热点新闻

HOT

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

汉得「灵手」智能体应用系列实力上榜！

凭借大量成型且已落地的 AI 智能体应用或方案，汉得「灵手」智能体应用系列成功入选由中国科学院《互联网周刊》联合 eNet 研究院、DBC 德本咨询等权威机构发布的“2026中国大模型+ AI 应用公司 TOP 100”，汉得企业级 AI 实践能力获权威认证！

查看详情

首批！汉得 H-ZERO 通过信通院企业级智能信创 PaaS 平台能力评估！

近日，汉得自主研发的企业级 PaaS 平台 H-ZERO 顺利通过中国信通院“企业级智能信创 PaaS 平台能力评估-融合与集成扩展”检验，成为业内首批通过该评估的企业，充分验证了 H-ZERO 平台安全可信、自主可控的技术实力。

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

10-21

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！

10-12

锂电 MES 四连冠｜汉得持续领跑，以工业 AI 拓展产业新空间！

近日，IDC 发布《市场份额：中国制造业制造执行系统（MES）软件市场份额，2025：增速换挡，智能驱动》。报告显示，汉得在中国 MES 市场保持领先厂商地位，在锂电、汽车零部件、光伏、家电等优势领域位居前列。

10-13

锂电 MES 四连冠｜汉得持续领跑，以工业 AI 拓展产业新空间！

近日，IDC 发布《市场份额：中国制造业制造执行系统（MES）软件市场份额，2025：增速换挡，智能驱动》。报告显示，汉得在中国 MES 市场保持领先厂商地位，在锂电、汽车零部件、光伏、家电等优势领域位居前列。汉得连续四年位居中国锂电行业 MES 解决方案市场第一市场份额继续大幅领先报告显示，在中国 MES 软件市场，汉得 2025 年软件收入实现双位数增长，高于市场整体 8.3% 的增速。持续深耕优势行业，推动工业 AI 深入生产现场，并向国家战略性新兴产业和未来产业相关领域拓展，汉得正将长期积累的制造业经验转化为新的发展动能。深耕优势行业保持市场领先制造业数字化的价值，体现在对具体生产问题的持续解决。不同产业的工艺流程、质量要求和生产组织方式各不相同，也对 MES 厂商的行业理解与交付能力提出了更高要求。锂电 MES四连冠是汉得长期深耕行业的持续体现从2022年首次登顶，到2025年继续保持市场份额的大幅领先，汉得围绕锂电制造复杂的工艺流程、严格的质量要求和跨工序协同需求，持续深化产品与服务能力。在汽车零部件、光伏、家电等优势领域，汉得同样保持领先地位，持续以行业经验和数字化能力支撑客户发展。从生产计划与制造执行，到质量追溯、设备管理和物流协同，汉得持续把行业知识融入业务流程，围绕制造企业的工艺特点与管理需求，沉淀可复用的解决方案与实施方法。锂电制造中的单体履历与跨工序数据关联、汽车零部件生产中的质量追溯与交付协同、光伏制造中的工艺波动与良率管理，既是制造企业数字化建设的重点，也为后续智能化应用提供了业务基础。行业深耕带来的数据积累流程理解与现场经验正在成为工业 AI 落地的重要支撑工业 AI 持续突破让智能化进入生产流程IDC 在报告中指出，AI 正成为重塑 MES 竞争格局的长期变量。MES 作为生产执行的核心数据底座，正在为工业智能体和智能化应用提供基础能力。这一趋势也印证了汉得持续推进的工业 AI 实践。依托「得·灵」企业级 AI 产品/服务体系，以及基于 H-ZERO 构建的 HCMs 智能制造协同平台，汉得围绕工艺、质量和生产组织中的具体业务场景，持续探索工业AI行业垂类模型与制造流程的融合升级。多晶硅生产让工艺异常更早进入处置流程通过多晶硅还原雾化预警 AI 大模型，结合过程数据、历史炉况和现场确认结果识别异常趋势，将预警接入 MES，由现场人员复核、调整，并将处置结果回流，为持续优化积累依据。动力电池制造让质量判断向前延伸动力电池电芯容量预测大模型，通过对完整制作过程数据的实时分析、预测与验证协同迭代质量研判，大幅降本提效，同时为风险电芯和置信度不足的样本保留完整检测与异常回退机制。光伏制造让工艺优化更有依据通过分析历史切割数据与工况参数，识别影响切片良率的关键变量，结合模型开展分析与异常预警，帮助现场人员更有针对性地判断和调整。钢铁制造让复杂组板方案可计算、可执行将工艺规则与运筹优化算法结合，在钢种、尺寸、压下比、热处理等约束下比较候选组合，组板结果返回 MES，经业务人员调整、确认后衔接生产命令生成。这些场景体现了汉得推进工业 AI 的着力点：把制造数据与业务对象关联起来，把模型结果接入现场流程，再让实际执行结果反馈到后续优化中。不同场景采用适合的模型和算法，使智能化应用能够适应工艺要求与生产约束。在此前 IDC 发布的《IDC Market Glance：中国工业 AI 及智能体，2Q26》中，汉得入选企业级超级入口智能体、供应链智能体、工业 AI 服务等类别，并在行业 AI 的新能源、钢铁及有色领域获得展示，为汉得持续推进工业 AI 提供新的市场观察视角。面向新兴产业拓展制造服务新空间优势行业的持续积累，也为汉得进入新的制造领域提供了基础。围绕国家制造业向高端化、智能化、绿色化发展的方向，汉得持续拓展行业服务范围。在新能源等既有领域深耕的同时，客户与项目实践进一步延伸至半导体设备、光模块、大型无人机、机器人等领域，持续积累新的行业经验。这些领域的发展，对制造过程的精细管理、复杂装配与调试、质量追溯和供应链协同提出了新的要求。对汉得而言，服务新兴产业，需要深入理解新的产品结构、工艺特点与生产组织方式，把既有制造数字化经验与新的业务需求相结合。以行业项目积累场景以场景牵引产品与 AI 应用是汉得持续拓展产业服务空间的重要路径通过制造数字化建设，帮助企业完善数据与流程 AI Ready 数字化基础设施。围绕工艺、质量、设备和协同中的实际业务场景需求，识别适合引入 AI 的环节，为智能化应用的验证与持续运行创造条件，构建各个行业业务场景下的工业 AI 大模型。从既有优势行业到新兴制造领域，汉得持续丰富行业知识与解决方案，让多年积累的制造服务能力覆盖更多产业需求，也为工业 AI 打开更广阔的应用空间。向新向好在产业升级中持续创造价值IDC 报告显示，2025年中国 MES 软件市场规模约为69.3亿元，同比增长8.3%。市场保持增长的同时，竞争正进一步转向产品标准化、AI 能力、行业知识沉淀与跨组织协同。这也意味着，产业升级为工业软件与服务厂商带来的机会，越来越体现在对行业的深入理解，以及把数字化和智能化转化为生产经营改善的能力上。面向未来，汉得将持续巩固优势行业的市场地位，推动工业 AI 在真实场景中验证、迭代与拓展，并面向国家战略性新兴产业和未来产业相关制造需求，深化产品、方案与服务能力。让行业积累支撑智能化突破，让技术创新服务产业升级，汉得将与制造企业共同把握向新向好的发展机遇。携手汉得，共铸硬核竞争力！

09-10

汉得入选 IDC 中国工业 AI 及智能体市场图谱，让 AI 深入制造现场！

近日，IDC 发布《IDC Market Glance：中国工业 AI 及智能体，2Q26》，汉得入选企业级超级入口智能体、供应链智能体、工业 AI 服务类别核心代表厂商，同时入选行业 AI 的新能源、钢铁及有色等细分领域。

09-10

汉得入选 IDC 中国工业 AI 及智能体市场图谱，让 AI 深入制造现场！

近日，IDC 发布《IDC Market Glance：中国工业 AI 及智能体，2Q26》，汉得入选企业级超级入口智能体、供应链智能体、工业 AI 服务类别核心代表厂商，同时入选行业 AI 的新能源、钢铁及有色等细分领域。这份市场概览主要呈现中国工业 AI 生态的核心厂商，为了解汉得的平台、场景与服务能力提供新的窗口。从还原炉工艺异常预警，到电芯容量预测、光伏切片良率优化，再到钢铁板材智能自动组板，汉得持续围绕制造企业的真实业务问题，推动工业数据、算法模型与生产流程相互连接，让智能化应用进入工艺、质量、设备和协同管理的具体环节。工业 AI 的应用价值，最终要在生产现场得到验证：能否更早发现异常、更准确识别质量风险，并帮助现场人员完成处置。IDC 在报告中指出，工业领域的行业与场景碎片化特征显著，未来工业 AI 的发展将更多依赖多模态模型协同。对于制造企业而言，不同问题需要不同的技术能力：工艺趋势与质量预测需要机器学习、深度学习等模型分析过程数据；组板等复杂组合问题需要结合工艺规则与运筹优化算法；知识检索、意图理解与任务协同，则可以结合大语言模型和智能体能力。把模型能力接入制造流程，是工业 AI 落地的关键一步。依托「得·灵」企业级 AI 产品和服务体系，以及基于 H-ZERO 构建的 HCMs 制造协同平台，汉得将企业级 AI 能力与制造业务相结合，为数据贯通、模型应用、流程协同和持续迭代提供支撑。三方面能力共同支撑落地：贯通制造数据将设备运行、工艺参数、物料批次、产品履历和质量结果关联起来，让模型能够识别数据对应的生产对象和业务背景。连接模型与业务将风险评分、预测结果和知识建议接入生产、质量、设备等业务流程，明确由谁确认、如何处理、何时关闭。推动经验持续回流将现场复核、处置动作和实际结果沉淀下来，为知识更新、模型评估和后续优化提供依据。还原炉雾化预警让异常更早进入处置流程多晶硅还原炉运行周期长，炉况判断依赖人工巡检和工艺经验。✅ 汉得与客户共同探索基于过程数据的雾化预警方案，结合历史炉况、操作记录和现场确认结果训练模型，将异常趋势送入 MES 预警流程。现场人员复核后完成调整，处置结果持续回流，形成监测、预警、人员处置与经验沉淀的闭环。电芯容量预测探索预测与验证协同的分容路径动力电池完整分容测试需要占用设备、时间和能源。✅ 汉得探索关联电芯制造数据与化成曲线，通过模型识别容量变化及偏低容风险。在数据可靠、模型稳定且经过验证的条件下，探索较短测试与预测结合的路径；风险电芯和置信度不足的样本保留完整检测，异常时回退。让质量判断前移，同时守住验证底线。光伏切片良率优化找到关键影响因素光伏切片良率受多种工艺和设备因素影响。✅ 汉得通过分析历史切割数据与工况参数，识别影响良率的关键变量，结合模型开展实时分析和异常预警，为工艺优化提供依据。把复杂的良率问题转化为可分析、可验证的生产问题。钢铁板材智能自动组板优化合同组合与材料利用钢铁厚板组板需要把不同合同的钢板需求安排到板坯轧制与切分方案中，同时满足钢种、尺寸、压下比、炉长和热处理等约束。✅ 汉得将工艺规则与运筹优化算法结合，进行合同分组、约束校验和候选方案比较，兼顾合同尾量与材料利用。结果返回 MES，经业务人员调整、确认后衔接生产命令生成。让组板经验转化为可计算、可执行的生产方案。工业 AI 要在现场发挥作用，需要理解每个行业的生产逻辑：哪些工艺条件不能突破，哪些数据能够反映问题，哪些判断需要现场确认，以及一个优化建议如何进入实际生产流程。长期的行业深耕与丰富的客户案例积累，是汉得构建工业 AI 应用的重要优势。在新能源、钢铁等制造行业的持续服务中，汉得积累了大量行业知识、业务经验和客户项目案例。从生产计划、制造执行，到质量追溯、设备管理与物流协同，这些实践让汉得深入理解制造企业的业务流程、系统关系和现场约束，也为识别有价值的 AI 应用场景提供依据。汉得的重点行业选择，始终围绕国家制造业发展的战略方向。随着制造业向高端化、智能化持续升级，汉得的客户群也从“新三样”向“新新三样”不断延伸，在半导体设备、光模块、大型无人机、机器人等领域持续积累客户案例与项目经验，逐步建立起新的行业优势。这一延伸，也让汉得的行业知识与解决方案不断丰富。通过深入新领域的制造现场，理解产品特点、工艺要求与生产组织方式，汉得将已有的制造数字化经验与新的行业需求相结合，为工业 AI 拓展有业务基础的应用场景。丰富的客户项目经验，也让汉得能够在不同企业的实践中识别共性问题，沉淀业务模型、数据标准与实施方法，同时结合客户的工艺、设备和管理特点进行适配。由此，AI 应用从需求识别、数据准备到系统集成和现场运行，都能获得更贴近业务的支撑。懂行业，才能找准问题；有实践，才能把方案落到现场。汉得将持续把行业积累转化为 AI 应用能力，帮助制造企业解决生产经营中的具体问题。工业 AI 的长期价值，需要通过持续运行来实现。原材料批次、工艺条件与设备状态不断变化，模型效果需要评估，知识需要更新，业务流程也需要随之完善。汉得将企业级 AI 平台能力、制造业务经验与实施服务相结合，围绕需求分析、场景设计、数据治理、系统集成和部署迭代，为制造企业提供持续支持。通过把项目中的数据标准、业务流程和应用经验沉淀下来，为后续场景拓展与跨产线、跨工厂复用创造条件。此次入选 IDC 中国工业 AI 及智能体市场图谱，是汉得持续深耕工业领域的一个新节点。未来，汉得将继续围绕工艺、质量、设备与制造协同中的具体问题，深化 AI 与工业场景的融合，让数据支撑判断、让流程承接行动、让经验持续积累，帮助制造企业把工业 AI 转化为日常生产中可持续使用的能力。携手汉得，共铸硬核竞争力！

08-24

汉得 x 中鼎 x 矩阵｜AI Factory项目启动，从五层结构到业务场景，一份全球化Token工厂建立模板的AI规划！

2026 年 8 月 19 日，中鼎集团 AI Factory 项目启动会在安徽宁国举行。中鼎集团、中鼎流体、中鼎 IT 与汉得信息、矩阵起源的项目团队共同出席，项目以中鼎流体系统有限公司为起点正式启动。

08-24

汉得 x 中鼎 x 矩阵｜AI Factory项目启动，从五层结构到业务场景，一份全球化Token工厂建立模板的AI规划！

2026 年 8 月 19 日，中鼎集团 AI Factory 项目启动会在安徽宁国举行。中鼎集团、中鼎流体、中鼎 IT 与汉得信息、矩阵起源的项目团队共同出席，项目以中鼎流体系统有限公司为起点正式启动。▲ 中鼎集团 AI Factory 项目启动会中鼎集团创建于 1980 年，现已成为拥有 100 余家海内外企业，以机械基础件和汽车零部件为主导的跨国民营企业集团。在全球 20 多个国家和地区建有研发、生产和销售基地，形成覆盖亚、欧、美三大洲的全球化网络。已顺利跻身“全球非轮胎橡胶制品 TOP8”、 “全球汽车零部件行业 100 强”、“中国制造业企业 500 强”。本次项目基于中鼎密封板块完成的 AI 验证：本地化部署大模型 + AI 应用中台 + 智能体。验证了 AI 技术落地闭环的可行性需要从单点智能体的价值向核心生产制造物流业务链路渗透验证。本次项目汉得和中鼎基于前期探索验证，以中鼎流体为样板、覆盖五条业务线的 AI 全球化战略布局完整 AI 规划：按产品全生命周期拆链路管理、研发、质量、成本、计划五条线完整梳理一遍，确定 AI 与业务结合的落脚点。业务场景全维测算业务价值、技术成熟度、实施复杂度、上下游依赖、数据与系统改造需求、投入与回报周期，一次算齐。按AI战略落地排序基于全球 AI 战略规划，全链路落地场景排序。分阶段落地，逐步复制先在流体完成一轮完整的 AI Factory 到业务场景到 Token 转化到全球化 AI 规划模板的落地与验证，沉淀 AI 智能化转型方法论和工具向集团全球板块推广。▲ 中鼎集团 AI Factory 项目启动会近几年企业做 AI 的方式大致为：选几个场景、搭一个平台、上线几个智能体，验证「AI 到底能不能用」。这一步的答案已经很清楚——能用。但紧接着，几乎所有企业都必然会撞上同一堵墙：智能体上线了，业务流程没有变，效果无法显现。原因不在模型能力，而在于 AI 被放在了一个个孤立的节点上，而企业的价值产生于连续链路的业务协同。前一环的结论传不到后一环，每个环节的人还是要把同样的东西再查一遍，效率提升只是并列的，不会叠加。AI Factory 要解决的正是从算力到 Token 到业务场景的全链路协同。不是简单的把 AI 项目做得更大，而是回归到第一性原理：像规划一条产线那样规划 AI——先确定要生产什么（业务链路上的哪些产出）、需要什么原料（数据）、用什么设备（模型与算力）、按什么节奏投产（分阶段路线）。产线一旦建成，新增一个场景是往上加一道工序，而不是重新建一个车间。这也是「AI工厂（ AI Factory）」这个比喻真正的含义：可持续产出、可扩展、可度量。▲ 汉得 AI Factory 解决方案架构AI 项目常见的困境是，钱花完了，留下的只有几个功能。AI Factory 会在企业内部留下三样长期 AI 资产。数字化底座AI Ready的数字化资产基石多个场景并行推进时，制约进度的往往不是模型能力，而是数据的一致性与可用性，数字化底座的稳健与持续支撑。图纸、工艺、质检记录、历史成交价，这些知识原本散落在各个系统与个人手里；一旦被统一治理、可被检索，它就不再服务于单个场景，而是成为所有后续场景的公共 AI Ready数字化底座的养料。这层底座建成之后，新场景的开发难度会明显下降——这是 AI Factory 最容易被低估的复利。数字劳动力从工具变成岗位当 AI 覆盖了一条完整链路，它承担的就不再是「一个功能」，而是嵌入业务流程的「岗位工作」。企业的组织视角随之改变：不再问「上了几个智能体」，而是问「哪些岗位的工作已经交给数字员工，提升了多少效益」。越来越多制造企业开始把人类员工、数字员工与具身员工放在同一张组织图上讨论——AI Factory 是这张图能够落地的前提。AI战略投入可规划的投入节奏AI 投入最难的部分往往不是预算规模，而是无法预判。AI Factory 的做法是把场景、数据、模型与算力四件事一起测算：要什么数据、用什么模型、需要多少算力、什么时候做，都排进同一张路线图。企业由此得到一份可以支撑企业全球化战略的企业级 AI 战略路线图。▲ 企业 AI 建设的两种路径AI Factory 的每一层，都有专业玩家：算力、模型、数据平台各有其领域领先者。企业真正缺少的，不是某一层的最优解，而是有人把这几层整合成一件能立项、能验收、能持续演进的 AI 战略落地路线图，并持续推进。这正是汉得 AI 时代的战略定位：基于近三十年累积的企业数字化转型经验，这决定了我们能判断 AI 该落在链路的哪个节点上，而不只是判断技术上能不能做。基于「得·灵」企业级 AI 产品/服务体系，做 AI 时代的智能化综合服务提供商，和客户携手构建 AI 时代核心竞争力。业务链路视角的场景规划我们从产品全生命周期把业务链路拆开，识别链路上的改进点，决定 AI 的融合点，构筑全链路全业务场景的 AI 战略落地路线图。全维评估不止回答「能不能做」每个候选场景，同时测算业务价值、技术成熟度、实施复杂度、上下游依赖、数据与系统改造需求、人天与算力投入，以及回报周期。评估结果里既有值得优先投入的场景，也会明确写出短期回报为负、但对后续场景不可或缺的战略诉求。这份评估同时是企业AI战略落线规划的预算依据。「得·灵」企业级AI产品/服务体系支撑AI战略端到端交付落地基于「得·灵」企业级AI产品/服务体系，帮助客户 AI 战略端到端交付落地：由方案、业务、开发与技术交付团队进场，与客户业务方共同完成设计、开发、上线与持续优化。生态策略分层聚合每一位生态伙伴的力量助力AI战略落地架构分层在每一层都选择该领域最强的生态合作伙伴。在数据层，我们引入矩阵起源 MatrixOne，结合汉得数据中台，承担多模态数据的统一管理与治理，支持向量检索与全文检索的结合——图纸、文档与结构化数据的元数据与向量结果可以在同一层管理，检索类场景不必再各自搭建一套数据链路。在软件技术栈层，我们引入NVIDIA AI Enterprise，其面向 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。引入这套软件技术栈的意义在于「可扩展」三个字。验证阶段场景少、并发低，怎么部署都能跑；一旦场景数量上升、多个业务线同时使用，推理服务的标准化部署与模型定制能力就成为必要条件。在汉得的方案中，NVIDIA NIM 用于推理服务的标准化部署，NVIDIA NeMo 用于模型定制阶段，与项目的算力规划同步推进。AI 平台和智能体应用层，基于汉得「得·灵」企业级 AI 产品/服务体系，帮助客户构建可持续演进的全球化 AI Factory。分层架构也保留了演进空间：随着场景与规模变化，算力形态可以从云端共享逐步走向混合与私有化部署，而上层的平台与应用不需要重建。可复制的方法论链路拆解方式、场景评估模板、优先级排序逻辑、数据治理路径——沉淀了智能制造全球化 AI Factory 落地的标杆模板，可以在全球各个产业板块和行业板块复制泛化。中鼎流体是 AI Factory 方法论的一次完整验证。往后看，我们的方向有三个：✅把方法论从项目经验沉淀为可交付的标准产品解决方案模板；✅把落地范围从单个事业部推向集团全球层面推进，让数字化底座与全球化 AI Factory 规划与落地方法论在全球各个板块之间复用；✅ AI 应用的目标从「上线几个智能体」到「组建一支可度量的数字员工军团」到全球化 AI Factory 战略落地闭环。千里之行，始于足下；道阻且长，行则将至。欢迎与我们联系，开始您的全球化 AI Factory 之旅！

08-21

汉得工业AI实战系列｜动力电池电芯容量预测大模型（TBCP Model），预测与验证协同迭代质量研判，大幅降本提效！

这是“工业 AI 实战”专题的第二篇：动力电池电芯容量预测大模型（Traction Battery Cell Capacity Prediction Model 简称TBCP Model）贯通质量数据，预测与验证协同，节约成本，提升生产效率，构建竞争优势。

08-21

汉得工业AI实战系列｜动力电池电芯容量预测大模型（TBCP Model），预测与验证协同迭代质量研判，大幅降本提效！

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。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。这是“工业 AI 实战”专题的第二篇：动力电池电芯容量预测大模型（Traction Battery Cell Capacity Prediction Model 简称TBCP Model）贯通质量数据，预测与验证协同，节约成本，提升生产效率，构建竞争优势。电芯容量预测理解一颗电芯的完整制造过程电芯容量，是评价动力电池性能和一致性的重要指标，关乎电池包质量、续航，也是价格/成本的核心影响因素。一批电芯完成生产后，需要根据实际容量进行检测和分级。容量接近、性能一致的电芯，才能进入后续配组和成包环节。动力电池包是多颗电芯串并联，遵循木桶效应：电池包可用容量由容量最低的那颗电芯决定。电芯容量不一致会导致电池包实际可用容量缩水，整车续航打折，低温环境会进一步恶化。容量不一致带来压差持续拉大，局部电芯析锂、发热加剧；极端情况下会出现鼓包、热失控风险。分级检测会带来成本和价格差异：A 品电芯容量偏差小、一致性好，分选严格，采购价格最高，是整车动力电池主流选用。降级 B 品容量低于标称、批次离散大，价格明显更低，但不能用于车载动力；多用于低速、储能低端场景，循环寿命、安全性不满足车规要求。分选成本为获得高一致性电芯，产线需要充放电容量测试、分级，会增加设备、时间损耗；筛选淘汰的不良品拉高 A 品电芯单位成本。难点在于，电芯容量不能只通过某一个仪表读数直接确定。▲一颗电芯的制造数据链传统方式通常需要在分容环节对电芯进行规定的充放电测试，根据完整测试过程计算实际容量。这种方式直接、可靠，却也需要较长的检测时间，占用大量分容设备和生产资源，并产生相应的能源消耗。当产量不断扩大时，分容不再只是一个质量检测动作，也可能成为影响制造周期、设备投入和生产效率的重要环节。与此同时，低容量电芯的形成通常也不是由单一因素决定的。原材料批次发生变化，涂布面密度或辊压厚度出现波动，注液量、烘烤水分或化成过程发生偏离，都可能最终反映在电芯容量和一致性上。这意味着，电芯容量预测不能只是对一段充放电曲线做简单拟合。它需要理解一颗电芯从原材料、前段工艺、装配、注液到化成的完整制造过程。我们沉淀了动力电池电芯容量预测大模型（简称TBCP Model），通过对完整制作过程数据的实时分析、预测与验证协同迭代质量研判，大幅降本提效。数据贯通为每颗电芯建立制造档案电芯容量预测的第一步，不是选择某一种算法，而是把分散在不同工序、设备和系统中的数据准确连接起来。围绕一颗电芯，需要逐步建立从原材料到电测试的制造数据链：在原材料环节：记录正极材料批次、材料克容量和首充效率等信息；在匀浆、涂布和辊压环节：采集浆料黏度、涂布面密度、辊压厚度和膜片电阻等数据；在装配和注液环节：记录极片尺寸、烘烤水分、注液重量、注液量和电解液批次；在化成环节：需要采集电流、电压、温度等连续变化的时间序列数据。这些数据还必须与电芯编码、物料批次、生产设备和工序位置准确绑定。动力电池电芯容量预测大模型（简称TBCP Model）看到的不是一组彼此孤立的参数，而是一颗电芯完整的“制造档案”。特征提取从过程变化中寻找容量信号在这个场景中，AI 要学习的不是某个参数与容量之间简单的一一对应关系，而是多个制造因素共同变化时，与最终容量之间可能存在的关联。以化成数据为例，电流、电压和温度曲线包含大量连续信号。模型可以对时间序列进行自动分段，提取不同阶段的均值、波动、峰值等统计特征，也可以结合深度学习方法提取曲线中的高层特征。与此同时，还可以引入具有电化学含义的机理特征，例如曲线变化中的特定峰值、静置阶段的电压变化等。再把这些特征与原材料、涂布、辊压、注液等跨工序数据结合起来，模型才能逐步识别：◈ 哪些电芯处于正常范围？◈ 哪些可能存在偏低容风险？◈ 哪些数据变化可能来自设备或工艺异常，以及对于正常电芯，最终容量可能处于什么区间？这里使用的动力电池电芯容量预测大模型（简称TBCP Model），不是面向自然语言问答的通用大模型，而是面向制造过程数据的机器学习和深度学习模型。它的价值在于，从大量工艺参数和时间序列中寻找人工难以持续观察的关联规律。预测与验证协同让风险电芯进入不同路径工业 AI 进入生产现场，不能只有一个预测结果，还必须回答：这个结果如何改变下一步生产动作？动力电池电芯容量预测大模型（简称TBCP Model）采用“预测与验证协同”的方式。对于模型判断正常、数据完整且预测结果稳定的电芯，可以探索使用较短的测试过程结合模型完成容量估算和分级。对于疑似低容、偏低容、处于分类边界，或者预测置信度不足的电芯，则仍然进入完整分容测试，通过真实充放电结果完成确认。生产现场还需要保留一定比例的完整测试样本，持续比较模型预测容量与实际容量之间的偏差。因此，这个场景的目标并不是让 AI 立即替代全部分容测试，而是探索把所有电芯采用同一条检测路径，逐步转变为正常电芯快速预测、风险电芯重点检测、部分样本持续验证的协同模式。质量底线仍然由完整测试、现场规则和人员确认共同守住。▲电芯容量预测闭环异常回退先判断模型所见数据是否可靠工业现场的数据环境会不断变化。原材料批次切换、工艺参数调整、设备状态异常、传感器漂移或者数据采集中断，都可能使当前数据与模型训练时的数据产生差异。如果不识别这些变化，模型即使给出预测结果，也可能不再可靠。因此，动力电池电芯容量预测大模型（简称TBCP Model）对容量预测建立了异常回退机制。当系统发现关键数据缺失、设备异常比例升高，或者预测偏差持续扩大时，应暂停使用原有预测路径，让相关电芯回到完整检测流程。随后再进一步分析：问题来自数据采集、设备和传感器，还是来自原材料与生产工艺的真实变化。如果是设备问题，就需要推动设备校准和数据质量治理；如果是工艺或原材料变化，就需要积累新数据，重新训练和评估模型。AI 不应绕过现场质量规则，而应在规则允许的范围内工作，并在自身不确定时主动回退。结果回流让模型跟随制造过程持续迭代电芯容量预测不是一次建模、长期不变。每一次完整分容得到的实际容量，每一次低容电芯确认，每一次设备异常和工艺调整，都是后续模型优化的重要依据。✅ 预测结果与真实容量之间的偏差需要被记录；✅ 异常电芯经过复测后的结论需要回到数据集；✅ 设备、原材料和工艺变化也需要形成新的特征标签。经过持续的数据清洗、模型训练和效果评估，动力电池电芯容量预测大模型（简称TBCP Model）才能逐步适应不同批次、不同设备和不同生产状态。这也是工业 AI 与普通数据分析的区别：它不是生成一次报告，而是进入生产流程，在预测、验证、处置和结果回流中形成持续闭环。从容量预测走向制造质量的前置判断电芯容量预测的意义，不只是提前得到一个容量数值。动力电池电芯容量预测大模型（简称TBCP Model）更重要的价值，是把原本集中在生产末端的完整检测，向制造过程中的风险识别和质量判断前移。对生产现场来说，模型负责持续分析跨工序数据并识别风险，完整测试负责验证真实容量，工艺和质量人员负责判断异常原因并推动处置。在这一协同机制下，企业可以探索减少不必要的完整检测资源占用，让风险电芯更早进入重点验证，也让原材料、设备和工艺波动更早进入质量分析视野。更进一步，动力电池电芯容量预测大模型（简称TBCP Model）连接原材料批次、设备数据、工艺参数、化成曲线、分容结果和质量处置流程。依托统一的数据和业务平台，预测结果真正进入生产系统，而不是停留在孤立的算法模型中。依托「得·灵」企业级 AI 产品/服务体系，以及基于 H-ZERO 构建的智能制造 HCMs 协同平台，可以进一步探索把数据接入、特征处理、模型训练、风险识别、现场验证和结果回流连接成完整闭环。从 AI 理解一颗电芯的制造过程，到预测结果参与分容决策，再到真实结果推动模型迭代，动力电池电芯容量预测大模型（简称 TBCP Model）代表了工业 AI 进入动力电池质量管理的一种重要探索路径。专题系列文章▲点击了解详细内容

08-15

品牌案例｜场景是技术落地最好的土壤！

AI浪潮渗透全域，数智化转型已成企业发展刚需，但行业普遍存在重概念、落地难的痛点。汉得始终坚信，场景是技术落地最好的土壤，唯有扎根真实业务，才能释放AI数智赋能真正力量。

08-19

品牌案例｜场景是技术落地最好的土壤！

🌊AI浪潮渗透全域，数智化转型已成企业发展刚需，但行业普遍存在重概念、落地难的痛点。汉得始终坚信，场景是技术落地最好的土壤，唯有扎根真实业务，才能释放AI数智赋能真正力量🤖汉得深耕企业数智化多年，坚守实干初心，打磨核心技术，升级产品方案，并以企业业务场景与实际应用需求为根本准则，帮助客户持续落地各类AI智能体应用，让AI深度融入企业经营管理业务全流程✨技术有AI，陪伴有ai，汉得愿成为长久陪伴企业业务成长的数智伙伴，不断积累多行业一线实战成果，以专业技术与长效服务，为企业数智化升级提供可参考、可复用、可落地的实战范本——————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！🔸基于「得·灵」企业级AI产品系列，为京新药业搭建AI智能体应用数智化底座和能力体系，将智能体编排和业务工具调用能力融入日常工作，支撑医药企业产业链协同与创新汉得 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！🔸聚焦商务办公与运营管理、激光器研产销全链路、商务风险管控业务板块，依托智能体矩阵、智能问数协同赋能，锐科激光携手汉得搭建覆盖五大核心业务场景的完整AI应用矩阵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！🔸汉得携手青岛啤酒搭建统一组件技术底座平台，将分散在各类系统和项目中的共性能力沉淀下来，形成可复用可治理可持续演进的企业级公共能力，让企业数字化建设具备长期复利近百家企业走进双环传动｜汉得携手AI标杆客户，共探制造业AI规模化落地新路径！🔸双环传动以深厚制造场景、精益管理经验和智能制造基础为依托，汉得依托AI中台、企业级智能体建设能力和制造业AI落地方法，支撑双环在AI平台能力、智能体应用、场景共创和规模化推广等持续推进汉得 x 海亮股份｜喜报再传！AI智能审核项目再获殊荣🔸依托H-ZERO和AI中台，海亮股份与汉得打造「无人值守财务共享智能审核Agent」，为财务共享工作带来7 x 24小时不打烊自动审单、提升共享会计审核自动化率、财务人转型：从事务型到财务数智型三大革新汉得 x 金田新材｜以场景驱动 AI 落地，共启新材料制造数智化新程！🔸基于汉得AI中台技术底座，聚焦经营管理、生产运营、质量改善、协同办公等关键环节，为金田新材打造可落地、可复用、可推广标杆场景，让数智能力成为企业发展重要支撑数字化，放心交给我！

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

汉得自主产品出海：美加墨三国同步上线，汉得HR产品助力汽车零部件龙头客户全球化人力精益管理！

基于某汽车零部件制造企业北美多基地人力精益化管控需求，汉得于2026年3月，顺利完成美、加、墨三国考勤数字化项目全面上线。

07-24

汉得自主产品出海：美加墨三国同步上线，汉得HR产品助力汽车零部件龙头客户全球化人力精益管理！

基于某汽车零部件制造企业北美多基地人力精益化管控需求，汉得于2026年3月，顺利完成美、加、墨三国考勤数字化项目全面上线。M公司，是全球领先汽车外饰件、轻量化车身结构件供应商，入选全球汽车零部件百强。经过多年的发展已实现全球化布局，实现中国工厂+海外本地化工厂（枢纽+卫星工厂）的布局模式；工厂分布在中国、北美、欧洲、东南亚等国家及地区。配合企业经营战略，2024年汉得已帮助客户建成全球人事业务基础管理平台，实现全球人事基础数据和基础流程管理线上化运营及全球HR数据合规运营。此次项目上线，标志着企业完成全球人力精益化管理初步闭环。项目以汉得HR产品解决方案（布谷）+ SAP HCM，完成北美多厂区考勤全流程数字化升级。本次项目既是该头部公司海外人力精益化管理的关键里程碑，也是布谷HR产品出海落地的标志性项目，为国内制造型企业全球化人力数字化精细运营管理打造可参考标杆范本。▲ 平台架构总览：SAP HCM+布谷HR双核驱动，三国全域覆盖三语全域覆盖多系统互联互通项目覆盖美国、墨西哥及加拿大全部生产厂区全体在职员工，搭建中英西三语多端自助考勤平台，适配北美多国员工语言使用习惯。打通某品牌考勤机、某BPM流程平台、某跨国第三方服务公司、邮件、钉钉五大系统，实现全链路数据互通，彻底破除海外各基地数据孤岛。55项标准化功能落地深度匹配属地合规要求平台落地55项全场景考勤数字化功能，包含16项基础信息功能、12大类考勤审批流程、27套标准化分析报表，完整覆盖排班管理、打卡采集、请假出差、补卡加班、调休结余、考勤异常管控、跨国外派专项考勤等全部海外业务场景。系统深度适配美、加、墨三地差异化劳动法规、工时标准、加班津贴、节假日计薪规则，将各国属地管理要求固化为系统标准核算逻辑，从源头满足海外用工合规管控需求。▲ 55项标准化功能分布跨时区跨国攻坚四阶段稳步完成全流程交付项目落地面临多重挑战：美加墨跨12小时时差、多国跨文化管理差异、墨西哥厂区组织拆分、国内春节工期叠加等多重阻力，项目团队分四大阶段有序推进，保质保量完成交付。阶段一业务调研与数据合规治理夯实项目底层基础团队完成三地全业务现状摸排与方案定制；针对墨西哥厂区组织拆分产生的300+冗余岗位、2000+人员异动、900+汇报链路调整、500+条历史错误数据完成全量梳理整改。同步完成所有员工人脸生物信息合规签约与某品牌考勤机设备全域部署，有效规避海外生物信息采集合规风险，最终完成三地统一业务方案签字定稿。阶段二系统开发配置 + 分层培训持续精简审批链路完成系统配置、多系统接口开发，落地三轮分层本地化培训，累计开展50余场培训，覆盖墨西哥、美国、国内三地；持续优化审批流程：出差审批平均周期大幅缩短；开展多轮闭环UAT测试，保障系统稳定可靠。阶段三试点试运行 + 全域正式上线双线运维保障月结稳定3月16日北美全区域统一正式上线；上线后连续10周采用远程+现场双线支撑模式，保障三地每周考勤月结平稳落地。系统上线至今，累计发起各类考勤流程2万+条，全业务链路平稳无故障。阶段四建立需求全生命周期台账常态化迭代优化搭建完整问题与需求管理台账，上线后持续跟进业务优化诉求，持续匹配企业海外业务动态变化。北美基地运营与人效双提升合规管控与降本增效双向突破✅ 统一属地考勤标准，筑牢全球化用工风控底座项目统一美墨加三地零散考勤制度，标准化固化夜班津贴、缺勤扣分、年假结转、外派薪酬、节假日计薪等核心规则，彻底解决多厂区政策不一、核算口径混乱的历史痛点。落地属地专属规则：加拿大考勤由半月薪切换为周薪、美国全厂区统一夜班补贴标准、墨西哥特色工时制度系统固化，从源头规避海外用工合规处罚。全域落地人脸打卡，识别准确率超99%，从技术层面杜绝代打卡，海外用工合规管控能力显著升级。✅ HR事务大幅减负，全链路数字化降本提效数字化流程替代线下手工台账，HRBP工时统计、薪资核对、数据整理工作量大幅精简：薪资校验每周节约4小时、工时分析每周节约6小时。考勤数据自动同步某跨国第三方服务公司薪资系统，省去人工格式转换、跨系统线下对账；管理者一站式工作台支持批量排班、考勤异常批量确认，工时处理效率大幅提升。✅ 多维度工时数据可视化，支撑集团全球经营决策平台配套27套标准化工时分析报表，支持按工厂、工段、班次、人员多维度拆解出勤、加班、缺勤数据，实现工时数据实时可视。总部可一键穿透查看北美各基地人力成本、用工效率数据，为海外产能调配、人力编制优化、生产成本精细化管控提供量化依据，支撑企业全球一体化精细化运营。✅ 员工自助服务普及，一线使用体验显著升级员工移动端自助使用率超60%，员工可随时自主查询考勤、剩余假期，线上发起各类假勤、出差申请；HR月度线下咨询量减少50余条，员工整体体验提升80%，真正实现“数据多跑路，员工少跑腿”。▲ 核心价值指标一览赋能企业长期全球数字化布局搭建统一海外人力数据底座，打通业人一体化数据流在企业前期已建成的欧洲、东南亚、中国区域HR基础平台之上，本次北美考勤、工时、薪酬源头数据的统一接入，标志着全球化基础运营平台在主要区域实现全域覆盖，彻底打破各海外基地信息孤岛，支撑企业“全球一盘棋”人力资源管控模式。为后续海外绩效搭建、劳动力智能规划、人力成本BI分析、AI智能排班等数字化延伸项目筑牢统一数据根基。沉淀可复用海外实施范式，降低全球数字化拓展成本结合企业前期在欧洲、东南亚已积累的平台建设经验，本次美墨加三地同步落地，进一步沉淀适配欧美劳动法规、跨文化多基地并行上线的标准化HR实施方法论。后续企业在其他海外新基地拓展时，可直接复用成熟落地方案，缩短新项目交付周期、削减海外数字化投入成本。推动海外HR职能转型，从事务执行转向战略支撑数字化替代手工考勤、台账整理等重复性事务工作，释放海外HR大量精力，使其聚焦人才保留、用工结构优化、产能人力配套等战略性工作，持续提升海外组织整体人效。布谷HR产品全球化里程碑海外交付能力完成实战验证◈ 出海实战落地，跨国产品适配能力得到检验本项目是布谷HR产品走出国内、落地北美海外市场的标杆项目，系统完整适配美墨加差异化劳动法、薪酬核算规则、多语言交互与属地管理习惯，充分验证产品跨国法规适配、多系统深度集成、复杂海外考勤场景全流程交付能力。◈ 补齐海外场景能力短板，完善全球化产品架构依托本项目沉淀欧美考勤、外派人员管理、周薪核算、生物信息合规等本地化专属功能模块，补齐产品海外场景能力短板，持续完善布谷HR全球化产品整体架构。◈ 打造汽车零部件行业出海标杆，拓宽全球化业务赛道该项目作为整车零部件制造行业海外人力数字化标杆案例，为布谷HR面向出海制造企业拓展海外数字化项目积累成熟实践经验与行业样板，打开全球化业务全新发展空间。上线不是终点，而是数智赋能全球人力精细化管理的全新起点。未来，汉得将持续深耕海外人力数字化建设，探索更多智能化人力应用，以统一数字化底座支撑企业全球化长效高质量发展。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！