热点新闻

HOT

汉得 x 圣阳股份｜FDE 助力 AI 融入业务流程，共建储能行业企业级 AI 智能应用平台！

汉得携手圣阳股份，共建企业级 AI 智能应用平台。10月9日，项目启动会顺利召开，同步完成第四期 AI 专题培训与首届 AI 应用大赛启动——标志着圣阳 AI 应用从试点探索，迈入规模化、场景化落地的新阶段。

查看详情

汉得 x 江苏阳光集团｜FDE专家驻场带教：AI数字员工入职江苏阳光集团，DataClaw+数据平台项目启动！

9月14日，江苏阳光集团与汉得正式召开 DataClaw 与数据平台项目启动会，首批 AI 数字员工在江苏阳光集团“办理入职”。汉得以 FDE 模式驻场，贴身带教数据治理与 AI 数字员工上岗。

查看详情

汉得 x 上市PCB数智化客户｜依托HiFins智慧财务套件，共启财务数智化管理新篇章！

近日，汉得与上市 PCB 数智化客户正式启动智慧财务数字档案管理项目。本次项目将基于汉得 HiFins 智慧财务套件，围绕电子凭证单套制归档、财务自动化提效、业财全链路追溯三大核心目标，为该企业构建合规、智能、可审计的数字会计档案体系。

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

11-11

汉得 x 圣阳股份｜FDE 助力 AI 融入业务流程，共建储能行业企业级 AI 智能应用平台！

11-11

汉得 x 圣阳股份｜FDE 助力 AI 融入业务流程，共建储能行业企业级 AI 智能应用平台！

聚焦行业高价值场景深入储能制造业务需求打通 AI 应用“最后一公里”随着人工智能技术快速发展，越来越多制造企业开始探索如何将 AI 能力转化为实际业务价值。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”。汉得携手圣阳股份，共建企业级 AI 智能应用平台。10月9日，项目启动会顺利召开，同步完成第四期 AI 专题培训与首届 AI 应用大赛启动——标志着圣阳 AI 应用从试点探索，迈入规模化、场景化落地的新阶段。汉得 x 圣阳股份30余年知识资产等待一次“活化”作为储能与备用电源领域的国家高新技术企业，圣阳股份深耕行业30余年，形成了覆盖研发、生产、销售与服务的完整业务体系。30余年的业务沉淀、丰富的产线与订单、大量业务运营管理制度文件、产品技术资料与运维维修案例是企业最宝贵的知识资产。随着业务规模不断扩大，知识资产的“取用成本”日益凸显：◈ 制度版本，靠人工逐份比对；◈ 订单交期，需跨系统查询确认；◈ 故障处置，依赖老师傅个人经验；◈ 竞对信息，靠人工收集与整理。传统方式在效率、信息完整性与知识传承方面，逐渐面临挑战。同时，制度、产品、客户、订单等敏感信息，对数据安全边界提出了硬性要求——“核心业务数据不出域”，不可妥协。企业真正需要的，不是一个脱离业务的单体 AI 工具，而是能够理解业务流程、融入岗位工作、守护数据边界的企业级 AI 智能应用。FDE把AI带到岗位上的“第一拨人”在汉得企业级 AI 智能化升级方法论中，FDE（前线部署工程师）是推动 AI 落地的关键角色：懂业务、懂数据、懂技术，长期驻扎业务现场，连接业务专家与技术团队。AI 要承担企业工作，需要理解这家企业如何运转——业务对象之间的联系、判断问题的规则、可以采取的行动。把这些讲清楚，正是 FDE 的本职。面向圣阳股份项目，FDE 团队为每个数字员工岗位完成“入职四堂课”：✅ 定岗位：岗位做什么、交付什么、如何被考核；✅ 学业务：制度如何规定、异常如何判断、何时必须交还给人；✅ 接数据：数据在哪里、口径是什么、边界在哪里；✅ 领权限：哪些可自动执行、哪些需人工确认、哪些只读。FDE 的价值，不止于把第一个场景做出来，更体现在整个落地过程中：降低试错成本：从高价值、可验证的场景切入，不追求“大而全”；翻译业务语言：把岗位职责、判断规则与数据口径，翻译为 AI 可执行的语言；建立组织信任：先影子运行，与人工结果逐条比对，验证通过再逐步放权；沉淀可复用资产：方法、规则与知识留在企业，不随项目结束而流失。AI 数字员工不是一次训出来的是一个岗位一个岗位“带”出来的企业级 AI 智能应用平台既要“用得起来” 也要“守得住”在圣阳股份，平台不是“接一个大模型”，而是一项系统工程：本地算力＋模型底座＋AI 中台＋知识治理＋数据问数＋AI 应用＋运营机制数字员工答得准不准，取决于知识底座。本期建设公司制度、产品技术、运维维修方案三类垂直知识库，所有内容统一遵循四道关：权威来源 · 现行版本权限过滤 · 原文溯源首批四位数字员工抛砖引玉从四个岗位到一支军团围绕圣阳股份业务特点，首批四位 DataClaw 数字员工已进入培育期，分别面向四个高频业务方向：✅ 制度管理：制度变更自动比对，差异定向提醒；✅ 订单交期：即问即答，按业务规则给出依据；✅ 设备运维：先给安全条件，再给处置建议；✅ 市场洞察：竞对动态定时归类、主动送达。每一位数字员工都有明确的岗位与职责边界：AI 负责把重复的、有规则的活接走；需要经验判断的，交还给人。而首批四位数字员工的意义，不在于四个岗位本身，而在于验证一套可复制的方法：岗位定义、知识治理场景验证、考核上岗方法一旦跑通，复制就开始了：第一步｜单岗跑通：让第一批岗位先证明“答案是对的”；第二步｜多岗协作：一个岗位发现的异常，触发相关岗位的关联分析；第三步｜军团复制：把验证过的规则、方法与知识，复制到更多岗位。支撑这条路线的，是写进项目的双机制：常态化 AI 专题培训+ AI 应用大赛——引导全员立足岗位探索实用场景、沉淀优质应用成果。让听得见炮声的人，先用起来。四位数字员工是一块“砖”圣阳股份真正的目标是打造一支属于自己的 AI 员工军团从四个岗位到一种能力✅ 聚焦高价值场景：从高频、规则明确的业务环节切入，解决真实问题；✅ 提升一线作业效率：减少重复查找、人工确认与逐条比对；✅ 强化知识管理能力：制度、经验与案例统一沉淀，过程可追溯；✅ 沉淀可复制经验：形成可推广的 AI 落地方法，为更多岗位上线奠定基础。AI 的价值在于融入到企业业务运营管理流程解决真实业务问题提质增效圣阳股份企业级 AI 智能应用平台，是汉得企业级 AI 智能化升级方法论在储能行业的重要实践。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，随着首批数字员工陆续转正、更多岗位陆续加入，圣阳股份的 AI 员工军团将逐步成形。从数字化迈向智能化，圣阳股份已走在路上。让经验流动，让智能上岗携手汉得，共铸硬核竞争力！

11-11

汉得 AI 中台入选 IDC 中国智能体平台领导者象限，让 AI 放手做，企业放心用！

近日，IDC 发布《IDC MarketScape: 中国智能体平台厂商评估，2026》，汉得灵猿 AI 中台凭借企业级 AI 智能体平台综合能力入选领导者象限。

11-11

汉得 AI 中台入选 IDC 中国智能体平台领导者象限，让 AI 放手做，企业放心用！

近日，IDC 发布《IDC MarketScape: 中国智能体平台厂商评估，2026》，汉得灵猿 AI 中台凭借企业级 AI 智能体平台综合能力入选领导者象限。企业业务有流程知识有权限创作有规范如何让智能体灵活协作的同时，遵守企业流程规范和权限边界，是企业级 AI 融入企业业务广为关注的问题。汉得灵猿 AI 中台如一间“企业智能体工作室”：业务智能体、个人智能体、安全自主 RAG、创作中心。四种能力各有分工，也能共同协作，让 AI 更好地融入企业业务运营管理日常。业务智能体看得见的业务流程导航图一项业务任务，往往不是一句“帮我处理”就能完成。❓ 需要查哪些资料❓ 什么条件下走哪条分支❓ 哪些动作需要确认这些环节，都需要事先想清楚。业务智能体是一张可视化业务流程导航图：将任务拆成节点，把业务规则、工具调用和流转关系连接起来，让团队看得见流程如何走，也能按需要调整和管理。把流程画清楚，不代表模型永远不会出错。通过明确规则、设置检查与人工确认，并结合运行记录持续调优，进一步提升业务执行的可控性与可靠性。个人智能体按需装配的随身工具箱业务智能体是团队共同遵循的流程图，个人智能体则是随身工具箱：面对个人任务，先理解目标，再按需要取用工具。根据需要加载适用的 Skill 和工具，结合任务进行规划与执行。例如，围绕一个研究主题整理资料、归纳要点，再形成可供修改的初稿；也可以协助准备会议材料或创作内容。使用者仍需核对资料与结论。熟悉 WorkBuddy 或 OpenClaw 的读者，可以把它理解为“给个人 AI 助手装上技能、工具和规则安全沙箱，让它围绕目标安全合规的开展工作”。个人智能体的灵活与业务智能体的流程约束协同工作，在提高个人工作效率的同时，提升业务的工作效率，让 AI 融入到个人和企业业务中。IDC 报告指出，汉得灵猿 AI 中台支持两类智能体双向调用，让动态分析、方案生成与预定义业务流程相结合，提质增效。安全自主RAG懂身份权限的安全门禁企业知识库不是一本对所有人敞开的书。同一份资料，谁能看、谁不能看，往往取决于用户身份、所在部门的角色权限。智能体使用知识，需要遵循权限合规边界。Security Agentic RAG 是懂身份权限的安全门禁：先依据角色、用户和部门等授权，将访问范围落实到文档；文档拆分后的知识切片继承相应权限。检索与引用在授权范围内进行，回答时也应支持追溯来源，让使用者能够回到相关资料核对。例如，员工询问一项制度时，智能体应从其获准访问的知识范围中寻找相关内容，而不是因为“能搜索”就跨越权限边界。权限配置、源数据同步和实际部署方式都会影响效果，重要结论仍应回看原文。创作中心有模板有工序的内容工坊从空白页面到一份可用的 PPT 或一张思维导图，真正费时的往往不只是写字，还包括组织结构、选择呈现方式、整理素材和反复修改。创作中心像一座内容工坊：围绕 PPT 、思维导图等形式，结合不同模板与创作流程，帮助使用者从素材出发，逐步完成结构梳理、内容生成和检查完善。模板多样，流程可控，既方便快速起步，也为后续调整留下空间。不同模型各有所长，适配不同模型，结合模板、任务拆解与质量检查，有助于提高输出质量和稳定性。但最终效果仍取决于模型能力、素材质量、任务复杂度和人工审核，不能保证任何模型在所有任务中都产出优秀结果。✅ 一张业务流程图，让业务步骤可设计✅ 一只按需装配的工具箱，让个人任务更灵活✅ 一道安全门禁，让检索与引用守住授权边界✅ 一座内容工坊，让创意更容易变成可交付的成果业务有章法，个人有助手知识有边界，创作有方法让 AI 放手做事，让企业放心使用未来，汉得将继续结合企业业务、技术平台与实施经验，推动汉得灵猿 AI 中台能力在实际场景中持续打磨，与企业一起探索更可用、可控、可持续的智能化工作方式。携手汉得，共铸硬核竞争力！

11-09

汉得工业 AI 实战系列｜负极石墨化质量预测与工艺优化模型（AGPO AI Model），让质量预判与送电优化协同！

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。本篇聚焦锂电池负极石墨化。

11-09

汉得工业 AI 实战系列｜负极石墨化质量预测与工艺优化模型（AGPO AI Model），让质量预判与送电优化协同！

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。本篇聚焦锂电池负极石墨化。负极石墨化质量预测与工艺优化模型AGPO AI Model锂离子电池通过锂离子在正、负极之间往返来完成充放电。充电时，锂离子从正极经过电解液进入负极；放电时再返回正极，电子沿外部电路流经用电设备，提供电能。▲ 锂电池是怎样充放电的？负极材料可以理解为充电时锂离子的“存放地”。它能容纳多少锂离子、进出是否顺畅，会影响电池容量和充放电表现。人造石墨是常用的负极材料，其层状结构可以容纳锂离子。为获得负极材料所需的结构和性能，人造石墨生产会对适用的碳材料进行高温处理，让内部碳原子的排列更规整、更接近石墨结构，这就是石墨化。以电阻加热炉为例，物料装炉后按工艺要求送电加热，再停电冷却、出炉取样，检测石墨化度和比表面积（Specific Surface Area，SSA）。难点在于，质量结果出来时，送电过程通常已经结束；原料、装炉位置、保温条件和送电方式不同，同样的用电量也可能得到不同质量。季节性 SSA 波动、相关材料使用后的加工变化，以及喷炉样本少等问题，都让现场需要更早的质量研判和更有依据的工艺调整。▲ 负极材料是怎样“石墨化”的？围绕这些需求，构建负极石墨化质量预测与工艺优化模型（Anode Graphitization Prediction and Optimization AI Model，简称AGPO AI Model），按数据规整、质量预测、送电优化逐步推进。数据贯通为每一炉建立完整工艺档案AGPO AI Model 的建设，首先需要把分散的数据准确对应到同一炉次。通过制造执行系统（MES）、质量管理系统（QMS）及设备采集接口，关联物料批次、原料指标、装炉数量与位置、相关材料使用状态、送电曲线、检测结果和异常记录。其中，炉号、炉次、物料批次、装炉位置和样品编号，是连接过程与结果的关键。一炉涉及多批物料、多个位置取样时，需要保留各自对应关系，才能分析不同位置的质量差异。连续曲线也需要结合送电阶段来理解。电流、电压、电阻的变化发生在哪个阶段，是否伴随人工调整，采集时间和单位是否一致，都会影响后续判断。短时缺失可以在适用条件下有限补全，关键异常窗口则应保留原始记录，避免把真实毛刺当作脏数据删除。影响因子分析让工艺调整有据可循面对夏季比表偏高、冬季偏低，直接把原因归结为季节，可能忽略同期原料、装炉和操作方式的变化。分析应先从相近条件的炉次开始。按产品牌号、炉号、装炉量和相关材料使用状态分组，比较质量、周期、产出和能耗，再检查原料指标、送电历程及环境条件的差别。AGPO AI Model 可以结合相关性分析与回归模型，筛选与石墨化度、比表面积和加工表现有关的因素，为工艺人员提供重点核查方向。但统计关联和模型重要性，需要经过工艺复核或生产试验，才能进一步形成调整依据。随着分析积累，企业可以逐步明确：❓ 哪些物料适用现有曲线❓ 哪些装炉或材料状态需要单独评估❓ 哪些条件变化需要触发工艺复核现场经验由此获得可追溯的数据支撑。质量预测让出炉指标提前进入研判质量预测要先明确三个问题：预测哪个指标？对应哪个取样节点？在生产的什么时点给出结果？石墨化度反映结构有序化程度；比表面积（SSA）反映单位质量材料的可接触表面积，也受到粒径、孔隙、表面处理和检测条件影响。两者需要分别建模，不能简单换算。AGPO AI Model 可以采用软测量（Soft Sensing）思路，将物料、装炉信息、送电特征与工艺机理结合起来建立质量预测模型，并与现行经验方法比较验证。这一方法需要尊重实际炉型与传热条件。输入电量不能直接代表物料获得的热量，炉表温度也不能单独反推出炉芯温度。机理模型需要标定，数据模型需要明确适用工况。预测石墨化出炉中间品与预测后续成品，也有不同的数据要求。若目标是后续成品的 SSA，还需关联粉碎、筛分、混配、包覆等加工条件。在约定生产节点，模型使用当时已经获得的数据，输出预测值、预测范围和适用条件。工艺人员据此识别偏离目标的风险，复核物料与工艺适配情况。质量预测为过程研判争取时间，最终放行仍以检验结果为准。送电优化在质量约束下比较工艺经济性有了经过验证的质量模型，送电方案才有条件进入更有依据的比较。围绕不同原料、装炉量和产品要求，AGPO AI Model 可以配合约束优化方法，从已有或经工艺认可的候选曲线中，比较各阶段功率、持续时间与累计电量，并评估对应的质量达标风险。质量预测负责判断候选方案可能得到什么结果，优化方法负责在可行方案中进行取舍。设备电流上限、功率变化及工艺允许范围等条件，需要作为明确约束进入计算。优化建议由工艺人员审核，再通过小范围生产试验验证。历史数据上的预测表现，需要进一步接受曲线调整后的实际质量结果检验。经营评价同样需要明确口径：单位合格产出的电耗反映能源使用效率，用电成本还受到电价时段等因素影响。移峰带来的电费下降，应与实际节电分别评价。异常检测让运行偏离进入复核与处置喷炉事件少，稳定前兆尚需验证，初期建设宜从运行参数异常监测做起。系统按送电阶段和工况建立正常范围，结合电流、电压、电阻的变化率与多信号联动，识别需要关注的偏离。在数据条件允许时，可以评估孤立森林（Isolation Forest）等异常检测方法，补充对复杂变化的识别。异常提醒应保留发生时刻、工艺阶段、关联信号和人工操作，供现场人员回放、核查。参数偏离可能来自工艺切换、传感器故障或其他设备异常，不能直接等同于即将喷炉。随着事件前后曲线与正常炉次持续积累，再验证是否存在稳定前兆，并评价误报、漏报及有效提前量。在这一过程中，模型提供辅助提醒，现场人员负责综合判断和处置，既有设备保护承担其原有职责。喷炉预警与设备保护分别设计，才能明确各自的作用与边界。▲ AGPO AI Model 应用闭环结果回流持续沉淀石墨化工艺模型与知识工业 AI 的价值需要在现场应用和持续验证中形成每一炉的预测结果、实际检验值、送电调整和异常处置，都应回到炉次档案。质量偏差扩大时，需要进一步分析原料、工况、数据采集及设备状态变化，重新评估模型的适用范围。操作记录、维修经验与经过审核的处置方法，还可以通过大语言模型（Large Language Model，LLM）进行整理，并结合检索增强生成（Retrieval-Augmented Generation，RAG）供人员查询，让经验更容易被找到和复用。建设路径也应遵循现场验证的顺序：先完成数据规整，开展炉次分析和基础异常监测；再验证质量预测；再验证质量预测；通过验证后，逐步开展送电优化试验。模型或数据失效时，按经审核的原工艺和既有保护运行。依托「得·灵」企业级 AI 产品/服务体系、H-ZERO 和 HCMs 平台能力，可以进一步把数据接入、质量预测、工艺审核、生产试验与结果回流连接起来，推动 AGPO AI Model 融入制造业务流程。对于负极石墨化，工业 AI 的落地价值在于：✅ 让质量风险更早进入研判；✅ 让送电方案获得可比较的依据；✅ 让异常处置与工艺经验持续积累。在工艺人员、质量检验和生产系统的协同下，把一炉一炉的经验沉淀为可验证、可迭代的行业垂类模型与应用能力。携手汉得，共铸硬核竞争力！

11-05

汉得 x 江苏阳光集团｜FDE专家驻场带教：AI数字员工入职江苏阳光集团，DataClaw+数据平台项目启动！

11-05

汉得 x 江苏阳光集团｜FDE专家驻场带教：AI数字员工入职江苏阳光集团，DataClaw+数据平台项目启动！

9月14日，江苏阳光集团与汉得正式召开 DataClaw 与数据平台项目启动会，首批 AI 数字员工在江苏阳光集团“办理入职”。汉得以 FDE 模式驻场，贴身带教数据治理与 AI 数字员工上岗：以生产域和财务域为首批岗位，用数据平台准备可信的工作依据，以 DataClaw 承载 AI 数字员工的创建、训练与运营，让 AI 融入到企业的运营管理流程中。企业要的 AI 数字员工不是“数字文员”个人助理类的 AI 助手，会查资料、写摘要、回答问题，解决的是个人效率；企业级 AI 数字员工进入企业岗位，要理解企业如何经营、数据如何定义、流程如何衔接、权限如何约束，并围绕结果持续工作。为了让 AI 数字员工懂业务，我们将“文理双修”作为入职准备：◈ 一方面学习制度、流程、规则和专家经验；◈ 另一方面连接企业数据、指标口径、主数据和质量标准。数据平台和 DataClaw 从业务知识与可信数据出发，把 AI 能力装进真实岗位的一条完整方法论和落地路径。项目首期将聚焦生产域与财务域打样，汉得 FDE 专家驻场。AI 数字员工面向管理层和业务部门，承担经营查询、例行报表、业务核验、异常巡检和事项跟进等日常经营管理任务。生产域：做好批次成本查询，让成本沿订单、工单、批次逐级可查；财务域：做好订单利润分析、合同履约核验和报告任务跟进，形成面向管理问题的应用成果。要让 AI 数字员工干得了这些活，数据得先治理好：统一业务术语、指标口径和数据关系，建好全业务域的数据资产目录与指标体系。试岗验证的标准不看 AI 能回答多少问题，而看数据能否对得上、业务能否讲得通、交付结果能否被岗位采用。汉得 x 江苏阳光集团首批 AI 数字员工入职江苏阳光集团深耕纺织服装产业四十载，形成了从“羊身上到人身上再到家里面”的完整产业链条，长期服务于国内外品牌客户与团体定制市场。四十年来，企业始终坚持精耕主业、实业报国，把制造能力与产品品质作为立身之本。面对制造业数字化与智能化持续深入，江苏阳光集团希望进一步统一企业数据语言，让生产经营信息更可信、管理判断更及时，并为 AI 数字员工进入实际岗位准备数据、规则与组织基础。管理牵引：数据与 AI 建设首先是一场管理升级江苏阳光集团董事长曹秀明先生在会上表示，本次合作是江苏阳光集团迈向智能化经营的重要一步。项目不能只由技术团队推动，各部门负责人需要带头参与业务梳理和数据治理，把项目建设过程转化为统一标准、厘清责任和提升管理能力的过程。“项目建设的过程也是业务梳理、数据治理、管理提升的过程”对于建设节奏，江苏阳光集团提出了清晰要求：先把生产域和财务域做深、做实，让首批 AI 数字员工在真实岗位中完成试岗，验证数据和 AI 能否解决实际问题，再逐步扩展到更多业务域。项目不追求一步到位，而是通过首期打样建立业务信心和可复制的方法。▲ 江苏阳光集团董事长曹秀明先生DATA x AI文理双修培养企业岗位专才汉得数智事业部总经理曹正炎先生表示，企业建设 AI ，不能只问模型会什么，而要回到经营和岗位。企业要的 AI 数字员工，不仅仅是数字文员，而是能够进入业务、承担职责的岗位专才：有的参与业务执行；有的推动运营协同；有的支持分析决策。无论属于哪一类，都要先把“人、岗、事、权”对应起来。在汉得企业 AI 数字员工体系中：SmartBrain 灵知：承担“文科学习”，让 AI 数字员工学习企业制度、业务流程、管理规则和专家经验；H-ONE 灵狐：承担“理科学习”，让 AI 数字员工理解企业数据、指标口径、主数据和数据质量；DataClaw 灵舟：作为企业 AI 数字员工中心，把知识与数据装进具体岗位，并统一组织任务、技能、权限与协作。本项目将以“一个数据底座 + 一个企业 AI 数字员工中心”推进，让数据基础与岗位能力同步建设。▲ 汉得数智事业部总经理曹正炎先生岗位专才：从通用 AI 到能上岗的企业AI数字员工AI 数字员工入职企业，也要像新员工一样完成四堂职课：定岗位、学业务、接数据、领权限。明确服务对象与交付标准，掌握企业术语与制度流程，连好数据、指标与业务系统，按岗位身份明确能看什么、能做什么、由谁确认。完成四堂课，AI 数字员工才具备进入真实场景试岗的基础。从岗位价值看，AI 数字员工可形成三类能力：✅ 业务执行型：连接 MES、WMS、MDM 等系统，让任务执行更准确；✅ 运营协同型：连接 ERP、SRM、CRM 等系统，让跨部门衔接更顺畅；✅ 分析决策型：连接 EPM、BI 和数据平台，让经营分析更清晰、管理判断更及时。本项目不会一次铺开全部类型，而是从生产、财务领域经双方确认的场景开始试岗，成熟一个、上岗一个。▲ 启动会现场业务负责带教技术保障入职让AI价值在岗位中发生项目将由双方高层共同牵引，业务、数字化和技术团队协同推进。业务团队：既是 AI 数字员工的使用者，也是带教者和验收人，负责定义岗位任务、讲清业务规则、确认数据口径并检验结果；数字化与技术团队：负责数据底座、系统连接、权限和运行保障；项目团队：通过阶段评审持续检查数据质量、试岗表现和建设边界。数据安全与权限控制将贯穿项目全过程。对于敏感数据，双方将按照确认的管理要求执行授权、脱敏和审计；涉及重要判断或高风险操作时，由有权人员确认。AI 数字员工只能在岗位授权范围内使用数据和执行任务，确保每一步有依据、可追溯、可管控。AI 数字员工越深入业务越不只是技术问题汉得将把长期积累的企业服务经验和业务 Know-how ，与江苏阳光集团的专属知识、数据口径和岗位方法结合起来，由业务人员持续带教、校验规则并验收结果。成熟能力将沉淀为可复用的岗位技能，让一个人教会的方法逐步成为全公司的组织能力。未来，汉得将与江苏阳光集团业务及数字化团队持续协同，在生产和财务领域走完“入职准备—业务带教—岗位试岗—正式上岗—持续成长”的闭环。先选择一个真实岗位验证价值，再逐步扩展到更多管理主题和业务岗位，让 AI 数字员工从承担一项具体工作，走向连接一条业务链。这次项目启动，不只是数据平台与 AI 工具的建设开始，更是江苏阳光集团培养企业岗位专才的起点。数据平台提供可信的工作依据，DataClaw 组织员工、任务、技能、权限与协作；业务团队负责带教和验收。三者共同作用，才能让 AI 数字员工安全入职、通过试岗、走向上岗，并在实际工作中持续成长。携手汉得，共铸硬核竞争力！

11-05

汉得受邀出席湘钢首届创新大会，荣获“最佳合作项目奖”！

2026年10月21日，湘钢首届创新大会举行，汉得受邀参会。双方合作开展的“中厚板全流程数智化生产执行系统开发项目”获颁“2026年度最佳合作项目奖”。

11-05

汉得受邀出席湘钢首届创新大会，荣获“最佳合作项目奖”！

2026年10月21日，湘钢首届创新大会举行，汉得受邀参会。双方合作开展的“中厚板全流程数智化生产执行系统开发项目”获颁“2026年度最佳合作项目奖”。大会以“新耀钢城·智启未来”为主题，围绕改革创新、科技攻关、管理提效和产业开拓等方面，分享优秀实践、表彰创新成果。此次获奖，是对双方围绕板材制造场景推进数字化建设工作的肯定。01 以业务为牵引深化板材制造协同宽厚板生产涉及订单、质量、计划、生产执行与仓储物流等环节。客户需求如何准确传递到生产岗位，订单进展如何及时反馈给相关部门，是制造管理需要持续解决的实际问题。围绕湘钢板材 MES 重构升级，双方将业务流程优化与系统建设相结合，聚焦生产经营中的协同需求。MES，即制造执行系统，连接企业经营管理与现场生产执行，为业务信息的传递和生产过程的跟踪提供支撑。项目以订单履约为主线，将质量要求、生产计划与执行记录纳入协同管理，推动信息在业务环节之间顺畅流转，让相关岗位更便捷地获取所需信息，为精细化管理提供支持。让客户需求贯穿生产执行让业务数据服务现场管理02 围绕关键业务提升生产执行支撑项目围绕板材制造的全流程协同需求，结合以智能自动组板为关键指导，将交货期、成材率等因素纳入组板决策，支持多钢种、多目标组板方案生成，统筹订单交付与材料利用。同时，项目加强订单、质量、生产执行与仓储发运之间的信息衔接，完善计划执行跟踪和异常反馈，为生产组织提供更清晰的业务依据，促进产销协同与精细化管理。智能自动组板统筹交付与材料利用围绕不同钢种和订单要求，系统支持在生产约束下生成多目标组板方案，并将余坯、余材纳入自动组板与利用。自动组板与手动组板共用基础数据，便于业务人员衔接处理。同时，结合作业计划管理与生产实绩反馈，支持计划编制、调整和执行跟踪。订单信息更顺畅交付进展更清晰围绕订单信息传递与合同全过程跟踪开展优化，将客户个性化要求纳入系统化管理，并加强交期跟踪和异常提醒，帮助相关岗位及时掌握执行进展，为产销协同提供支持。质量要求更明确过程记录可追溯围绕产品标准、工艺规范和岗位操作要求，推进质量设计与质量信息传递的规范化管理，减少重复维护和线下传递。通过关联生产记录与质量信息，为过程跟踪和问题分析提供依据。炼钢计划更直观工序衔接更顺畅围绕炼钢生产组织，系统以可视化方式呈现各工序计划，支持生产时间测算和计划动态调整，并将检修安排纳入统筹，帮助相关岗位把握生产节奏。同时，结合质量标准支持自动判钢，并加强与后续装炉计划的衔接，为炼钢过程管控与工序协同提供支撑。轧钢计划与实绩联动执行管理更精细围绕轧制与热处理，系统支持按业务规则自动编排计划，由岗位人员确认后下发，并跟踪计划执行与调整。结合合同要求，将工艺规范和操作要点传递到相应岗位，通过剪切、喷刻印等作业信息的图形化展示，以及生产实绩和轧辊履历管理，支持现场作业规范执行与过程追溯。仓储与物流衔接协同管理更有序推动仓储信息与物流、发运业务联动，支持库存统筹和材料流转跟踪，为相关岗位安排出入库及发运作业提供信息支撑，促进生产组织与交付安排相互衔接。03 坚持合作共建推动持续创新钢铁企业的数智化建设，需要将现场业务经验与数字技术持续结合。围绕具体场景梳理需求、优化流程，并让系统能力服务岗位操作，是项目建设的重要着力点。此次荣誉，既是对合作成果的认可，也是双方持续推进业务创新的动力。汉得将继续以客户业务需求为出发点，注重系统应用与管理实践的结合，支持制造企业提升数字化管理能力。面向未来，汉得期待与湘钢继续深化合作，在板材制造场景中持续完善数字化应用，让创新成果更好地服务生产经营。携手推进数智化建设让创新更好服务生产经营携手汉得，共铸硬核竞争力！

11-04

汉得灵舟DataClaw接入SAP系统，大幅提升需求交付效率！

DataClaw 完成 SAP MCP 部署之后，SAP 项目团队可以让数字员工直接进入开发环境：查对象、读代码、跑测试，与顾问在同一个对话中协作。需求交付的节奏，也随之改变。

11-04

汉得灵舟DataClaw接入SAP系统，大幅提升需求交付效率！

MCP连接让数字员工进SAP开发环境DataClaw 完成 SAP MCP 部署之后，SAP 项目团队可以让数字员工直接进入开发环境：查对象、读代码、跑测试，与顾问在同一个对话中协作。需求交付的节奏，也随之改变。什么是 MCP？它是 AI 与外部系统之间的统一接口◈ 接入之前，AI 只能处理人工提供的文字；◈ 接入之后，数字员工可以自行到 SAP 中查证。能查什么、能否修改，完全取决于企业授予的权限。架构：入口不变，能力增强原有的服务体系无需推翻。顾问仍在业务群和工单中接收需求，与数字员工融入到原有流程体系。▲ 架构：入口不变，能力增强（示意）连接方式：四步▲ 连接方式：四步（示意）不同系统的开放程度存在差异，因此首期建议只开放“读”：查对象、读源码、查使用位置。写入属于进阶能力，默认关闭；开启后须单独授权，并逐次确认。落地提示技术动作本身并不复杂，周期主要取决于企业内部流程——专用账号由谁审批、授予何种权限、是否需要 Basis 配合。建议在接入之前，先把这三件事明确下来。接入完成后的第一次交互，是确认边界：数字员工能做什么，不能做什么。▲ 接入后的首次交互：先确认边界（示意）需求变更频繁DataClaw高效需求管理闭环在 SAP 项目中，需求管理的路径：提出需求 → 系统调研/业务调研/分析评估 → 排期 → 开发 → 测试 → 传输上线 → 验收。需求管理的日常，常常是这样的：口径靠口头来回：业务说一句，顾问转述给开发，开发按自己的理解实现；做到一半才发现，有几个关键口径从头到尾没人问过。范围靠默契：“顺便加一列” “再多看一个维度”，边做边加，最后谁也说不清这一期到底交付了什么。测试排在最后：边界情况要等到联调，甚至上线之后才暴露，返工的代价最大。变更靠经验消化：需求一变，会影响哪些程序、文档和测试，全凭经办人的记忆；资料散落在邮件、聊天记录和个人电脑里，人一换，来龙去脉就断了。到了月结这样的关键节点，需求变得比排期还快，它们还会被成倍放大。DataClaw 数字员工进入 SAP 开发环境之后，变化发生在流程的每个环节：口径在对话中当场问清，并落成文档；范围在开工前框定；程序与测试一并生成；写入由人批准，写后回读；验收后归档，变更时先读档案再动手。需求管理从“靠人盯”，变成“有章可循、有据可查”。下面，用一个常见的月结场景，看看这些变化是怎样发生的。业务背景：月结前的暂估清单月底结账，有一项绕不开的工作：暂估。货已经收了，发票还没到，按权责发生制，这笔应付不能等发票，财务需要依据「已收货、未收到发票」的清单，估计入账。清单的口径并不复杂，难的是它与月结时间表绑在一起：需求往往在最紧的几天提出，而且不止一次。这个月结周，“我”就遇到了这样一张清单——周一、周三、周五，各改了一次。▲ 同一张暂估清单，月结周里改了三次（示意）我们的做法：先立规矩，再动手面对“需求比排期还快”，靠加班不是办法。DataClaw 数字员工按四条原则做事，这也是“我”与它协作的方式：先问再做、测试先行、拿不准先查证、变更有据可依。一个需求从提出到归档，形成如下闭环：▲ 一个需求的闭环：五个环节（示意）周一：审计要求加本位币审计要求暂估金额同时显示本位币，外币订单按月末汇率折算。理由合理，不加就过不了审计，样表当天要交。▲ 周一 09：12（示意）时间紧，“我”也没有让它直接写代码，而是先把口径问清、把范围框住。它复述了对数据来源和粒度的理解，反问了三个会改变结果的问题，并出具《需求分析报告》和《方案文档》，由“我”确认后才开发。▲ 复述需求、确认口径、框定范围（示意）○给业务同事的提示：好的 AI 会先提问。它问的“汇率取不到怎么办”，正是平时容易漏说的口径；“本期不做什么”写清楚，后面才不会边做边加。程序与单元测试一并生成。测试里有一个用例没通过：没有任何公司代码权限的用户，竟能查到全部数据。原因是权限范围表为空，而 ABAP 中对空范围表使用 IN ，等于“不加限制”。它补上判断，重新运行后全部通过。写入开发系统属于高风险动作，需要“我”批准，写完还要回读核对。▲ 生成、测试、修复、审批、回读（示意）○给开发同事的提示：单元测试的价值，在于抓住“代码看起来对、边界情况不对”的问题。业务同事也可以问一句：有没有测过“没有权限”的人？样表当天交给了审计。周二，财务验收通过。周三：采购发现重复暂估退货冲销过的订单，清单里仍按“已收未开票”计算，导致重复暂估。不改口径，财务入账金额就偏大，必须在月结前改好。▲ 周三 14：05（示意）这一次，DataClaw 先翻出周二验收后归档的需求档案，再到系统里查证数据。结论是口径缺口，而不是新需求：当初只累计了收货，没有抵减退货。涉及财务数字，它先请“我”确认，确认后才改，补充退货用例，并把档案升到 V1.1。▲ 分析口径缺口、修改、测试、升级（示意）○AI 会不会编造一个“听起来像标准功能”的东西？会。所以不确定的名字，它一律先到系统里查证；这条规矩被写进了数字员工的“做事原则”，每一次都会执行。周五：月末最后一天按利润中心拆分集团管理层要求暂估按利润中心拆分，晚上关账前必须出，否则管理报表缺数。▲ 周五16：20（示意）这时“我”已经不需要重新交代背景。DataClaw 先读这个需求的全部历史版本、方案文档和测试用例，再做分析，只把一件资料里没有答案的事交给“我”拍板。▲ 先读历史资料，再分析（示意）改完之后，它自动把历史用例全部回归了一遍，确认前两次的口径没有被改坏，三次要求的来龙去脉也沉淀进了需求档案。下一个接手的人，先读档案，就能看到这个需求是怎么走到今天的。▲ 回归测试、对账、沉淀（示意）○验收不是终点。范围、口径、测试和验收记录都留下来，以后“当初为什么这么定”，随时能查到。回头看：时间花在了哪里这一周，样表按时交给了审计，退货口径在月结前改对，管理报表在关账前补齐。回头看，差别并不在“代码写得快了多少”，而在返工少了、查证有据、变更追得上、交付物留得下来。▲ 这一次，时间花在了哪里（示意）方法论总结用DataClaw为SAP需求管理赋能回到本章开头的四个痛点。一周三次变更，把它们逐一摆在了桌面上；而 DataClaw 给出的，不是某一个环节的提速，而是一套贯穿需求全生命周期的做法，可以概括为四条基线：口径基线、范围基线、质量基线、知识基线。▲ 四个痛点四条基线（示意）解决什么问题✅ 口径不再靠口头来回：数字员工在开工前先复述需求、反问会改变结果的问题。周一，汇率取值、取不到汇率怎么办、已标记交货完成但未开票的算不算，这三处最容易“各想各的”，都在写代码之前确认，并记入「口径假设清单」。✅ 范围不再靠默契：“本期做什么、不做什么”被写成文档，成为后续判断的基线。周五，“其它汇总维度本期不做”这一句话，让新要求能被直接判定为新增范围，而不是悄悄加进去。✅ 测试不再排在最后：程序与单元测试一并生成，边界问题在开发阶段就暴露：周一的越权风险，是单元测试抓到的，而不是用户查到别人的数据之后。✅ 变更不再靠经验消化：需求验收后归档、按版本管理。周三，档案帮助快速定位口径缺口；周五，数字员工先读完历史版本再分析，把需要人决定的事收敛到一件。达到什么收益响应更快：三次变更，每次都在时限内完成；后两次无需重新交代背景，数字员工直接基于档案接着做。返工更少：问题前移到澄清和测试阶段，而不是联调或上线之后；改动之后有回归兜底，改一处不会坏另一处。结果更可信：每次写入都经人批准、写后回读；不确定的名称先查证；数据口径有据可查。沟通更省力：业务只需要在关键点上拍板，其余由数字员工整理、核对和记录。额外获得的能力可追溯的变更历史三次要求的时间、原因、影响、确认人，都留在变更记录里，复盘、审计、交接都用得上。持续增值的知识资产需求档案、口径清单、测试用例不随项目结束而消失；做过三次以上的做法，还可以固化为技能，被下一个人直接调用。可迁移的方法同一套“问清、框住、测全、留档”的做法，不仅适用于需求交付，也延伸到下一章所讲的运维场景。价值：从“靠人盯”到“靠机制”✅ 对业务，意味着需求响应更快、口径更清；✅ 对顾问和开发，意味着更少的返工和救火，精力回到真正需要判断的事情上；✅ 对管理者，意味着范围可控、过程可见、质量可追溯；✅ 对企业，意味着个人经验被沉淀为团队资产，不再随人员流动而流失。DataClaw 并没有改变 SAP 需求管理的基本规律，它做的是让这些规律真正落地：该问的问到位，该留的留下来该人决定的，交还给人运维赋能把经验变成数字员工能力需求交付是最容易讲清楚的场景，因为有一份交付物可以验收。但在企业日常运维中，更多的工作发生在“需求之外”：没有立项、却每天都有人在问的问题。DataClaw把经验变成能力运维的成本，往往不在难题，而在重复：同一个问题每月有人问，同一类检查每周要跑，老员工的经验靠口头传递。DataClaw 的思路是分三层建立能力：先查清楚：以只读方式取证，让数据说话，把“感觉可能是……”变成“已经查证是……”。再固化下来：将做过的事沉淀为技能，按周期自动运行。最后能够交接：经验进入知识库，换一个人也接得住。接入DataClaw，运维中的重复的问题只解一次；一线运维自行取证，减少无效转派；新人借助知识库，上手更快；知识库不断更新，沉淀为企业资产。▲ 五类日常场景（示意）A｜故障排查（只读）场景：报错如何解读、工作流在哪一步中断。比如业务人员想知道物料10000123在工厂1000一直没有被 MRP 运行出采购申请，怎么办？DataClaw 的做法：按问题描述只读查证，返回命中的表、字段与记录值，并清楚区分“已查证”与“待确认”。DataClaw 接入系统，查询了物料、工厂，最终确认到问题的原因是 MRP 类型被错误维护为 ND ，因此 MRP 运行会跳过该物料。价值：业务人员可先行自查，减少无效转派；结论有据可查，便于复核。B｜周期巡检与批量核查（只读）场景：本周有没有异常的、待业务处理的单据。比如每周一早上需要业务人员人工查一遍收货满30天、还没开票的订单行。DataClaw 的做法：将检查固化为技能，按周期自动运行，结果推送给责任人。 DataClaw 接入系统，按条件筛查出符合条件的采购订单行明细数据。价值：隐患前置发现，巡检口径统一，不再依赖个人记忆。C｜配置与引用核查（只读）场景：IT 人员想知道系统里现在配置了多少销售订单类型、分别有多少订单量？DataClaw 的做法：直接查询配置与使用情况位置，并给出清单和截图。价值：查配置更快，查引用更全，改动前的确认更扎实。D｜变更影响分析（需评审）场景：修改一个字段、调整一段逻辑，会牵动哪些报表、接口、增强。比如业务想要启用物料10000321的批次管理，想知道有什么影响。DataClaw 的做法：依托需求档案、系统数据与代码检索，列出现状和启用批次的方法，查询受影响的程序、文档、测试用例，并标出哪些点需要业务确认。价值：评审有依据，遗漏更少。需要强调的是，它负责把影响面列清楚；是否实施，由变更评审决定。E｜知识沉淀与交接场景：一个需求或项目的来龙去脉、一个故障的排查路径，只存在于经手人的脑子里。比如IT管理者想要知道某个项目的背景、落地的方案及每次变更对项目产生的影响。DataClaw 的做法：将其写成技能或存入知识库。在日常运维、需求项目的管理过程中，会议纪要、业务流程、SOW、开发&配置说明书、测试用例、测试报告、操作手册、验收报告、上线后问题清单等等，都值得沉淀。新技能先放在“仅我的员工”里小范围内试用，稳定后再经管理员审核发布，业务尚未回答的事项保持“待确认”，不以默认值替代。价值：项目背景和每次变更都有据可循，业务逻辑清晰完整，系统设计思路丝丝入扣，未来基于项目范围做变更、调整，也可以快速判断业务影响和系统影响。由此，项目成员经验得以传承，哪怕新人也能自助上手，团队能力有知识沉淀依托，不再随人员流动而流失。边界与安全能做什么不能做什么将 DataClaw 引入 SAP，最需要回答的不是“它有多能干”，而是“它会不会做出不该做的事”。因此，管控并非事后补充，而是贯穿从接入、使用到交付的全过程。权限与安全我们遵循三条基本原则：最小权限、关键动作由人决定、过程可核查。具体落实为七个管控点：▲ 权限与安全：七个管控点（示意）知识与运维：让经验留下来数字员工的价值，不只在一次对话里，还在于经验能够沉淀、复用。▲ 知识与运维：让经验留下来在这套机制中，数字员工与顾问分工协作：数字员工承担查证、初稿、质检和归档，顾问负责判断与审核、确认与交付。稳妥落地：分三个阶段对计划引入的企业，我们建议循序渐进，每个阶段设置明确的准入条件：▲ 稳妥落地：三个阶段（示意）DataClaw 负责执行，问题想得全、活干得快；人负责判断与担责，更能专注在关键决策上。两者配合，交付更高效。携手汉得，共铸硬核竞争力！本文情景为示意，人物为虚构，订单号等数据取自演示环境的示例数据；配图及对话截图均为 AI 生成或合成的示意图，对话内容根据平台能力与常见 ABAP开发场景改编。DataClaw 界面按官方培训资料的界面风格重绘。接入步骤与权限设计为通用示意，具体以贵司环境与内部规范为准。本文未使用任何客户资料进行演示。

11-03

汉得 x 上市PCB数智化客户｜依托HiFins智慧财务套件，共启财务数智化管理新篇章！

11-03

汉得 x 上市PCB数智化客户｜依托HiFins智慧财务套件，共启财务数智化管理新篇章！

近日，汉得与上市 PCB 数智化客户正式启动智慧财务数字档案管理项目。本次项目将基于汉得 HiFins 智慧财务套件，围绕电子凭证单套制归档、财务自动化提效、业财全链路追溯三大核心目标，为该企业构建合规、智能、可审计的数字会计档案体系。监管法规趋紧管理成本上涨上市企业档案管理制约该企业作为国内领先的 AI 驱动的 PCB 数智化解决方案服务商，2022年于深圳证券交易所上市，是一家集 PCB 专用设备研发、生产与销售于一体的国家级高新技术企业。一家大型 PCB 制造企业，财务凭证生成后，各类原始单据仍分散在ERP、MES、SRM、CRM、银企直联等多个业务系统中，审计追溯需跨系统翻找，效率低且易遗漏。财务凭证生成后各类原始单据仍分散在多个业务系统中而作为上市企业，季度审计、年度审计、监管检查的频次远高于非上市企业。同时，近年来国家对电子会计档案的要求更是逐年细化——电子凭证合法入账、单套制归档、四性检测已成为上市企业必须落地的合规基线。因此，电子会计档案项目的建设，不仅是一次合规升级，更是企业财务数智化的关键一跃。锚定财务转型方向以财务共享夯实数字化底座电子会计档案建设，不是简单的“把纸扫成电子版”，更是对财务档案全生命周期的重构。本次项目将围绕“合规+提效+可控”三大核心，帮助企业将财务档案从“成本中心”变成“数据资产”：✅ 合规筑基：满足电子凭证单套制归档要求实现电子发票、电子回单、财政票据等电子凭证的合法入账与单套制归档，完全满足档案、财政及审计部门的合规检查要求。系统内置四性检测能力，从技术层面确保电子档案与纸质档案具有同等法律效力，帮助企业规避合规风险。✅ 提效降本：释放财务人力，压缩纸张成本自动归集凭证、账簿、发票及回单等资料，减少人工整理、打印与装订的繁琐工作。电子档案系统上线后，纸质档案册可减少约90%，财务档案整理工作量下降80%以上，纸张耗材成本同比减少约90%。每月从收单、整理、装订中释放出的财务人力，可以重新投入到成本分析、预算管控等高价值工作中。✅ 业财打通：全链路可追溯，支撑在线审计无缝对接 ERP 、 OA 、费控、SRM 、CRM 、银企直联等系统，确保财务数据在业务系统间自动同步流转。构建统一数据看板，覆盖从凭证产生、归集、归档到借阅、销毁的全流程，实现档案状态实时可视、可查、可追溯。为外部审计提供从报表到原始单据的在线追溯通道，审计人员无需跨系统翻找，大幅缩短审计周期。打破数据孤岛确保财务数据全链路可追溯会计档案全生命周期管理汉得财务数字档案室汉得基于近三十年财务信息化、数字化与智能化服务经验，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。汉得作为国内领先的企业数字化产品及解决方案综合服务提供商，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。未来，汉得也将继续与我们的客户深入合作，助力更多企业实现财务数字化转型，促进数字技术与财务业务场景的深度融合，赋能业务转型升级、高质量发展，为客户持续创新与价值创造保驾护航。携手汉得，共铸硬核竞争力！

11-02

22支队伍同台 PK｜汉得 AI 黑客松把好产品用起来！

10月17日，汉得 AI 黑客松决赛路演落下帷幕，从7月一路走到决赛，22支团队同台 PK ，最终决出一等奖1组、二等奖2组、三等奖3组。

11-02

22支队伍同台 PK｜汉得 AI 黑客松把好产品用起来！

10月17日，汉得 AI 黑客松决赛路演落下帷幕，本次大赛设两大赛道。对外砺刃（Building AI）：在数字化基础上，帮助企业建设自己的 AI 能力；对内焕芯（AI Building）：用 AI 建设更好的企业系统，帮助企业进入 AI 时代。29个事业部、286位同事、162支队伍，101个初赛作品。从7月一路走到决赛，22支团队同台 PK ，最终决出一等奖1组、二等奖2组、三等奖3组。更关键的是这些作品不是摆着看的一等奖作品已接入392个飞书群、活跃用户超1500人；二等奖作品在28个项目落地，投入产出比超10倍；有的作品直接把3人一周的活压缩到5分钟。汉得 AI 黑客松大赛获奖名单公布经过现场路演与评委评分，最终获奖结果揭晓，两个赛道共产生一等奖1组、二等奖2组、三等奖3组。▲ 一等奖获奖团队合影黄耿与唐健为获奖团队颁奖▲ 二等奖获奖团队合影黄耿和唐健为获奖团队颁奖▲ 三等奖获奖团队合影何登攀、吴鹏与飞书嘉宾黄浩为获奖团队颁奖未获奖的决赛团队均获得入围奖，参加决赛作品创作的每个人都获得一枚“ AI 效率先锋”纪念章。好作品正在真实落地这场大赛最让人踏实的，不是路演当天的掌声，而是不少作品已经在真实业务里“用起来、活下来了”。呆呆鸟（一等奖）已接入392个飞书群，活跃用户超1500人，累计交互15.4万次，沉淀181项可复用技能——某茶饮项目的交付周期因此节省约七成。 AI-DLC（二等奖）已在28个 SM 项目落地，覆盖60%以上相关项目，编码任务AI参与率达16%、采纳率超90%，投入产出比超过10倍。测试主理人（三等奖）累计排查近3000个问题，节约约390人天，部署时间从1-2天压缩到10分钟。智价引擎多智能体协同识图、推演工艺、核算成本，单份报价从3天压缩至2小时，年预计节约2.2人年。「织能」项目前端人力减少50%，单个项目前端部分最高可节约86%人力。AI 一键生成飞书泳道流程图原本3人一周的绘图工作，5分钟完成。评委们在总结中反复强调同一件事：从个人提效走向组织提效。AI 的长期价值，在于把交付侧的全链路拆解出来、深耕下去，让每一个工具都沉淀为组织能力的一部分。决赛现场评委及嘉宾致辞分享决赛现场<< 滑动查看下一张图片 >>黄益全汉得信息 CEO汉得信息 CEO 黄益全在致辞中强调：好作品要“做透、推出去”——不能摆在那等销售去卖，要从客户价值出发想清楚怎么推、怎么迭代。他特别提到，奖项要分阶段设置，就是为了把好作品真正推到被使用的场景中去，让价值经得起时间验证。▲ “把好作品做透、推出去”姚翔飞书商业化东区总经理飞书商业化东区总经理姚翔分享了飞书自身的 AI 实践：飞书现在的很多功能，正是源自当年内部的一些雏形。飞书去年全面转向 AI 后增速明显加快，非常有信心今年底做到约10亿美金收入——第一个1亿美金花了近4年，最新的1亿美金只用了2个月。他期待与汉得展开更多合作，一起服务好中国客户。▲ “期待与汉得展开更多合作”黄耿汉得信息高级副总裁、联席 COO汉得信息高级副总裁、联席 COO 黄耿提出了“数字员工”的三个角色：AI 牛马（极致性价比的执行力）、AI 分析师（全面敏锐的洞察力）、AI 参谋（敏捷准确的决策力）。他特别强调：“企业AI不只是AI”——没有清晰的流程、可信的数据资产，AI 根本用不起来。而数字化基础恰是汉得30年积累的最具价值的能力。▲ “企业 AI 不只是 AI”唐健汉得信息高级副总裁、联席 COO汉得 AI 黑客松组委会组长汉得 AI 黑客松组委会组长唐健回顾说，今年一年的 AI 发展好像等于以往几年才会发生。他对作品提出两点期待：一是拒绝同质化——作品要回答到底牛在哪、能不能在公司内部复用；二是走向体系化——工具多了之后要串成一条线，形成公司统一的组织性能力。▲ “期待好作品走向复用”这场大赛最珍贵的收获，不是奖杯和奖金，而是286位伙伴、162支队伍在100多天里的热情投入——有人利用周末赶工，有人在项目间隙打磨作品，有人为了一个功能反复调试。正是这些熬夜写代码、改方案的时刻，才让“ AI 提效”从一句口号变成了真实可用的工具。同时也感谢各位评委、飞书合作团队和远道而来的客户嘉宾，是他们的专业评审和真实需求，让这场比赛有了分量。正如大赛结束时说的那样：“希望大家满载而归，把今天的启发带回日常工作中，期待明年带着更多成果。”▲ 对外励刃到场嘉宾与客户合影留念▲ 对内焕芯参赛团队、评委与嘉宾大合影黑客松不只是一场比赛，更是优秀作品走向真实业务场景的起点。接下来，我们会继续做三件事：持续落地：推动获奖作品在更多事业部、更多项目中实际使用，让数据继续增长；推广复用：把验证有效的工具沉淀为公司级能力，让更多同事用起来；迭代优化：根据真实使用反馈持续打磨作品，让它们真正长成“大树”。明年，带着更多成果再会携手汉得，共铸硬核竞争力！

10-30

汉得工业AI实战系列｜汉得灵图（H-DrawSight）：让AI读懂图纸，赋能研发业务提效！

针对图纸解析的核心难点，我们思考了一条链路——把图纸智能解析拆成自下而上的五层。每一层各司其职，又相互贯通。

10-30

汉得工业AI实战系列｜汉得灵图（H-DrawSight）：让AI读懂图纸，赋能研发业务提效！

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。在制造企业，沉淀最厚、也最沉默的一类数据资产，是图纸。一张工程图纸，把尺寸、公差、材料、工艺要求和 BOM 行项全部压缩在一张图里，是覆盖设计、工艺、质量、报价的通用“工程语言”。一家制造企业几十年积累下来，图纸往往以数十万、上百万计，散落在 PLM、文件服务器和工程师的本地电脑里。图纸，是制造沉淀最厚也最难被 AI 读取的数据资产图纸为什么是 AI 最难啃的数据当前传统 OCR 图纸识别普遍面临三个核心难点：💢精度门槛高尺寸、公差、形位公差、粗糙度层层嵌套，通用文档解析的识别精度不够用——差一位公差，就是两件完全不同的零件。💢工程语义深图纸不是文字排版，是“工程语言”：视图关系、剖面、明细表、标准件代号背后，是一整套机械与工艺知识，模型不理解这些，只能“看见”、不能“读懂”。💢结构化需求复杂企业要的不是“识出来的文字”，而是图号、材料、公差、 BOM 行项这些结构化字段，要能拿去检索、比对、生成文档。光识别，远远不够。针对图纸解析的核心难点，我们思考了一条链路——把图纸智能解析拆成自下而上的五层。每一层各司其职，又相互贯通。L1 → L5自下而上贯通，图纸从“图片”逐层加工为“知识”，最终支撑业务应用。三者协同VLM+向量化检索+图纸数智化围绕图纸识别这一关键场景，汉得携手生态伙伴探索出一条路径：用 VLM 视觉模型“看懂”图纸，用向量化检索“找准”图纸，用汉得 HPIS 平台“用好”图纸——三者协同，把一张张扫描的工程图纸，变成一座可检索、可比对、可复用的图纸知识库。VLM 视觉理解模型让 AI 真正“看懂”工程图纸VLM 承担三类任务：✅ 理解视图结构：主视图、剖视图、标题栏、明细表的对应关系。✅ 提取几何特征：轮廓、关键尺寸位置、公差、粗糙度符号。✅ 识别版式与标注：图框、技术要求文字、BOM 明细表。向量化检索从“关键词匹配”到“语义相似”传统的图纸检索，本质上是“关键词匹配”——输入一个图号或零件名称，系统在数据库里做精确匹配或模糊查询。这种方式的问题很明显：你必须知道你要找什么，才能找到它。但工程师真实的需求往往是：“我有一张草图，想知道以前有没有做过类似的零件”——这不是关键词能解决的，这是“语义相似”的问题。向量化检索的思路，就是把所有图纸都转换成一串数字（向量），然后通过计算向量之间的距离，来判断两张图纸“有多像”。图纸数智化：从“单一图纸解析”到“基于图纸的复杂场景应用”将图纸识别后的工程参数形成结构化成果，与业务运营场景进行结合，转化为数智化应用。基于汉得 HPIS 平台支撑各类图纸应用场景，包括搜图、审图、BOM 及工艺结构化、作业指导书、成本规划测算与报价应用场景等。汉得【灵·图】AI识图智能体这一套 VLM 、向量化检索、图纸数智化的组合拳，最终交付给客户的不是 POC 演示，也不是需要二次开发的技术组件——而是一个开箱即用、真正懂工程图纸的 AI 智能体。什么是汉得【灵·图】一个识图准确率可达90%以上，专门为制造企业图纸场景训练的 AI 识图智能体。可实现独立部署，对接 PLM / ERP / CRM 的智能体服务——工程师不需要懂 AI ，只需要像问一位资深同事一样，把图纸丢给它。五大亮点✅ 看得准：工业图纸领域微调的 VLM ，尺寸、公差、形位公差、粗糙度、 BOM 行项一次结构化还原。✅ 懂工程：理解视图投影关系、剖面、明细表、标准件代号这整套工程语言，能“看见”更能“读懂”。✅ 找得到：权重前台可调，业务相似的图纸排到前面。✅ 用得顺：自然语言、完整图纸、“图纸+文字”三种输入并存，判断权在工程师手里。✅ 越用越聪明：低置信区域自动触发二次识别或人工复核，工程师的采纳与否决回流为训练样本，智能体在客户现场持续进化。谁能用？用在哪？研发工程师：秒级召回相似历史图纸并排比对，成熟结构直接复用，降低重复设计率。销售与报价：命中相似历史产品，自动带出历史报价与成本数据，分钟级出参考价。工艺与质量：自动提取 BOM 、技术要求、关键尺寸，减少逐张读图、重复录入。数字化部门：存量老图纸批量解析入库，补齐结构化字段，让老图纸真正被管起来、搜得到。模型负责理解，数据负责沉淀，而让图纸真正产生价值的，是理解业务的人。图纸不是终点——以图搜图接报价、指导书接工艺与质量、检索接 PLM ；从 POC 到规模化，还有数据治理、权限隔离、增量运维。这些系统打通与场景设计，正是汉得多年数字化实施的积累。这条路径仍在演进：正在推进的三维解析，将把几何、拓扑、PMI 标注、材质与装配信息纳入同一套图纸知识体系；图纸知识图谱，则把散落在千万张图纸中的零部件、标注、规范与变更关系沉淀为可推理的工程知识——改一处，追全局。携手汉得，共铸硬核竞争力！