热点新闻

HOT

三十载同行智启新程｜汉得东京纪念活动圆满举办，以双AI战略护航企业高质量发展！

2026年7月8日，以汉得自前身创立至今深耕行业三十周年为契机，汉得在东京皇宫酒店圆满举办纪念活动。

查看详情

汉得 x 锐科激光｜锐科AI智能体平台正式上线，以AI全场景赋能激光智造！

近期，国内光纤激光龙头企业——武汉锐科光纤激光技术股份有限公司携手汉得，联合打造的锐科AI智能体平台正式全面上线。

查看详情

从分散建设到统一治理｜汉得携手青岛啤酒，打造AI时代的企业数字化统一底座！

汉得大客户数字化事业部群携手青岛啤酒开展统一组件技术底座平台建设实践，围绕统一开发平台、既有认证体系接入、主数据贯通、开发规范沉淀、供应商协同与运营陪跑等关键方向，探索大型企业数字化底座建设与持续运营的新路径。

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

07-28

AI 重构营销费用全链路｜从“花出去”到“花得值”，汉得助力大消费企业存量时代提效增利！

汉得在服务酒水、食品饮料、日化、时尚零售等行业 100+ 头部消费企业的过程中发现，AI 技术的成熟，正在为这个困扰行业多年的难题，提供全新的解题思路。目前汉得营销 AI 解决方案已经在多家百亿级快消企业落地，实现显著的效率提升和经济价值。

07-28

AI 重构营销费用全链路｜从“花出去”到“花得值”，汉得助力大消费企业存量时代提效增利！

当中国大消费行业集体走过“跑马圈地”的增量时代，正式进入“存量深耕”的新周期，一个命题正在摆在所有头部企业面前：每年几十亿甚至上百亿的营销费用，如何真正花在刀刃上？从抢占新市场、覆盖新网点的“广度扩张”，到深挖单客价值、提升单店产出的“深度运营”，在既定预算框架下，营销活动从计划、申请、审核、执行到结案、核销的全链路效率，正在成为决定企业盈利能力的分水岭。汉得在服务酒水、食品饮料、日化、时尚零售等行业 100+ 头部消费企业的过程中发现，AI 技术的成熟，正在为这个困扰行业多年的难题，提供全新的解题思路。目前汉得营销 AI 解决方案已经在多家百亿级快消企业落地，实现显著的效率提升和经济价值。从 TPM 到 TPO营销费用管理的三次进化过去二十年，中国快消企业的营销费用管理经历了三个阶段：1第一阶段：让费用“控得住”通过 TPM（营销费用管理）的上线，实现费用流程在线化、预算额度管控、基础规则校验，解决了“有没有系统”的问题，让费用不再是一笔糊涂账。2第二阶段：让费用“算得清”通过营销场景数字化、政策引擎自动化核算、执行过程在线化管理，实现费用的精准直投、自动计算和高效核销，解决了“算得准不准”的问题，让业务和财务告别没完没了的对账扯皮。3第三阶段：让费用“用得值”当市场从增量转向存量，营销费用不再是“花完就行”，而是要追求投入产出比。这一阶段有了更清晰的名字——TPO（营销费用优化）：借助历史数据沉淀和 AI，让营销费用管理从“流程管控”走向“智能决策”，让每一分投入的产出比最优。在实践中我们发现，很多企业即使已经上线了先进的 TPM 系统，在营销费用全链路管理中只走完前两个阶段——费用既“控得住”又“算得清”，大多数企业依然会发现：真正决定费用能否“用得值”的这些环节，仍是全链路上的老大难：💢 计划端靠经验：管理者或运营者要在市场、区域、渠道、客户、终端、活动等多个维度上分配预算、定投放策略与销量目标，高度依赖个人经验，“拍脑袋”决策导致费用投入错配；💢申请端靠手工：业务人员大量时间耗在重复录单上，挤占了拜访客户、服务终端的一线时间；💢审核端靠肉眼：海量单据下难免有漏网之鱼，违规风险后置；大区总监每天花 3-4 小时审批，依然难以做到科学决策；💢执行端靠运气：部分数据收集滞后，无法实时预警，往往等到季度复盘时才发现费用打了水漂；💢核销端靠人工：财务人员加班加点依然效率低下，套费、骗费行为难以完全识别。这些痛点，靠流程管控和自动核算都解决不了——它们考验的是决策质量、人力效率与实时反应，而这，正是第三个阶段，营销费用 TPO 阶段、要靠数据和 AI 才能破解的问题。当流量红利见顶，向管理要效益，不再是一句口号，而要落到真金白银的利润上。全链路 AI 赋能让营销费用管理“聪明”起来汉得依托大圣 AI 中台，打造覆盖营销费用全链路的 AI 智能助手，深度嵌入企业已有 TPM 流程，不改变操作习惯，通过对话式交互实现从 “AI 辅助” 到 “AI 决策” 的跨越。计划环节AI 做你的“智能参谋”制定营销计划时，管理者或运营者用自然语言下达需求，AI 基于全量数据，在市场、区域、渠道、客户、终端到活动类型等多个维度上，自动给出该投哪里、投多少力度、定多少销量目标、预期能带来多少 ROI 的建议方案，管理者只需在此基础上微调即可。✅ 价值：计划制定效率提升 70% 以上，新人也能做出资深操盘手水平的方案，费用投入精准度大幅提升，避免“撒胡椒面”式的无效投入。申请环节AI 做你的“效率助手”申请环节，业务人员要把计划里定好的投放落成正式的活动申请或终端协议：AI 自动填充字段、历史数据一键复制、批量创建同类申请，并在提交前预审常见错误，录入从“几分钟一单”变成“几句对话搞定”。✅ 价值：申请录入效率提升 80% 以上，一线每天可节省 2-3 小时；申请驳回率降低 60%。审核环节AI 做你的“决策外脑”汉得营销审核 AI 助手基于独创的五维决策模型，给出明确的审批建议和推理过程：◈ 该不该做：是否符合战略方向；◈ 值不值做：测算预期 ROI，评估投入产出比；◈ 能不能做：核对预算余额、资源匹配度；◈ 能不能担：识别合规风险、市场风险、执行风险；◈ 会不会乱：同区域活动是否撞期、政策是否叠加、费用是否冲突。AI 会自动给出“通过 / 附条件通过 / 人工复核 / 驳回”的明确建议，并且完整展示推理过程和数据依据，管理者只需要做最终判断。同时基于可不断积累企业营销经验的决策引擎，越用越贴合企业的管理要求。✅ 价值：审批时间从 3-4 小时缩短到 1 小时以内，违规申请识别率达 92%，从根源上减少费用跑冒滴漏。执行环节AI 做你的“风险哨兵”AI 7x24 小时自动监控在执行活动，实时销量与费用进度对比、营销活动指标监控与预警、异常投入与窜货风险、活动提醒跟进到期核销。实时监控实时对比销量进度和费用投入进度，对进度异常的活动自动预警；识别异常识别问题终端的异常投入，及时提醒管理者干预；提前预警监控终端价格执行情况，提前预警窜货和价格体系破坏风险；自动提醒自动提醒业务人员跟进即将到期的活动和需要核销的单据。✅ 价值：风险发现从“事后复盘”提前到“事中干预”，费用浪费减少 30% 以上，活动执行达成率提升 25%。核销结案环节AI 做你的“核销专家”费用结案时，AI 自动完成四维度检核：真实性、准确性、合规性、合理性四维检核，识别照片造假、套费骗费等行为。真实性检核通过 OCR、图像识别、时空一致性校验，自动识别照片造假、单据造假等套费行为；准确性检核自动核对活动政策、计算应付费用，校验发票真伪，不需要人工逐张计算；合规性检核检查费用是否符合预算要求、是否符合公司标准、票据是否合规；合理性检核对比预实差异、同期同类活动费效比，评估活动效果，识别异常投入。✅ 价值：核销效率提升 80%，财务人员工作量大幅降低；套费骗费行为识别率提升 90%，费用真实性合理性得到保障；自动生成营销活动复盘报告，将叙事化的活动小结升级为“量化的活动执行效果”+“清晰证据链”+“可复用的结论&可改进建议”，沉淀活动费用数据资产，用于后续同类型活动、同期活动参照对比，为后续营销决策提供数据支撑。更关键的是，以上五个环节并非五个孤立的工具，而是一个持续优化的闭环——核销复盘的结果自动回流到下一轮计划，让 AI 越用越准、企业的营销经验越沉淀越厚。这正是 TPO 区别于传统 TPM 的关键：从“一次性管控”走向“持续增值”。从“试点验证”到“规模落地”AI 价值正在被验证汉得营销 AI 解决方案已经在多家酒水、食品饮料行业头部企业落地：某酒企试点区域终端协议录入效率提升 75%，一线业务员最直观的感受是“终于不用下班了还在录系统”；某食品饮料企业上线 AI 审核助手后，大区总监审批时间减少 70%，违规费用拦截率达到 90%，每年预计减少无效投入数千万元；某快消龙头企业AI 核销助手上线后，财务核销周期从 15 天缩短到 3 天，套费行为减少 85%；多家企业反馈，AI 上线后营销费用 ROI 平均提升 10%-15%，真正实现向管理要效益。AI 时代快消数字化的下一个十年在汉得看来，企业级 AI 的价值，从来不是炫技，而是真真切切地解决业务问题，为企业创造实际价值。AI 不是替代人，而是把人从繁琐重复的劳动中解放出来：让业务员专注拜访客情，让管理者聚焦战略决策，让营销决策层聚焦价值管理。从“流程数字化”到“决策智能化”，从 TPM 到 TPO，这是大消费行业数字化的下一个十年，也是头部企业在存量时代构建核心竞争力的关键。汉得数字化营销团队成立 20 余年，已服务 100 + 百亿级消费企业，提供从营销战略到系统落地、从流程优化到 AI 赋能的全链路数字化服务。数字化，放心交给我。汉得愿与更多消费企业携手同行，让每一分营销费用都产生真正的价值。携手汉得，共铸硬核竞争力！

07-27

AI拆解20W行ERP老旧代码｜AI Harness 解耦大型制造业老旧 ERP 系统构建业务知识本体！

老旧系统解耦重构，也是是每一个 CIO 必须面对的问题。

07-27

AI拆解20W行ERP老旧代码｜AI Harness 解耦大型制造业老旧 ERP 系统构建业务知识本体！

系统跑了10年，核心逻辑写在400多个没人看得懂的 PL/SQL 包里，累计超过20万行老旧代码。当年的开发早走了，文档？不存在的。因为原厂不再提供后续支持，为支持业务的持续发展，公司决策：“今年必须解耦。”这是我们客户2026年开年时的真实处境。老旧系统解耦重构，也是是每一个 CIO 必须面对的问题。ERP 解耦有个公开的秘密：重构编码只占20%工作量，剩下80%是“搞懂老系统到底干了什么”。一个 ERP 标准包，资深顾问读明白需要2到3天。312个标准包，加上170多个客户化包，排着队干要两年。两年之后，业务需求早变了。我们客户给这个阶段起了个名字“代码考古”系统里沉淀着十年的业务逻辑：哪些逻辑是必须的，哪些是历史遗留，哪些是为了绕过某个已废弃的逻辑打的补丁。没人知道。400 多个 PL/SQL 包像一个个上了锁的黑箱子，排成一排，等你一个个撬开。2026年2月，项目启动。汉得与客户联合项目组做了个决定“让 AI 来干考古的活”市面上讲 AI 赋能 IT 项目的文章很多，但我们很快发现一个事实：AI 裸用就是个高级聊天框。同一个问题问两遍，给你两个不同的答案。在 ERP 系统解耦面前，这种不确定性是致命的——复杂调用链中一个逻辑编造，你根本不知道错的在哪里。所以项目没急着上 AI 写代码，而是搭了一套 AI Harness 工程框架，替代人工读包环节。具体干三件事：第一件，搭知识底座。所有 ERP 标准包逻辑代码从数据库自动导出、结构化解读，170多个客户化包按业务领域分类提取核心逻辑，19类业务对象定义从 ERP 表的 HTML 快照自动转成标准化文档。AI 要回答问题，先给提供充分的可读取信息来源。第二件，定规则。明令禁止 AI 编造表名、列名、JOIN 条件。所有 SQL 字段必须可溯源到业务对象定义文件。违规时 AI 必须停止并告知用户。所有解读出来业务逻辑链接到源代码包与代码行数，规则解决了一个真实痛点：AI 解读时编造字段，编造逻辑，在 ERP 这种庞然大物里，排查成本极高。第三件，编技能。13个 AI 技能，每个负责一个具体环节——有的读 PL/SQL 包，有的分析调用链路，有的写重构设计文档，有的评审文档质量，有的自动调接口做双端数据对比。将解耦重构设计中的 AI 协作方式方法，融合在日常工作流程中的技能使用中。这三件事合起来，叫 Harness一个让 AI 从“聊天工具”变成“项目基础设施”的工程框架有了共享知识底座，团队开始跑流程。先让 AI 自动解读400多个包。两年的人工工作量，压缩到两个月。顾问不用再读代码了，可以集中精力判断业务逻辑对不对，是否裁剪或保留。然后是194份设计文档的自动生成。每份文档包含 API 定义、参数映射、业务约束、测试用例。 AI 写完，自己评审。评审六维深潜，逐业务约束对比标准包源码与设计文档差异，找缺失校验、矛盾逻辑、不可达路径，携带改进建议由产品决策。通过 Skill 沉淀团队评审经验，一份 “投料单物料新增与修改”文档，三轮评审下来，累计发现39项设计缺陷。其中“变更物料时操作类型判定逻辑矛盾”这个问题，涉及三个参数的交叉组合逻辑，人工评审几乎不可能发现。传统项目里，设计文档质量靠“感觉还行”。在这个项目里，质量变成了数字——89%的异常场景校验拦截率，单份文档累计发现30个以上设计缺陷。团队通过 AI 自动化测试 skills，AI 自组织测试数据，自动调用 API 执行逻辑，等待 ERP 同步，然后查询解耦领域和 ERP 两边的数据库，逐字段对比差异。27条用例跑完，自动发现了11个 Bug。其中的典型：Bug-11：工单创建后 BOM 展开未执行。工单在工单中心是“已发放”状态，但 ERP 那边没有对应的物料需求明细。这种问题在传统测试中依赖人力投入的工作，通过 AI 自动执行并提供充分的过程工作证明支持研发测试定位并修正问题。最核心的转变是“确定性”——传统 ERP 解耦项目最大的风险是做完了但不知道对不对，代码是新的，业务逻辑对不对没人说得准。AI 自动化测试提供了一层确定性保障：通过 AI 组织数据执行新旧系统的代码逻辑并核对数据一致性，Bug 由自动化测试自动发现，非手工构造。设计阶段有评审拦截，测试阶段有双端对比， Bug 修复后有自动复测。质量在整个链条上可追溯、可度量。通过 AI Harness 工程提供了从设计、开发到自动化测试的全链条质量保障，可追溯、可度量，大幅提升解耦效率。设计文档生成、六维评审、API 测试、双端对比、Bug 登记、复测验证，六个环节形成完整质量闭环。几组数字值得记住：312个标准包解读从两年压到两个月194份设计文档从一年压缩到三个月单个文档39项设计缺陷在写代码之前就被发现和修复传统 ERP 是一座知识黑箱，核心业务逻辑深锁在 PL/SQL 包中，靠资深 IT 人员的私域认知。本次项目在推动系统解耦的同时，完成了一件更具远期价值的事——用本体的方法，把隐性的领域知识显性化，构筑起企业运营知识本体。在本体视角下，工单被明确定义为制造业的核心业务实体。围绕它，我们厘清了工单的类型、生命周期状态，以及它与工序、物料需求、资源等实体之间的关联与约束。过去，这些知识全部裹挟在 `WIP_JOB_DETAILS` 包3000行代码里，查询、创建、状态变更、发放、完工、反冲，一步一坑。现在，我们基于本体模型实施服务能力 API 化——不是简单地把表暴露成 REST 接口，而是按“业务能力”拆解和封装 API。以“工单创建”为例，这一能力背后聚合了 WIP_ENTITIES 等四张表、三道状态校验、两轮数据展开，最终被凝练成一个契约清晰的接口：`POST/v1/organizationId/discrete-jobs/createWorkOrders`，入参明确、返回清晰、错误码可枚举。整个项目共沉淀190个标准化 API，覆盖工单管理、基础设置与数据同步三大领域，每一个 API 就是一个独立、可调用的业务能力原子。这意味着，制造领域的专业知识不再锁在少数人脑里，而是存在于一个结构化、可检索、可引用的知识空间中——这正是一个可被人与机器共同消费的领域本体。新人两周可上手，AI 30分钟就能读透。我们把这种状态称为 “Agent Ready” 。未来，任何一个 AI Agent 要进入工单业务，再也不必去啃老旧的 PL/SQL 代码，也无需到处问人：打开知识空间，即可理解所有业务对象的定义与关系；浏览 API 清单，就能知道有哪些能力可供调用；查阅设计文档，便能掌握业务逻辑约束。这就是 Agent 化的基础准备——给它一个结构化的业务世界模型，和一套按能力组织的 API 工具箱。没有这两样，Agent 面对 ERP 就是盲人摸象；有了这两样，Agent 就能化身一位不经培训、永不离职的数字员工。太多 ERP 解耦项目只做到“把代码搬出来”，却忘了把搬出来的东西整理好。解耦像是拆房子，而 API 化与知识本体化，则是把拆下的砖瓦分类编号、画成图纸。不做这后一步，下一次改造依然要从“考古”重新开始。我们选择在当下就完成企业运营知识本体的构建，把业务的“活灵魂”从代码遗迹中解放出来，为 AI 时代的智能运营铺好认知基座。携手汉得，共铸硬核竞争力！

07-24

三十载同行智启新程｜汉得东京纪念活动圆满举办，以双AI战略护航企业高质量发展！

2026年7月8日，以汉得自前身创立至今深耕行业三十周年为契机，汉得在东京皇宫酒店圆满举办纪念活动。

07-24

三十载同行智启新程｜汉得东京纪念活动圆满举办，以双AI战略护航企业高质量发展！

2026年7月8日，以汉得自前身创立至今深耕行业三十周年为契机，汉得在东京皇宫酒店圆满举办纪念活动。来自日本地区的新老客户、合作伙伴及汉得集团管理层代表齐聚一堂，共同回顾汉得三十载深耕实业、赋能企业数字化转型的发展积淀，并围绕企业数字化革新与AI智能化转型展开深度研讨与交流。本次活动聚焦中国制造业与零售业过去三十年的产业变革与业态升级，以及汉得如何陪伴客户完成从信息化、数字化到智能化的持续跨越，助力企业完成管理模式与技术体系的迭代升级。通过主题演讲、案例分享、纪念影片及客户交流等环节，全方位系统化展示了汉得三十年来在企业管理升级、系统建设和技术创新方面的行业理解与实践成果。大会现场，汉得重点分享了“AI Building”与“Building AI”两大核心战略方向。AI Building“AI Building”强调将成熟的AI能力融入企业数字化系统建设、开发交付与运营管理，帮助客户提升系统现代化建设的效率与质量，夯实企业数字化底座。Building AI“Building AI”着眼于企业自身智能化能力建设，通过数字员工、专业化场景AI应用和AI业务洞察等，推动AI真正进入业务执行、专业研判和经营决策，实现AI与企业业务的深度融合。这一话题引发了现场客户与合作伙伴的高度关注和热烈探讨，同时与会嘉宾围绕AI技术如何融入现有数字化体系、赋能SAP等核心系统的高效开发与智能运维，以及如何依托数字员工与业务洞察创造实际价值等核心议题展开深入探讨。在客户感恩交流环节，宾主双方开展了亲切、友好且富有成效的沟通对话。多位客户高层围绕企业全球化协同布局、数字化升级、AI场景化落地应用、长期战略合作等关键方向，与汉得团队充分交换意见、达成共识，为后续双方深化全方位多领域的合作筑牢坚实基础。本次活动的成功举办，不仅让日本客户更清晰全面地了解汉得的技术实力、实践积淀与专业底蕴，进一步夯实市场信任与合作信心，更充分展现出汉得深厚的行业理解洞察、持续的技术创新能力、成熟的本地化服务综合优势。未来，汉得将持续深耕“AI Building”与“Building AI”核心战略，携手日本及全球客户与伙伴，将扎实的数字化基础转化为硬核智能化能力，将前沿技术创新落地为实打实的业务增长成果，共同迈向AI驱动的企业发展新未来。携手汉得，共铸硬核竞争力！

07-24

汉得DataClaw｜当AI从“项目制开发”走向“数字员工培育”，业务人自己就能“培育”AI数字员工，4 大场景上岗见效！

DataClaw带来的变化，不是AI突然能够完成过去做不到的事，而是企业增加AI场景的方式发生了变化：过去，每增加一个AI场景，都要找技术开发一次。现在，业务人员可以持续培育一名“数字员工”像带一位新人，但这位新人永远不会离职。企业的下一程，不是更强的开发，而是更好的培育。

07-24

汉得DataClaw｜当AI从“项目制开发”走向“数字员工培育”，业务人自己就能“培育”AI数字员工，4 大场景上岗见效！

当AI从“项目制开发”走向“数字员工培育”企业真正改变的不只是效率而是AI进入业务的方式凌晨1点，法务部还亮着灯。第87份合同，第5次退回修改。销售在群里@所有人：“客户明天要签，能不能先过？”法务盯着屏幕里那条新加的红线条款——上周刚更新的，系统里还没同步。这不是某个企业的特例。这是大多数公司落地AI的真实困境：每增加一个AI场景，都要重新依赖技术团队开发。业务规则一变，AI就“失忆”，只能等IT排期。当企业需要的AI场景越来越多，一个问题也随之出现：💢企业每增加一个AI场景，都要重新依赖技术团队开发吗？DataClaw提供了另一种企业AI场景建设方式：业务人员直接通过与AI对话把知识、规则和工作方法“教”给数字员工——培育，而不是开发企业增加AI场景，不再只能依靠技术开发，也可以通过培育数字员工来实现。场景一合同预审员：减少合同反复退回修改故事背景：一家贸易型企业有几百名销售，销售人员很难记住所有合同红线。合同签署前需要经过法务审核，但公司只有5名法务，每天要处理约100份合同。销售提交的合同一旦触发红线，就会被退回修改，导致合同反复流转，签署周期被拉长。如果在提交法务前先由AI完成预审，既可以减少合同反复退回，也可以降低法务的基础审核工作量。💢传统做法：要实现合同预审，技术团队需要把合同条款、判断逻辑和处理流程通过开发实现。合同红线变了，重新排期、改代码、测试上线，一次规则更新动辄数周。✅ DataClaw怎么做：培育一名“合同预审数字员工”，不需要写代码。法务把最新的合同红线、审查要点、修改范例直接“教”给它——像带新人一样，用自然话说一句“这条款如果超过X金额，必须加Y担保”，它就学会了。销售提交合同前先过它这关：识别风险条款、标注问题、给出修改建议，必要时自动转法务终审。更关键的是：下周红线又变了？法务打开对话窗口，把新规则“讲”给它，10分钟后生效。不需要提需求、等排期、改系统。◈ 价值：合同预审数字员工上岗后，单份合同审批周期从30天缩短到10天，反复退回率下降近70%，法务基础审核工作量减少约65%——销售终于不用反复补件，法务终于能专注真正有争议的条款。场景二发票审查员：让财务专注处理异常故事背景：很多企业已经建设了报销系统，财务仍然要逐张审核发票。因为真正的发票审查，不只是识别发票信息，还要核对：是否符合最新费用标准？差旅申请匹配吗？有没有超支？关联项目预算够不够？这些规则散落在制度文件、邮件通知、口头约定里，系统根本“学”不会。💢传统做法的局限：制度一变，所有相关系统的规则配置全部要IT改一遍；跨多个模块的变更常常要协调多个开发团队，改一次流程要拉一连串会议。✅ DataClaw怎么做：财务直接培育一名“发票审核数字员工”——录入报销标准、差旅制度、税务审核要求后，AI自动识别发票瑕疵、匹配差旅申请，审核通过后直连系统发起付款流程。费用制度调整了？把新制度的PDF丢给它，它自己“读”完就能按新规则审。◈ 价值：发票审核数字员工上岗后，单张发票审核从3分钟压缩到10秒，财务月均加班时长下降约60%——财务终于能从“机械核对”里抽身，专注处理真正需要判断的异常。场景三审批调度员：组织变了，流程跟着变故事背景：某汽车零部件企业，审批路径极其复杂：申请类型、金额、部门、职级，甚至项目阶段，都会触发不同链路。组织架构一调整，审批矩阵全乱，IT排期5天起，业务办事全程等待。💢传统做法的局限：过去这些变化都要IT人员重新配置审批流程——改规则、调节点、测试上线，5天是起步价，期间新流程没法跑。✅ DataClaw怎么做：业务负责人把审批类型、审批矩阵、组织架构、分级审核规则全部“教”给数字员工。员工提交申请后，只需说一句“我要发起一笔50万的模具采购申请”，AI自动识别你是谁、该走哪条路、找谁批、抄送谁，直连OA生成流程。组织变了？更新一下规则库，当天生效。业务自己调，不用等IT。◈ 价值：审批调度数字员工上岗后，审批流程调整从“IT排期5天”变成“业务当天自助完成”，平均审批周期缩短约40% ——IT不再是流程瓶颈，业务不再为“等IT改流程”开会。场景四采购申请员：填一张表，不用再翻五个系统了故事背景：某汽车零部件企业，采购申请看起来是填一张表，实际上申请人要：查历史订单、找供应商报价、补全物料编码、核对预算余额、确认交付地址……信息散落在ERP、SRM、邮件、Excel里，填错一个字段就被退回。💢传统做法的局限：传统做法的局限：表单模板一旦变化，又需要开发适配；新人填表要培训老半天，采购部一半时间在“催单、补字段”。✅ DataClaw怎么做：培育一名“采购申请数字员工”，它能听懂“帮我申请一批模具钢，和上次一样”。然后自动：识别你的身份权限调取历史采购订单提取供应商报价补全缺失字段，每个数据都标注来源确认后一键发起申请采购类型变了、表单结构变了、业务规则变了？继续“教”它新要求，不用重新开发。◈ 价值：采购申请数字员工上岗后，申请人填表时间从30分钟压缩到5分钟，字段缺失或错误率从25%降到3%以下，审批一次通过率提升至95%——申请人不再为填表加班，采购部终于从“催交申请、补字段”里解放出来。DataClaw给企业带来的三类价值从“技术开发”，走向“用户培育”DataClaw带来的变化，不是AI突然能够完成过去做不到的事，而是企业增加AI场景的方式发生了变化：过去，每增加一个AI场景，都要找技术开发一次。现在，业务人员可以持续培育一名“数字员工”像带一位新人，但这位新人永远不会离职。企业的下一程，不是更强的开发，而是更好的培育。这就是汉得DataClaw灵舟企业AI数字员工中心让优秀管理经验可复制让重复业务工作可托付如果您也正被「AI开发周期长、IT资源不足、业务规则迭代难」困扰——扫描下方二维码，预约一次 30 分钟的场景demo，看看数字员工在您的业务里，能从哪个岗位开始上岗。携手汉得，共铸硬核竞争力！

07-21

企业研发费用如何管控才能满足IPO审计、高企认定与加计扣除合规审核？

合规不是应付检查，是让研发投入产生合规价值。从糊里糊涂拼账，到明明白白归集，企业收获的不只是风险规避，更是高新技术企业认定和加计扣除两条红利的安全到手。

07-21

企业研发费用如何管控才能满足IPO审计、高企认定与加计扣除合规审核？

对众多企业而言，创新是企业未来的必然之路，投入大量的研发费用才能保证创新与技术领先，国家为了鼓励企业真正投入研发，出台了高新技术企业以及研发费用加计扣除的税收优惠政策。企业在实际投入过程中，往往在研发管理及财务核算过程中没有严格按国家相关的要求进行管理，导致优惠红利没有享受全，或者不合规导致高新技术企业资质及IPO的审计受到影响。研发过程中项目研发属性不清晰、研发工时不分摊、物料混产研、稽查风险……粗放的研发过程管控，正在让大量研发投入变成“糊涂账”，导致政策红利看得见，拿不全。两大政策合规都需要证据链高企认定15%优惠税率+加计扣除100%额外扣除金税四期提醒：税务机关对高企认定资质和加计扣除的稽查力度持续加大，数据交叉比对能力显著提升。不合规的归集方式，风险远大于收益。研发费用合规归集的五个关键痛点您中招了吗？💢研发项目未立项——费用归集缺少源头依据。研发活动未经过正式立项，项目边界、研发属性、目标成果不清晰，后续补证成本高，高企认定和加计扣除都缺少源头依据。后果：复审无据可查→红利归零+补证成本高昂。✅ 项目正式立项，研发属性合规判定，过程自动留痕。💢研发工时不分摊——人工费用真实性和合理性难以支撑。研发人员投入未按项目归集，人工费用无法准确分配到具体研发项目——高企认定缺人员占比证明，加计扣除缺人工分摊依据。后果：人员费用全额被剔除→加计扣除额度大幅压缩。✅ 按项目登记研发工时，对接ERP完成人工费用分摊，结果回传归入辅助账。💢物料混产研——直接投入费用存在错归、混归风险。生产与研发共用物料，费用未按项目分开归集，直接投入费用无法区分研发用途与生产用途。后果：直接投入费用被调减→物料费不得加计扣除。✅ 产研分离，费用归集规则校验，按项目分开归集。💢辅助账缺失——申报测算依赖人工整理，口径不一致。研发费用未按项目、科目、年度形成辅助账和明细台账，口径不一、科目混乱、反复返工，高企认定和加计扣除申报质量堪忧。后果：口径混乱反复返工→隐性成本高。✅ 辅助账自动生成，口径一致、科目对齐。💢稽查风险——证据链不完整，难以穿透证明费用合规。项目立项、工时记录、费用凭证、成果产出等环节的记录碎片化，无法形成完整证据链支撑合规归集。后果：高新资质取消+纳税调整+滞纳金+罚款→风险高。✅ 全证据链可追溯，从立项到验收每一步有据可查。痛点如何解？六步打通合规闭环以项目立项为源头，打通工时、费用、成果和证据链。总体架构：以研发项目为主线的全证据链管理。有人已经做到了看他们如何合规某药企研发费用合规归集&CSV计算机化系统验证客户背景：国内综合性制药企业，业务覆盖化学药、生物药、原料药等领域，研发中心承担多项创新药研发项目。💢客户痛点：药品研发周期长、试验数据需符合GMP与CSV计算机化系统验证要求，研发费用归集需同时通过高企认定+加计扣除双重稽查。✅ 客户价值：建立CSV合规的研发项目管理体系 →高企认定+加计扣除+CSV认证一次通过。某电气企业科技创新管理客户背景：国内电力装备制造与智能制造领域龙头企业。💢客户痛点：科研项目类型多、立项分散、过程不可见、成果与人才管理脱节，无法满足高企认定研发费用占比与人员占比证明。。✅ 客户价值：建立“全业务在线化、全过程透明化、全要素数字化”新型科技创新管理体系，研发费用合规归集与高企认定一次通过。合规不是应付检查，是让研发投入产生合规价值。从糊里糊涂拼账，到明明白白归集，企业收获的不只是风险规避，更是高新技术企业认定和加计扣除两条红利的安全到手。如果您的企业也正面临研发费用归集难、辅助账拼账苦、稽查一来就愁的困扰欢迎联系我们获取专属的研发费用管理落地方案携手汉得，共铸硬核竞争力！

07-16

汉得 x 锐科激光｜锐科AI智能体平台正式上线，以AI全场景赋能激光智造！

近期，国内光纤激光龙头企业——武汉锐科光纤激光技术股份有限公司携手汉得，联合打造的锐科AI智能体平台正式全面上线。

07-16

汉得 x 锐科激光｜锐科AI智能体平台正式上线，以AI全场景赋能激光智造！

当前企业AI数字化转型已迈入全新发展阶段，行业竞争重心从概念落地转向落地交付实效、业务价值兑现、规模化复制推广三大核心维度。行业实践证明，能够真正为业务创造增益的AI解决方案，不在于前沿概念包装，而在于可稳定投产、风险可控、知识资产可沉淀复用的落地成果。近期，国内光纤激光龙头企业——武汉锐科光纤激光技术股份有限公司携手汉得，联合打造的锐科AI智能体平台正式全面上线。平台打造覆盖智能问答、业务办公、研发生产、商务交易、数据BI五大核心场景的13类AI智能体并投入常态化运营，推动人工智能深度嵌入企业核心业务链路，充分释放高端激光制造行业数智化转型价值。行业先锋智领未来汉得 x 锐科激光武汉锐科光纤激光技术股份有限公司（股票代码300747，以下简称“锐科激光”），是国内光纤激光器头部制造企业，亦是国内首家主营激光器业务的A股上市企业。公司深耕光纤激光器、核心器件及配套材料的研发、生产与全域销售，旗下产品广泛应用于激光加工制造、3D打印、医疗医美、科学研究等多元赛道。数字化转型浪潮下，高端装备制造行业加速拥抱人工智能技术。锐科激光主动布局AI数智化建设，依托AI打通内部数据壁垒、重塑全流程业务运转模式、激活技术研发创新动能。本次携手汉得搭建专属AI智能体平台，正是看中汉得在企业级AI落地领域完备的实施方法论，以及经过大量项目验证的标准化工程交付实力。数智赋能智能体矩阵+智能问数双核驱动锐科AI智能体平台聚焦商务办公与运营管理、激光器研产销全链路、商务风险管控三大核心业务板块，依托智能体矩阵、智能问数两大核心能力协同赋能，搭建起“技术落地-业务提效-价值产出”完整业务闭环，让智能化能力渗透企业经营全流程。即刻智能体矩阵：业务流程主动提效咨询将AI能力深度融合售前咨询、研发选型、生产解密、发货物流等全业务链条，由专属智能体承接各类场景化自动化工作，实现业务风险前置识别与管控，大幅压缩线下人工操作工作量，全面提升整体运营效率。智能问数：数据价值深度释放打通SAP、SRM、MES、CRM等多套内部业务系统数据，搭建统一企业数据资产池。员工通过自然语言交互即可实时生成可视化数据图表、专项分析报告，充分盘活沉淀数据资产，挖掘数据内在业务价值。商务办公与运营管理产品咨询助手面向存量客户与潜在意向客户部署，同步落地于锐科激光官方网站、微信公众号、激光智联小程序三大对外服务渠道，区分销售拓客引流、专业设备运维两类服务模式。实现7×24小时不间断承接产品咨询、售后故障答疑需求，兼具虚拟销售顾问、智能运维客服双重服务职能。智能问答助手基于RAG检索增强生成架构搭建企业专属内部知识库中枢，整合产品资料、行政管理制度、质量管控体系、EHS安全规范、网络安全条例等13大类核心知识内容。支持多轮深度语义交互、三级分层权限管控，可灵活切换个人、部门专属文档库，保障输出内容精准、时效合规、全程可追溯。报告生成助手针对性解决企业各类报告撰写耗时长、效率低的痛点，输入报告标题即可自动生成多级内容框架并完成全文扩写，支持资料来源标注、多轮迭代优化；同时配备外网检索模式，可脱离内部知识库调用外部大模型独立完成内容创作。智能会议助手覆盖会议全流程智能化闭环管理：会前创建会议日程、一键推送参会通知；会议过程实时录音转文字，自动梳理会议纪要并拆解待办事项；会后定向推送待办任务跟进提醒，全方位简化会议组织流程。智能假勤助手依托AI对话交互实现员工假勤自助管理，员工可通过对话查询考勤规则、剩余假期额度，以自然语言直接发起请假审批。AI自动识别请假时间、假期类型、申请事由，智能校验所需附件是否合规，同步推送假期到期提醒，规范企业假勤管理流程。激光器研产销全链路工艺工程报告助手面向工艺设计人员打造专业工具，依托企业内部技术知识库自动生成标准化工艺技术文件，打通技术文档归档、专业报告输出自动化链路。产品分析助手融合自然语言处理、智能语义检索技术搭建企业产品检索引擎，支持精准匹配、模糊相似推荐两种检索模式。研发人员输入光学参数、尺寸约束、应用场景等信息，系统自动匹配对应标准激光器型号，或通过相似度算法推荐适配替代产品，解决研发选型阶段查找产品耗时长、匹配难度大的痛点。激光器解密助手覆盖发货解密、到期续期解密、超期申请、试用设备解密等全场景解密管理，由平台自主完成解密流程，操作结果通过企业微信同步推送对应业务人员。单名销售助理日均减少线下操作时长超0.5小时，有效规避重复操作、解密记录丢失等问题。商务与风控物流发运助手支持对接SAP系统自动拉取信息、人工手动录入两种交互方式，自动识别货物重量、起运地、收货地址等核心参数，结合各物流供应商报价自动测算成本最优运输方案，有效压降企业物流支出。销售发货助手借助AI信息检索与智能校验能力，自动核查订单发货前置条件；满足发货标准则自动推送发货通知至商务中心，未达标订单清晰标注阻滞原因，减少跨部门信息传递偏差，加快订单处理速度。客户/供应商风险画像助手整合天眼查公开工商信息、内部业务系统数据、一线业务人员上报经营异常信息，分别搭建客户、供应商标准化风险档案。定期向采购人员推送供应商风险评估报告，为商务合作决策、内部风险审计提供支撑，筑牢企业业务风控屏障。智能问数助手以自然语言对话形式完成数据查询、可视化图表生成、业务数据解读，覆盖销售收入、采购付款、销售回款等多维度数据体系，配套分级权限管控机制，在保障数据安全的前提下释放数据资产价值。联网大模型平台内置Qwen3.7-MAX、Deepseek-V4-pro、通义法睿、qwen-math-plus等多款主流外部大模型，可根据不同业务场景一键切换模型；联动外网实时资讯检索，弥补内网知识库信息滞后短板，同时严格隔离内外网数据，打造安全可控的企业外部信息获取枢纽。全触点触达客户随时随地享受智能服务为优化内外用户使用体验，锐科AI智能体平台搭建多渠道统一接入体系。外部客户可通过“锐科激光”微信公众号底部菜单栏、激光智联小程序首页锐宝悬浮球、锐科激光官网主页AI助手悬浮入口，随时获取产品咨询、智能选型、设备售后指导等一站式线上服务。AI数字化平台并非一次性建设项目，而是企业长期可持续迭代的核心数字能力底座。汉得始终坚持以客户业务需求为核心，围绕三大核心标准交付落地服务，为合作企业创造稳定、可量化的数字化价值：✅ 交付有体系：依托成熟落地方法论与标准化工程实施能力，保障平台稳定上线、持续平稳运行；✅ 价值可度量：以完整业务闭环、量化指标体系为导向，让流程提效、风险管控、服务体验提升成果清晰可见；✅ 能力可复制：依托标准化平台底座与企业知识资产沉淀，助力智能化能力从局部试点向全公司规模化推广。本次锐科激光携手汉得联合打造的锐科AI智能体平台成功落地，成功搭建起覆盖五大核心业务场景的完整AI应用矩阵，为锐科激光数字化、智能化转型夯实核心基础。平台后续将持续优化后台集中管理功能，并根据行业前沿技术完成外网大模型迭代升级，依托现有落地成果持续打磨适配激光制造行业的AI智能化应用体系，助力企业持续深化数智化建设。携手汉得，共铸硬核竞争力！

07-16

汉得 x 云鼎科技｜联合创新中心揭牌暨穿云箭穿透式监管平台正式发布！

7月9日，2026云鼎科技数智生态大会在陕西西安成功举办。会上，汉得与云鼎科技联合创新中心正式揭牌，双方联合研发的穿云箭-穿透式监管平台重磅发布，开启能源国资数智监督全新篇章。

07-16

汉得 x 云鼎科技｜联合创新中心揭牌暨穿云箭穿透式监管平台正式发布！

7月9日，2026云鼎科技数智生态大会在陕西西安成功举办。会上，汉得与云鼎科技联合创新中心正式揭牌，双方联合研发的穿云箭-穿透式监管平台重磅发布，开启能源国资数智监督全新篇章。强强联合破解能源国企数字化监管痛点揭牌仪式上，汉得信息、云鼎科技的多位领导嘉宾共同登台，完成联合创新中心揭牌。此次合作实现优势深度互补，汉得拥有雄厚的数字化技术研发实力，云鼎科技深耕能源领域，具备丰富的行业场景积淀、产业资源与实战经验。双方秉持技术共研、场景共建、生态共赢的理念，聚焦能源国企数字化监管痛点，量身打造适配国资国企的数智监督解决方案。此次揭牌标志着双方合作实现重磅升级，从短期项目协作，迈入技术、场景、生态全方位融合的长期深度战略合作新阶段，为能源行业数字化创新搭建了全新研发与落地载体。穿云箭新一代一站式智能穿透监管平台大会上同步发布的穿云箭－穿透式监管平台，是双方协同创新的标杆成果。平台覆盖企业资金、资产、业务、风控全链条监管场景，可穿透各级权属企业，达成数据穿透、流程穿透、权责穿透、风险穿透，实现采购、销售、合同、资金全流程交叉校验，完成真监管。借助穿云箭，企业不仅能高效满足穿透式监管的合规要求，更能依托AI能力，构建7×24小时智能预警功能，实现风险前置识别与精准管控，推动监管模式从“事后核查”向“持续监测、动态防控”转型，有效破解传统监管盲区多、滞后性强等难题，从源头防范国有资产流失，推动国企监督向数字化、常态化、智能化穿透升级。未来，双方将持续深耕能源数字化赛道，迭代优化数智监管产品与解决方案，完善产业生态布局，以数字技术赋能国企治理提质增效，助力能源产业高质量数智化转型。携手汉得，共铸硬核竞争力！

07-16

DataClaw答疑篇｜和其他龙虾有啥不同？安不安全？一次说清！

07-16

DataClaw答疑篇｜和其他龙虾有啥不同？安不安全？一次说清！

汉得DataClaw发布之后，市场反馈非常强烈，也提出了很多实际问题：DataClaw和最近很火的各类SaaS龙虾是什么关系？如果需要私有部署，企业为什么不直接使用开源龙虾？能不能连接企业现有系统？数据是否安全？数字员工是不是需要反复训练？为什么要选择汉得？我们将客户咨询最频繁的问题归为五类，集中回答。第一类问题产品定位问题解决问题：DataClaw适合什么场景？和SaaS龙虾、开源龙虾、AI中台，以及ChatBI、知识库是什么关系？Q1：DataClaw和最近很火的各类SaaS龙虾有什么区别？A1：这两类产品服务的场景不同，企业这两类都需要，两种工具是互补。SaaS类龙虾在个人办公自动化上的支持会更出色，例如整理文件、处理邮件、生成会议纪要、跨应用操作等，通常更灵活，也更容易做出丰富的个人体验。DataClaw为B端而造，打造私有可控、连接核心系统、承接长流程任务的企业AI员工平台。主要覆盖数据私密性要求比较高的场景，需要在企业环境内私有部署，特别是涉及财务、经营、供应链等敏感数据，或者需要调用ERP、CRM、MES等核心系统、跨多个环节持续执行的长流程任务。对企业而言，两类产品往往会长期共存：如果企业并没有私有化部署、核心数据管控和长流程业务的需求，那也不一定需要DataClaw；一句话概括：SaaS类龙虾和DataClaw是融合互补的关系，不是二选一。Q2：如果主要覆盖私有部署场景，企业直接使用开源龙虾，不也可以吗？A2：可以，但把龙虾跑起来，需要很多工程化的工作才能在企业里用起来。开源龙虾进入企业，通常还要解决四个问题：✅ 安全问题：能访问哪些文件和数据，出了问题能不能追溯。✅ 复用问题：一个人教会的能力，能不能变成全公司的能力。✅ 连接问题：能不能稳定连接ERP、CRM、数据平台和知识库。✅ 管理问题：数字员工由谁创建、分配、审批、调度和管理。DataClaw做的，就是把这些能力提前工程化：用独立沙箱和权限体系，把龙虾关进安全的“笼子”；用公共员工和技能中心，让优秀经验在企业内部复用；统一连接企业数据、知识和业务系统，员工只使用自己有权限的内容；统一管理数字员工的分配、协同和任务运行，让它们真正进入岗位、组成队伍。选择汉得DataClaw的很多客户中，之前已经在手搓自己的龙虾平台了，对比汉得的产品之后发现，自建模式下时间周期和成本都很高，进而直接选择购买汉得成熟的商业产品。一句话概括：开源龙虾解决“把Agent跑起来”，DataClaw解决“让AI员工安全进入企业、形成组织能力并持续干活”。Q3：DataClaw和AI中台工具有什么区别？A3：AI中台，主要提供模型、知识库、工作流和工具编排能力，帮助企业开发AI应用和Agent。通常由业务提需求，IT完成配置、开发和发布，再交由业务人员使用。DataClaw则更进一步，直接面向一线业务人员。业务人员可以通过自然语言对话，教会AI员工业务规则、工作方法和执行要求，让AI员工在实际工作中不断学习和成长。一句话概括：过去的AI中台帮助企业做AI应用；DataClaw帮助企业训练和使用AI员工。Q4：DataClaw和ChatBI、知识库是什么关系？A4：DataClaw是内嵌了ChatBI和知识库能力的更高级形态的智能体。ChatBI负责可靠地获取、查询和分析企业结构化数据；知识库提供制度、文档、案例和业务知识；DataClaw负责理解任务，调用数据、知识和业务系统，推动流程并交付结果。DataClaw里处理结构化数据的基础能力来自于ChatBI，处理非结构化数据的基础能力来自于知识库，DataClaw自身带来了更拟人的能力，让上述两个基础能力能够更简单地帮到用户。一句话概括：ChatBI和知识库为DataClaw提供“可靠的数据与知识”，DataClaw则把数据、知识和业务系统组织起来，完成一项完整的业务工作。Q5：如果前面上了汉得ChatBI，还需要再购买DataClaw吗？A5：DataClaw是独立的一个新产品，原则是需要独立购买的。已经购买并实施了汉得ChatBI的客户是最具备实施DataClaw基础的，我们已经制定了有针对性的换代方式，具体可以联系客户经理进一步沟通。第二类问题安全问题解决问题：内外网隔离、数据泄露、权限、企业级数据安全管控、审计、模型安全管控Q6：企业数据会不会泄露？A6：DataClaw支持私有化部署，数据可以保留在企业环境内。同时通过容器隔离、沙箱控制、权限继承、敏感信息拦截和操作审计，降低数据泄露和越权风险。Q7：内外网互通时如何保证安全？A7：安全不只是把系统部署在本地。DataClaw建立了五层安全体系：✅ 部署安全：私有化本地运行、信创全适配，数据不出企业边界；✅ 使用安全：独立容器隔离、沙箱限制高危命令；API密钥加密、DLP敏感信息拦截、Prompt 防注入；技能上架安全扫描、独立沙箱隔离防投毒；外网访问白名单网关，所有工具调用全程审计留痕；✅ 数据与权限安全：双轨RBAC权限，同步H-ZERO/异构系统；灵知底座管控结构化/非结构化数据，行级权限隔离；✅ 模型安全：统一模型代理不绑定厂商、支持私有化本地模型；配额管控、调用日志全留存；✅ AI行为安全：注入防护、敏感输出拦截、删除 / 改配置等高风险操作强制人工确认。数字员工只能访问用户本人有权访问的数据。删除文件、修改配置、向外发送信息等高风险操作，需要人工确认；关键操作可以全程审计和追溯。第三类问题选型落地问题解决问题：自家企业能不能用？部署方式、收费模式、实施周期、行业案例Q8：能否适配我司现有系统？A8：可以连接ERP/MES/CRM/SRM/OA/数据中台/知识库；私有化部署无需改造现有IT架构，内置多行业模板，从小场景快速试点。Q9：部署&收费模式灵活吗？A9：私有化/SaaS双模式；按数字员工数量订阅、按Token计费均可；支持1-2个数字员工低成本试用。Q10：实施周期多久？有成熟落地客户吗？A10：部署即用，操作易上手，业务部门用户可简单培训后自行训练；来自高科技、制造、化工、贸易等行业的若干龙头企业已实施落地。Q11：是否必须先搭建数据中台/知识库才能上线？A11：非必需；数据底座加速落地速度，无底座也可先行上线业务流程自动化场景。Q12：对底层大模型有无硬性要求？A12：推荐Deepseek-v4-flash、Qwen3.5+等高参数高性能模型。第四类问题运营问题解决问题：会不会反复调教？使用门槛、如何持续优化？Q13：需要持续调教，人力成本很高吗？A13：不需要每次从头开始。DataClaw可以记住企业的术语、业务规则、口径、流程和员工使用习惯。教过的规则可以持续复用，业务发生变化后也可以继续调整。同时，不仅仅支持不同人训练的经验共享，而且有“公共员工”功能，一人训练，千百人使用。Q14：普通业务人员使用门槛高吗？A14：不高，底层数据集、数据配置全部对用户屏蔽，员工仅需自然语言描述业务需求即可使用。Q15：如何让DataClaw持续变聪明？A15：主要依靠三类能力：使用内置技能；安装经过审核的外部技能；在实际工作中沉淀企业自己的技能。同时，DataClaw会不断积累企业术语、业务习惯和反馈结果，越用越懂企业。第五类问题为什么是汉得？解决问题：汉得相比其他厂商优势Q16：汉得相比普通工具厂商和互联网厂商，优势是什么？A16：企业AI数字员工最终可以分为三类：业务操作型：执行重复任务、跑流程、释放人力；业务洞察型：融合数据和知识，发现问题、分析原因；决策参谋型：结合行业经验和企业经营方法，辅助管理决策。操作型数字员工，主要看工具和工程能力。洞察型、参谋型数字员工，还需要对行业、业务、数据和企业管理有长期理解。汉得的优势，是把三十多年企业服务经验和行业Know-how，持续沉淀进数字员工。企业选择AI数字员工，最关心的其实就是三件事：安不安全、能不能用、值不值得DataClaw用企业级安全能力回答“安不安全”；用数据、知识和系统连接能力回答“能不能用”；用数字员工组织、协同、记忆、技能和行业经验回答“值不值得”。这就是汉得DataClaw灵舟——企业AI数字员工中心。想了解更多？欢迎私信或留言我们一对一解答您的场景问题携手汉得，共铸硬核竞争力！

07-16

汉得 AI + H-ZERO 重构大型制造业36套老旧业务系统，开发提效40%，人天砍半、年省14.4万元基础设施成本！

近期，汉得大客户数字化事业部群携手日本制造型企业，启动原技术平台向汉得 H-ZERO 平台的整体迁移工程。

07-16

汉得 AI + H-ZERO 重构大型制造业36套老旧业务系统，开发提效40%，人天砍半、年省14.4万元基础设施成本！

历经数十年数字化建设沉淀，坐拥数百套业务应用系统的大型制造企业，其分散的老旧系统、厚重的技术债务、跨技术栈的全链路改造、纯人工模式的效率瓶颈……数字化进入深水区，存量技术栈业务系统的代际迁移，正成为大型企业绕不开的刚性命题。当传统迁移模式陷入“周期长、成本高、人才依赖重”的三重困境，一条以 AI 为核心引擎的新路径，正在项目一线被验证。近期，汉得大客户数字化事业部群携手日本制造型企业，启动原技术平台向汉得 H-ZERO 平台的整体迁移工程。项目以 AI 自动化转换为核心手段，覆盖36套内部业务系统，通过技术栈统一、基础设施整合与交付模式创新，探索出一条可复制、可规模化的存量系统升级之路。36套系统迁移命题与传统路径困境日本制造型企业原技术平台（智能制造通用平台）作为其在华信息系统的重要技术底座，承载着体系内数十套内部业务应用，覆盖不动产租赁、物流管理、生产计划、人事财务连携等多元场景。随着技术生态演进与运维成本压力，将分散构建于原技术平台框架上的系统统一迁移至 H-ZERO 企业级 PaaS 平台，成为企业数字化架构升级的关键一步。传统迁移模式下，项目面临三重挑战：💢体量庞大共计36套系统待迁移，业务逻辑复杂、技术债务积累深，原始评估人天、交付周期与成本压力显著；💢技术栈差异从原技术平台 jsp/servlet 向 Spring Cloud 的云原生技术栈转换，涉及数据库适配、权限体系重构、前端页面重写等全链路改造；💢效率瓶颈纯人工迁移模式下，代码改写、测试验证、联调排错等环节高度依赖人力，试错成本高，难以在短周期内完成规模化交付。在此背景下，项目团队选择以 AI 为核心驱动力，依托汉得 H-ZERO 平台的标准化技术底座，探索“AI 自动化转换 + 人工精准补位”的新型交付范式。AI 迁移方法论：从大到小逐步收敛的工程化路径本次迁移并非简单的代码翻译，而是形成了一套完整的 AI 辅助迁移工程方法论，实现从系统识别、架构适配、代码迁移到测试验证的全流程能力覆盖。四步式 AI 处理流程项目采用“从大到小，逐步收敛”的处理策略，确保迁移质量与效率的平衡：整体清理与基础验证先完成项目级结构识别与基础功能单元测试，搭建可运行的技术骨架；分角色功能迁移按业务模块逐一完成功能代码迁移与单元测试，确保每个业务单元可独立验证；人工功能测试补全由业务与测试顾问介入端到端验证，针对 AI 转换盲区进行功能补全；异常场景优化迭代针对异常分支与边界场景，由人工提供解决方案并反向沉淀为 AI 经验。模型能力的实证差异在实践过程中，团队验证了一个关键结论：大模型能力层级对迁移效率与质量具有决定性影响。初期使用 Flash 级模型进行单功能转换，单模块耗时约6小时且效果不理想，得分68.82；切换至 Pro 级模型后，同等复杂度功能实现一次生成且质量显著提升，得分70.92。分数差距看似不大，但在一次生成通过率、问题收敛效率、代码规范度等工程化指标上差异显著。这一发现为后续规模化迁移的算力配置提供实证依据。提效实证数据背后的生产力跃迁方法论是否成立，最终由项目数据说话。以先期完成的租赁系统迁移为例，AI 驱动模式的提效效应已得到充分验证。租赁系统迁移对比：💢传统开发模式（2020-2025年）：分两期建设，累计投入约360人天完成开发与优化；✅ AI 迁移模式（2025.12-2026.01）：仅投入160人天即完成全部代码迁移与功能验证，整体效率提升超55%。基于单系统验证成果，项目组对36套系统的整体迁移进行了提效测算：除开发成本外，基础设施层面的整合也带来持续收益。仅 Step1 阶段即可完成 Asteria 服务器、Oracle 数据库、Docker 节点、堡垒机等6类资源的整合下线，年节约基础设施成本超14.4万元。随着后续阶段推进，服务器资源整合效应将进一步释放。能力沉淀：从项目交付到可复用的迁移生产力本次项目的价值远不止于36套系统的迁移完成，更在于沉淀了一套可规模化复制的 AI 系统迁移能力。可复用的迁移 Skill 体系项目过程中已沉淀出面向同类系统转换的完整 Skill 能力，覆盖系统结构识别、配置文件生成、代码批量迁移、功能自动补全、测试用例生成等关键环节。这意味着未来面对类似技术栈迁移需求时，无需从零开始，可直接基于已有能力快速启动。AI与人工的最佳协作边界实践清晰地定义了人机协作的分工边界：AI 擅长：框架搭建、结构化代码迁移、配置文件生成、单元测试编写等规则明确、工作量大的重复性工作；人工价值：业务逻辑验证、异常场景处理、架构方案纠偏、平台融合收口等需要经验与判断的创造性工作。这种“AI 做主体、人工做收口”的模式，既释放了 AI 的规模化生产力，又保障了企业级系统的交付质量与业务准确性。H-ZERO生态的长期价值迁移完成后，所有系统将统一运行于汉得 H-ZERO 企业级 PaaS 平台之上，带来三重长期收益：✅ 运维统一：统一的服务治理、权限体系与监控平台，降低整体运维成本与技术门槛；✅ 低代码赋能：依托 H-ZERO 的低代码能力，业务人员可直接参与轻量需求开发，响应速度大幅提升；✅ 资产可复用：通用组件与业务服务可跨系统共享，避免重复建设，支撑后续业务快速创新。当行业还在讨论 AI 能不能写代码的时候，汉得大客户数字化事业部群与日本大型制造业客户的这场实践已经把 AI 推向了企业级系统规模化迁移的主战场。这不是一次单点的技术实验，而是一场关于交付模式的范式迁移——从“人月神话”的线性投入，走向“AI 能力沉淀 + 规模化复用”的非线性增长。当迁移能力被产品化、Skill 化，存量系统升级的成本曲线将被彻底改写。对于拥有大量历史系统的企业而言，这意味着技术栈升级不再是动辄数年、耗资千万的沉重负担，而可以成为一条可控、可预期、可持续的演进路径。汉得H-ZERO 平台与 AI 迁移能力的结合，正在为企业数字化深水区的存量改造提供一个全新的答案。后续项目团队将持续推进各阶段迁移落地，并同步完善 AI 迁移方法论与工具链。我们相信，随着模型能力的持续进化与工程经验的不断沉淀，AI 驱动的系统重构将成为企业数字化基建升级的标配能力。本文基于日本制造型企业原技术平台迁移项目阶段性成果整理，更多技术细节与实践经验将持续分享，欢迎企业 IT 架构、数字化转型领域同行交流探讨。想了解AI具体如何生成代码？请持续关注我们下期为您拆解Prompt工程与代码审查细节您的企业是否也在面临老旧系统维护难的问题？欢迎在评论区留言我们一起探讨破局之道携手汉得，共铸硬核竞争力！