等风险信息。○智能风险研判：结合统一评价规则，综合分析供应商风险。○报告自动生成：输出风险等级与评估报告，呈现关键风险依据。AI 能力嵌入合同管理流程，业务人员选择供应商后，即可获取风险评估结果，无需在多个系统之间反复切换。业务价值：风险识别前置、评价标准统一、合作决策有据可依。将风险识别从独立的人工调查环节融入日常业务流程，帮助企业建立更加及时、规范的供应商风险评估机制，为供应链稳定运营提供支撑。03 项目资料智能审核从人工逐项核对，到跨系统资料智能审核与风险前置制造企业在项目管理过程中，会产生大量项目归档文件，涉及人员、工时、时间节点及客户信息等多个维度。传统审核依赖人工逐项核验，不仅工作量大、效率低，也容易出现标准执行不一致、关键信息遗漏等问题。汉得 AI 解决方案自动化、智能化资料审核流程○资料自动获取：通过 RPA 自动获取 PLM 系统中的项目归档文件，触发智能审核流程。○多维规则校验：结合人员在职状态、工时、量产时间、客户名称等业务规则，自动识别异常信息。○智能分流审核：根据审核结果置信度，高置信度结果自动处理，低置信度事项转交人工复核。审核完成后，系统将结果回写至 PLM 业务流程，形成：资料获取 → 智能校验 → 分级审核 → 结果回写的完整业务流程。业务价值：审核提效、风险前置、人机协同。减少重复性人工核验，提升审核效率与标准化水平，让常规审核更加高效、异常问题及时处理。作为本次合作的先导场景，项目资料智能审核率先上线运行，在业务规则校验、跨系统流程衔接与智能审核方面经受实际业务检验，为后续多业务场景建设奠定实践基础。04 呆滞库存智能分析与督办从被动发现库存积压，到主动预警、分析与督办订单变化、生产计划调整等因素，容易造成制造企业物料积压、资金占用与库存风险。传统库存管理以报表统计和人工分析为主，往往能够发现问题，却难以及时判断风险程度、定位积压原因并推动处理。汉得 AI 解决方案构建库存风险管理闭环○风险识别：结合库存金额、增长趋势等维度，自动识别高风险呆滞物料，形成重点关注清单。○智能分析：关联 MES、APS 等业务数据，辅助分析库存积压原因，提出处理建议。○自动督办：匹配责任人员，下发督办任务，推动风险事项跟进处理。实现从：风险识别 → 原因分析 → 任务督办 → 处理反馈的业务管理闭环。业务价值：风险主动预警、原因精准分析、责任落实闭环。让库存管理从事后统计走向主动识别与精准管控，让 AI 不仅能够发现异常，还能辅助分析问题、推动业务处理，为降低库存积压风险、提升库存运营效率提供支持。从场景实践到管理升级让 AI 价值融入业务流程从合同审核、供应商风险管理，到项目资料核验和呆滞库存分析，四大场景面向不同业务领域，却共同体现了制造企业智能化管理的转变。风险管控更加主动：将 AI 融入合同审核与供应商风险评估等环节，推动风险识别从事后发现走向事前预警。业务审核更加高效：通过规则校验、信息提取与智能分析，减少重复性人工操作，让专业人员聚焦关键判断。经营分析更加精准：从库存风险识别到原因分析与任务督办，让业务数据不仅能够呈现问题，更能辅助推动问题解决。业务流程更加协同：将 AI 与企业现有业务系统相结合，推动智能分析结果进入业务处理流程，实现信息利用与业务协同。从人工处理到智能辅助从被动响应到主动管理AI 正在成为制造企业提质增效的重要助力从行业场景出发推动AI应用走向真实业务价值制造企业的智能化升级，需要的不只是新的技术工具，更需要贴合业务需求、能够融入实际流程的智能化解决方案。本次合作从项目资料智能审核的先导场景起步，在实际使用中持续调优，再将经验复用至供应商风险、合同合规和库存运营等核心业务领域，已上线运行的四大场景，展现了 AI 从单点场景探索走向多业务领域应用的实践路径。在这一过程中，汉得充分结合制造行业数字化实践经验，将业务规则、行业知识与 AI 技术相融合，推动智能应用与企业既有管理体系衔接。以真实业务问题定义应用场景以业务流程承接 AI 能力以实际管理价值检验应用成果这也是汉得企业级 AI 智能化升级方法论所坚持的方向：以 FDE 工作模式为牵引，发现业务问题 → 与业务共创方案 → 快速上线 → 持续优化，推动 AI 能力在企业实际业务中落地应用。未来，汉得将持续深耕制造行业高价值业务场景，探索 AI 技术与经营管理的融合创新，打造更多可落地、可复制的行业智能化解决方案。让 AI 深入业务让智能创造价值携手汉得，共铸硬核竞争力！

10-27

汉得信息2026年第三季度报告发布

经营稳健扩容、结构持续优化，AI业务收入单季1.7亿元，快速增长成为核心增长引擎。

10-27

汉得信息2026年第三季度报告发布

✨经营稳健扩容、结构持续优化，AI业务收入单季1.7亿元，快速增长成为核心增长引擎✨前三季度营业收入 25.87 亿元，同比增长 6.05%；毛利率 35.00%，同比提升 0.08 个百分点，整体盈利能力稳中有升；AI业务驱动下「产业数字化」「财务数字化」快速增长▶ 产业数字化（C2M）前三季度营业收入 9.61 亿元，同比增长 15.30%，业务占比提升至 37.14%；毛利率 42.96%，保持高水平▶ 财务数字化（GMC）前三季度营业收入 6.31 亿元，同比增长 9.30%，业务占比提升至 24.40%；毛利率 34.90%，稳定增长———⚡AI业务单季度突破 1.7 亿元，累计 3.9 亿元、同比增长超过85%，构筑穿越周期的核心成长引擎▶ AI智能化应用业务作为公司首要战略发展方向与核心增长引擎，在公司的战略投入驱动下持续加速商用化落地；Q3单季度收入 1.7 亿元，在Q2基础上保持快速增长；前三季度累计收入约 3.9 亿元、同比增长超过 85%，成为公司业务增长主要驱动力———🧩企业级AI智能化升级方法论与全栈产品体系💡「筑基+赋智」企业级AI智能化升级方法论筑基依托H-ZERO，完成业务数字化建设、沉淀企业资产、构建数字化镜像；赋智依托「得·灵」企业级AI体系，将AI深度融入经营全链路，打造智能化能力🚀「得·灵」体系三层架构全栈支撑应用层数字员工智能体、工具层「灵猿-大圣」AI中台、系统层AI基础设施平台，配套AI全周期实施方法论与算力运营服务，已在数百家企业业务场景落地迭代汉得 x 日出东方｜FDE 方法论场景共创汉得 x 西南大学柑桔研究所｜联合启动柑橘大模型建设汉得 x 中亿丰｜入选IDC中国企业级Agent最佳实践案例汉得 x 中鼎 x 矩阵｜一份全球化Token工厂建立模板的AI规划汉得 x 京新药业｜共建企业级 AI 智能体平台———🤖DataClaw灵舟 · 企业AI数字员工平台汉得首批DataClaw数字员工入职多家企业！汉得DataClaw数字员工+FDE践行DATA x AI落地实践汉得DataClaw 灵舟入选 IDC 中国 Data Agent 厂商评估！———🛠️工业AI行业垂类模型AI融入生产一线提质增效▶锂电电芯容量预测大模型（TBCP Model）▶多晶硅还原雾化预警AI大模型（PRAW AI Model）▶钢材智能自动组板大模型（ISP）▶工业AI行业垂类模型矩阵———@汉得信息🤝企业级AI智能化应用综合服务商基于「得·灵」AI体系，做AI时代智能化综合服务提供商，与客户携手构建AI时代核心竞争力！

10-26

数字员工Plog｜销售经营参谋每天在忙什么？

欢迎观看汉得 DataClaw・销售经营参谋的工作 Plog。

10-23

汉得工业 AI 实战系列｜钢材智能自动组板，让工艺经验转化为生产优化能力！

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。

10-23

汉得工业 AI 实战系列｜钢材智能自动组板，让工艺经验转化为生产优化能力！

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。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，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。“工业 AI 实战”专题通过真实工业场景，分享汉得在智能化落地中的经验、思考和方法。前两篇关注还原炉工艺预警与电芯容量预测，这一篇，我们走进钢材制造中的关键环节：智能自动组板以工艺规则与多目标优化统筹合同需求、材料利用和生产约束从合同需求到生产执行汉得钢材智能自动组板大模型一张交付给客户的钢板，在进入轧制之前，就已经涉及一系列复杂的生产决策。客户按钢种、厚度、宽度、长度和数量订货，工厂则需要把这些需求组织成可生产的板坯及轧制切分方案。一块板坯可以按设计轧制切分成多张合同钢板；哪些合同能够组合、需要多大的板坯、轧制切分后会剩下多少材料，都需要提前计算。这就是钢材组板要解决的问题。它看起来像是在做“拼图”，但每一块“拼图”都带着工艺条件：◈ 有的热处理要求不同，有的探伤方式不同，有的必须单独取样◈ 即使尺寸能够拼在一起，也未必能在同一套生产条件下完成制造组板人员还要同时考虑材料利用与合同交付。当前这张大板组合得很紧凑，剩下的几张合同钢板却可能难以继续配组；为了多消化一些合同尾量，另一个方案又可能留下更多余材。当合同数量增加、规格更加分散时，人工需要反复筛选、核对、试算和调整。经验越丰富，越能识别其中的取舍，但也越难把所有组合逐一比较。围绕钢铁板材制造中的自动组板需求，汉得将合同数据、工艺基准、组板规则与优化求解连接起来，构建钢材智能自动组板大模型（ISP，Intelligent Steel Plate Auto Assembly Model）。✅ 让系统承担大量验证计算，智能自动生成组板方案✅ 让业务人员集中精力判断优先级、处理例外并确认生产方案▲钢铁板材智能自动组板业务流程示意图合同分组先理清哪些需求可以一起生产自动组板的第一步，是建立有业务边界的合同池。系统按产线条件筛选合同，结合钢种、厚度、宽度形成分组，再根据客户、到站、交期等条件组织组内优先顺序。产线与板坯断面的对应关系、产品规格限制，也一并进入计算范围。这一步直接影响后续方案质量。同一客户的合同尽量安排在同一产线，特殊钢种的小批量需求尽量集中处理，都是生产组织中需要考虑的因素。对于不同厚度、不同宽度的合同，能否组合还要继续核对公差和组板方式。例如，厚度存在差异时，需要检查允许厚度范围是否有符合工艺要求的交集。尺寸相近，并不意味着可以直接合并。通过合同分组，分散的订单需求被转化成具有明确规则和优先级的计算对象，为后续求解建立基础。规则校验把现场工艺转成计算边界一份组板方案能够进入生产，首先要满足制造条件。板坯压下比是否满足合同要求，可轧制宽度和目标长度是否处于设备允许范围，板坯长度能否满足加热炉限制，这些条件共同决定方案是否可行。质量要求同样需要逐项核对。组合合同的热处理模式与保温目标温度需要匹配，超声探伤方式和时期需要兼容；特定取样要求的合同，则需要按规则单独组板。这些分散在工艺基表、合同属性和现场经验中的条件，被转化为系统可以执行的校验规则。校验不通过时，系统给出相应提示，供业务人员定位和处理。❓ 工艺规则决定哪些方案可以进入比较❓ 优化目标决定可行方案之间如何取舍质量与设备限制作为计算边界，贯穿组板过程。这也是工业智能应用对行业知识的依赖所在：算法需要准确得工艺条件才能计算出现场真正用得上的结果多目标优化在合同尾量与材料利用间找更优解满足约束后，系统还要回答：多个可行方案，应该选择哪一个？自动组板需要同时关注几类目标。合同尾量反映还有多少需求未被组入方案；组合板长度、宽度与目标尺寸的差异，反映尺寸匹配情况；长度和宽度方向的余材，则关系到材料利用。这些目标并不总能同步改善。例如，一个方案组入了更多合同钢板，却可能留下较多余材；另一个方案材料利用更充分，但尚未组入的合同需求更多。业务人员需要结合当次任务，明确尾量清理与材料利用等目标的优先级。方案通过目标和权重设置，将这种取舍转化为可计算的评价方式。求解器结合组板规则，在设定的运行时间和计算规模内搜索、比较候选组合，返回组板结果及对应评价指标。同时，系统还需要计算必要板坯尺寸、重量等参数，并区分轧制收得率与命令收得率。后者关注合同钢板总重量与相应板坯重量的关系，有助于从订单交付角度评价材料利用。自动组板的核心，是把原本依赖多次人工试算的方案比较，转化为有约束、有目标、有评价依据的计算过程。在这一场景中，承担核心求解任务的是工艺规则与运筹优化算法。分轮处理让零散尾量继续寻找组合机会一轮组板完成后，仍可能有部分合同钢板未能形成满足要求的组合。如果只评价已经组好的大板，就容易忽略这些剩余需求。它们还需要进入后续生产安排，继续寻找匹配机会。钢材智能自动组板大模型（ISP）设计了分轮组板机制：第一轮按合同分组和组板方式进行组合对于尚未成型的组合及剩余需求，再按规则进入第二轮计算，尝试异宽组合等适用方式相关策略还可以设置是否启用第二轮，以及指定长、超投等业务参数。经过计算仍无法完成组板的需求，继续保留在合同池中，等待后续处理。这样，方案评价覆盖了已组板结果与未组入需求，帮助业务人员看到整个任务的完成情况，并针对尾量继续调整。人机协同让计算结果进入生产流程工业智能应用的价值，最终要通过生产动作体现。在系统衔接上，MES 向独立部署的算法服务传入合同子板数据、基表数据，以及本次运行的目标、权重和参数；算法服务完成计算后，将组合结果与评价指标返回 MES。业务人员可以查看组板结果，进行调整、确认或解散。确认后的结果再衔接试样添加、二次设计和命令生成，进入后续生产组织。这一过程保留了清晰的职责分工：系统负责规则校验、组合计算和结果展示业务人员负责业务取舍、例外处理与最终确认从合同收池、算法求解，到结果确认和命令生成，自动组板成为 MES 业务流程中的一个环节。计算结果由此具备了进入现场执行的路径。从组板经验走向可复用的工业优化能力钢铁板材自动组板场景，呈现了工业智能化的另一类重要问题：在多种约束下从大量可能组合中选择更合适的生产方案它的业务价值体现在三个相互关联的方向：◈ 通过批量校验与方案计算，减少重复筛选和试算◈ 通过合同尾量、尺寸及余材的综合评价，支持材料利用与交付需求之间的取舍◈ 通过 MES 衔接，让计算结果能够被业务人员确认并转化为生产命令更深一层，合同分组、工艺基准、组合策略和评价方式逐步沉淀到系统中，使现场经验成为可以维护、验证和复用的组织能力。这类应用需要懂工艺，也需要懂生产系统。产线条件如何影响组合，质量要求如何转成约束，结果如何衔接后续设计与执行，每一步都依赖行业知识与实践经验。依托「得·灵」企业级 AI 产品/服务体系，以及 H-ZERO、HCMs 平台能力，汉得持续探索将适合场景的算法与制造业务连接起来，推动数据、规则、模型和流程协同工作。从识别工艺异常，到预测产品质量，再到优化生产组合，工业智能化正在进入越来越具体的制造决策。让现场经验可计算让计算结果可执行是汉得持续推进工业 AI 落地的重要方向携手汉得，共铸硬核竞争力！

10-22

汉得首批DataClaw数字员工入职多家企业！

最近，汉得DataClaw AI数字员工陆续迎来新东家。

10-23

汉得首批DataClaw数字员工入职多家企业！

最近，汉得DataClaw AI数字员工陆续迎来新东家📑蓝格赛、以岭药业、圣阳电源、科达新能源、科顺防水、江苏阳光、华汇工程设计……来自多个行业的企业选择汉得DataClaw ，开启AI数字员工入职之旅🤖从管理者数字分身，到销售、采购、生产、质量等岗位数字员工，企业对AI的期待正走向具体工作。汉得DataClaw让企业能够培育、管理和复用自己的AI数字员工，覆盖业务操作、业务洞察与决策参谋三类岗位工作📌为什么选择汉得DataClaw？✅️数据、系统与流程，快捷配置连接通过数据配置与API Hub，连接企业数据和业务系统，为数字员工配置所需数据、权限与工具，依托企业已有数字化积累，减少跨系统找数、核对和重复操作✅️业务本体驱动，让AI理解企业怎样运转将企业知识与业务对象、关系、规则和动作结合，让数字员工理解数据背后业务含义，依据企业自身口径开展分析，按业务规则参与工作✅️汉得业务Know-how，沉淀为岗位专才把汉得长期积累的规则与经验融入数字员工，再结合客户实际培育。经过实践验证的方法与技能，从个人经验逐步成为企业共同拥有的岗位能力✅️融合机器学习与视觉，支持专业岗位工作根据岗位需要，结合大模型、机器学习，让预测、建模、图像识别成为数字员工专业技能，支持生产指标预测、质量检查等工作，拓展AI参与业务的深度✅️融入业务系统，让AI在工作现场履职将数字员工带入企业已有业务系统，支持对话与操作。从信息查询、规则校验，到经确认后发起业务申请，让AI在权限和审批要求下参与实际流程📌产品能力之外，汉得FDE服务也帮助企业把数字员工带上岗📁汉得熟悉财务、供应链、制造与营销业务，长期承担数据治理、系统建设和实施交付。通过FDE服务方式，让懂业务、懂数据、懂技术的团队深入现场，与业务专家梳理岗位任务、业务规则和系统要求，推动产品能力落到实际工作中🏫定岗位、学业务、接数据、领权限——从“入职四堂课”开始，FDE团队与客户在真实任务中培育数字员工、校准结果、验证价值，将经过验证的工作方法沉淀为可复用的岗位技能。支持私有化部署，结合企业要求落实权限与审计，陪伴数字员工成长🤝🏼感谢企业伙伴信任，《汉得DataClaw·AI数字员工上岗记》将陆续分享它们如何走进企业、学习业务、承担工作☎️您企业准备迎来哪位AI新同事？联系汉得了解DataClaw，从一个具体岗位开始，让AI员工上岗数字化，放心交给我！

10-21

产品出海再启新篇｜汉得携手美国《财富》500强 Avery Dennison 启动 Global MES 项目，以中国工业软件赋能全球智能制造！

近日，汉得与美国《财富》500 强企业 Avery Dennison（艾利丹尼森） Global MES 全球项目签约启动。

10-21

产品出海再启新篇｜汉得携手美国《财富》500强 Avery Dennison 启动 Global MES 项目，以中国工业软件赋能全球智能制造！

近日，汉得与美国《财富》500 强企业 Avery Dennison（艾利丹尼森） Global MES 全球项目签约启动。本次合作是汉得自主研发工业软件产品出海的重要里程碑，也是汉得 Global MES 产品首次深度服务全球头部美资制造企业核心制造体系。项目首期金额数百万美金，将以 Avery Dennison 越南制造基地为首个全球示范工厂，依托汉得自主研发的企业级 PaaS 平台 H-ZERO、新一代 Global MES 平台及 AI 能力，打造覆盖全球制造网络的统一制造运营管理平台。未来，双方将以越南工厂成功实践为模板，逐步复制推广至 Avery Dennison 全球 40 余家制造基地，构建集团统一的制造运营数字底座。汉得产品能力获得国际头部制造企业认可，标志着中国自主工业软件正加速走向全球高端制造市场，赋能全球智能制造。Avery Dennison（艾利丹尼森）是美国《财富》 500 强企业，也是全球材料科学与智能标签领域的领导者，业务遍及全球 50 多个国家和地区。面对全球多工厂管理标准不一、数据分散及跨区域协同等挑战，Avery Dennison 需要一套能够统一管理、适配区域差异并快速复制的 Global MES，支撑全球制造体系升级。经过技术交流、方案评估及全球化交付能力验证，汉得凭借自主产品体系、海外制造项目经验和全球实施能力，成为 Avery Dennison 的项目合作伙伴。▲Avery Dennison 主要业务与全球布局长期以来，汉得持续深耕制造业数字化领域，为众多全球制造企业提供数字化咨询与实施服务。在服务制造企业的过程中，汉得基于企业级 PaaS 平台 H-ZERO 持续将现场业务场景需求与行业经验沉淀到产品中。面向全球制造网络，这些积累进一步转化为可复用的工业软件产品能力，让不同生产管理模式共享成熟实践，并在统一框架下灵活适应各自的生产特点。此次合作，标志着汉得实现从“数字化服务出海”向“自主工业软件产品出海”的重要跨越。本次项目将以汉得自主研发的企业级 PaaS 平台 H-ZERO、Global MES 平台及 AI 能力为核心，为 Avery Dennison 构建覆盖全球制造网络的数字化能力体系。随着项目持续推进，越南工厂将逐步沉淀形成集团统一制造模板，未来可快速复制至全球更多制造基地，持续释放全球化实施价值，也进一步验证中国自主工业软件服务国际头部制造企业的能力。作为汉得自主研发的新一代企业级 PaaS 平台，H-ZERO 是本次 Global MES 项目的统一技术底座。针对跨国制造企业“全球统一、属地运营”的管理模式，H-ZERO 具备多语言、多时区、多组织、多租户、全球多节点部署及安全合规等能力，能够支撑全球工厂统一建设、统一管理，同时满足不同国家、不同区域的本地化业务需求。依托 H-ZERO 平台，Avery Dennison 未来全球各工厂可在统一技术架构下快速复制业务能力，实现“一次建设、全球推广”，有效降低全球数字化建设成本，加快集团数字化能力持续演进。统一数字化底座的价值，也在于为后续推广建立共同的技术基础。各基地可在集团统一架构下开展本地化适配，减少重复建设，让全球运营标准与区域业务差异能够在同一体系中得到承接。本次实施的汉得 Global MES 平台内置汉得自主研发的可视化业务流程引擎，可灵活适配不同国家、不同工厂及不同产品线的业务差异，实现流程配置化、功能配置化和界面配置化，无需重复开发即可快速完成本地化部署。✅ 多产品线业务流程节点差异可配置✅ 多产品线同业务流程逻辑差异可配置✅ 多产品线不同功能 UI 差异可配置对于多基地推广，关键在于明确哪些业务规则可以共用、哪些差异需要保留。通过流程节点、业务逻辑和操作界面的配置，项目将兼顾集团标准与工厂实际，使试点形成的模板具备更清晰的复用边界。越南工厂上线后，其成熟业务模式和管理标准将沉淀为集团统一模板，为未来全球 40 余家制造基地推广提供标准化复制能力，真正实现 Global MES 全球化落地。汉得将 AI 能力深度融入本次项目，依托汉得 AI 中台能力，构建如“AI Batching”等多项智能化应用场景；并伴随全球制造数据持续沉淀，发挥 AI 中台能力，形成覆盖全球工厂的智能制造知识体系，为全球产能优化、供应链协同、质量持续改善及经营决策提供更加智能的支撑，推动制造运营从数字化向智能化持续升级。这一建设将以制造业务数字化为基础，逐步打通业务数据与智能应用的联系。随着项目推进，围绕实际需求持续完善应用场景，让数据积累、知识沉淀与业务使用相互促进，为后续智能化能力扩展创造条件。此次与 Avery Dennison 的合作，是汉得自主工业软件拓展全球制造市场的重要里程碑。汉得以越南试点项目为起点，将通过高质量的实施交付，逐步沉淀集团统一的制造业务模板与可复制的实施经验，为后续向 Avery Dennison 全球更多制造基地推广奠定基础，并为服务更多跨国制造企业积累标杆实践。立足中国、服务全球，汉得持续推进服务出海、方案出海与自主产品出海。依托长期服务领先企业积累的行业经验，汉得正将经过中国制造复杂场景打磨的业务实践，转化为面向全球市场的自主软件产品与解决方案；结合海外本地化团队与全球协同交付体系，兼顾跨国企业统一管理与属地运营需求，推动产品在不同市场落地、复制与持续演进。自主产品出海，也需要在海外真实业务中不断打磨产品与交付体系。通过标杆项目积累可复用的方案与实施方法，汉得将持续提升面向不同市场的适配能力，让行业经验与产品能力共同支撑全球业务拓展。以 Avery Dennison 项目为起点，汉得将持续深化 H-ZERO、Global MES 与工业 AI 的融合，以自主产品承载行业经验，以全球交付保障业务落地，让中国工业软件在服务全球制造企业的过程中不断积累实践、拓展市场，为自主产品出海打开更广阔的发展空间。携手汉得，共铸硬核竞争力！

10-21

汉得DataClaw数字员工+FDE践行DATA x AI落地实践，在全球数据管理峰会斩获多项荣誉！

2026年9月23日-24日，2026全球数据管理峰会在杭州隆重举办。汉得携手合作客户凭借数据治理实践、产品创新与专业人才建设等方面的成果斩获多项荣誉。

10-21

汉得DataClaw数字员工+FDE践行DATA x AI落地实践，在全球数据管理峰会斩获多项荣誉！

2026年9月23日-24日，2026全球数据管理峰会在杭州隆重举办。汉得数智事业部总经理、DAMA 中国理事曹正炎先生受邀发表《DATA x AI：从双向赋能，到 AI 员工上岗》主题演讲，分享汉得在推进 DATA x AI 落地应用中的思考与实践经验。汉得携手合作客户凭借数据治理实践、产品创新与专业人才建设等方面的成果斩获多项荣誉。汉得 DataClaw 灵舟 AI 数字员工中心获评“数据治理创新实践案例”，多氟多、海亮集团相关合作案例同获该项荣誉；汉得 H-ONE 融合数据平台获评“数据治理推荐产品”。在本届峰会，汉得成为首批获得 TIIDA FDE 合作机构授牌的企业之一，13位 AI 架构师获得首批 CFDE-A 认证，其中有3位资深架构师获得首批 CFDE-A 讲师认证，为进一步开展专业人才培养与生态合作奠定基础。汉得主数据部门负责人荣获“数据治理特聘专家&首席数据官”荣誉，彰显汉得在主数据管理与数据治理领域的专业实力和实践积淀。<< 滑动查看下一张图片 >>DATA x AI从双向赋能，到 AI 员工上岗在峰会的主题演讲中，汉得数智事业部总经理、 DAMA 中国理事曹正炎提出，AI 要承担企业工作，需要理解业务对象之间的联系、判断问题的规则，以及能够采取的行动。汉得选择的路径，是以业务本体驱动：把业务对象、关系和判断规则教清楚，再连接系统工具，让 AI 数字员工在授权范围内完成工作，从“说得对”走向“做得对”。“企业 AI 数字员工，需要理解这家企业是如何运转的。”01 业务本体驱动让采购品类专家理解业务影响一个采购品类的重要性，不能只看采购金额，还需要看它关联哪些供应商、生产环节与订单，以及异常可能带来的经营影响。本次分享中的采购品类专家，展示了业务本体的作用：将物料、供应商、订单等业务对象及其关系组织起来，结合业务规则，支持 AI 主动扫描风险、识别异常并形成处置建议。面对采购异常，AI 需要进一步分析：影响哪些业务，为什么值得关注，应当优先处理什么。业务本体让这些判断有了企业自身的业务逻辑作为依据。汉得将企业数字化实践中积累的业务经验，与数据、系统工具和权限相结合，让 AI 的分析能够服务于实际工作。这也是汉得推进 AI 员工上岗的重要特点：让业务知识与执行条件共同支撑数字员工履职。02 总经理分身让管理经验沉淀与复用曹正炎还分享了自己的工作实践——总经理分身。管理者向 AI 分身交代任务，将分析要求与个人经验沉淀为可复用能力，让20个事业部原本累计40余天的报告制作工作实现分钟级完成。这项实践的价值，既在于效率提升，也在于将个人分析经验转化为更多部门可以使用的工作能力。管理者亲自使用、持续校准，为 AI 数字员工在组织内推广积累经验。从采集到可视化数据全流程 AI 员工化很多企业希望做 AI，首先面对的却是数据分散、加工耗时、口径不一等问题。从业务需求到可用数据，仍需投入大量人工。业务 AI 需要可信数据，数据准备本身也可以交给 AI 数字员工参与完成。汉得围绕采集、加工、治理到可视化，培育专业数字员工，推动数据全流程自动化：数据开发员：AI 直接完成数据采集、集成与加工，减少重复开发。数据治理员：AI 直接进行数据资产盘点，结合标准与规则开展质量检查和治理。报表大屏开发员：根据业务指标与展示需求，AI 直接生成报表和可视化大屏。这些岗位围绕业务需求衔接工作：✅ 让数据更快地交付给业务人员与 AI 应用✅ 让数据团队将更多精力投入口径确认、规则设计和结果验收数据支撑 AI 上岗，AI 参与数据建设，DATA × AI 由此贯穿数据准备与业务使用的全过程。负责人先行再走向更多岗位与业务链企业应该从哪里开始？曹正炎建议，按照“负责人分身—高频业务岗位—专业岗位与业务链”的顺序推进。第一步负责人先行从总经理、COO、CFO 等负责人的 AI 分身开始，将自己的工作方法教给 AI，亲自校准并验证成果。第二步推广到高频岗位延伸到财务、合同、HR、数据治理等工作，优先选择高频、重复、规则明确、数据可用且价值可衡量的任务。第三步深入专业岗位与业务链进一步进入采购、生产、质量、销售运营等领域，结合业务本体、系统工具与权限，逐步承担更复杂的专业任务和跨环节工作。先从一个负责人的分身开始，再复制到更多岗位和业务链。让懂业务的人先用起来，让有效的工作方法逐步沉淀，让 AI 数字员工的价值通过实际成果得到验证。荣膺多奖：依托 FDE 理念让 AI 深入业务现场企业有了 AI 产品，还需要有人把岗位职责讲清楚、把数据与系统接起来、把业务规则落实进去，并与业务人员共同验证结果。汉得企业级 AI 智能化升级方法论以 DataClaw + FDE 连接业务需求与技术实现，是推动 AI 数字员工落地的重要角色。从理解客户业务、梳理数据与规则，到连接工具、试岗验证和持续迭代，围绕真实任务，推动 AI 能力进入实际工作。DataClaw 提供数字员工的产品能力，FDE 团队结合客户的业务条件，将这些能力配置、应用到具体岗位，并帮助客户掌握数字员工的使用与培育方法。在推动 DATA x AI 落地的过程中，汉得秉承 FDE 的核心理念，从真实的业务需求中寻找 AI 的价值切入点，获得多项可验证、获认可的荣誉成果。本届峰会中，多氟多、海亮集团相关合作案例获评“数据治理创新实践案例”，体现出汉得与合作客户在数据治理领域的实践成果。汉得 x 多氟多推进企业数据标准统一、管理体系建设与跨系统协同、提升数据质量及共享应用能力，为企业经营管理与数字化转型夯实数据基础。汉得 x 海亮集团打造主数据 AI 数字员工，将 AI 融入主数据生命周期核心流程，推动数字员工承担具体治理及运维任务，提升主数据管理效率。产品方面，汉得 H-ONE 融合数据平台获评“数据治理推荐产品”。AI 数字员工持续履职，需要可信数据、统一口径与持续治理。H-ONE 平台融合数据开发、治理、资产管理与 AI 智能分析能力，支持企业整合、加工和管理数据，为业务分析与 AI 应用提供统一可信的数据基础。此外在本届峰会上，汉得成为首批获得 TIIDA FDE 合作机构授牌的企业之一，为进一步开展专业人才培养与生态合作奠定基础。汉得13位 AI 架构师获得首批 CFDE-A 认证。其中，3位资深 AI 架构师同时获得首批 CFDE-A 讲师认证。汉得主数据部门负责人荣获“数据治理特聘专家&首席数据官”荣誉，彰显出汉得在主数据管理与数据治理领域的专业实力和实践积淀。从合作客户实践、产品能力，到 FDE 人才与合作体系建设，汉得将持续结合客户项目实践，为企业开展 AI 数字员工培育、试岗验证与持续应用提供支持。您的企业准备让哪位 AI 数字员工先上岗？依托汉得 DataClaw 企业 AI 数字员工中心，从您的首个 AI 分身或试岗岗位开始，一起梳理数据与规则，让 AI 数字员工走进真实工作。欢迎联系您熟悉的汉得伙伴或扫描下方咨询二维码，开启 AI 数字员工上岗实践。携手汉得，共铸硬核竞争力！