ZDNet至顶网软件频道消息:在大多数人的印象中,很难把惠普和“软件业务”扯上关系。但实际上,如果我们把惠普比作一个铁血男儿,那么在他的内心也有柔情的一面——那就是惠普软件。如今,这个男人“温和”的一面正在无限扩展,深深影响着整个IT产业的格局。
据2013年惠普财报显示,惠普在全球运营规模超过1100亿美金。其中,惠普软件在销售额已达49亿美元。另据Gartner发布报告称,2013年全球软件产业总营收为4073亿美元,惠普软件排名第7位。虽然惠普软件营业额没有硬件多,但在全球软件市场领域,惠普软件销售额已超过VMware、CA、Salesforce。
我们不禁要问,惠普的软件业务是如何获得快速成长的?是什么因素让惠普走出了 “双面”人生路?
与很多软、硬一体化的巨头IT公司相比,惠普软件显得很另类。多年来,惠普软件很少出现在媒体面前,我们几乎看不到惠普软件任何高调的宣传。并且,在惠普软件内部,始终保持着一个传统的习惯——几乎所有产品及解决方案都来源于惠普公司内部的惠普IT。
我们可以明显地看到,惠普这样做的好处,有三点:
其一,低头做事,专注产品研发。惠普公司内部的IT 部门和产品开发团队之间是一个紧密相连的组合体。通过这种整合,惠普可以集中最优势的资源,集中精力做好产品开发。
其二,贴近用户需求,增强产品可信度。惠普的HAVEn大数据分析平台、云、移动、安全等很多的应用都来自于IT部门的实践,和用户的需求紧密相连。惠普不用花时间去证明产品的性能、稳定性、安全性等用户高度关注的点。
其三,形成良性发展生态链。这种产品方式:一方面可以为惠普节省很多市场推广成本。另一方面,惠普IT可以更好地服务自己,并通过自身实践为客户提供更好的产品或解决方案。再通过与用户的互动,不断修正自己的IT服务。
最重要的是,这种内外兼修的软件发展策略,让惠普在面向服务转型过程中,变得更加得心应手。惠普与其他企业一样,没有任何经验可以借鉴,摸索前行。但惠普绝对不拿用户来“试错”,只有产品可靠、稳定,方可投入市场。正是这样稳抓稳打的商业策略,让惠普软件市场份额始终保持业界领先。
双面人生,惠普的“真性情”无限蔓延
另外,值得特别关注的是,惠普自去年开始就提出“IT新型态”战略,这一战略似乎与所有处于转型中的企业不谋而合。但了解惠普的人都知道,一向主张稳抓稳打策略的惠普,绝不是跟风一族,属于一时兴起之作。
尽管“宿敌”IBM在企业硬件市场的表现不佳,让惠普迎来了更大的硬件发展空间。但惠普明显不仅仅满足于此。为了在高利润业务方面,同样获得竞争优势,惠普也在一直扩展软件服务业务。因为惠普软件业务的良好增长势头,为惠普注入了“兴奋剂”。加大发展力度,抢占惠普在云计算、大数据、移动、安全领域的发展先机,惠普已在行动。
几个明显的动作表明,惠普正在加大其软实力布局。在过去三年时间里,惠普在大数据方面的投入累计达200亿美金。为了能拥有强大的产品支撑,惠普曾收购了Autonomy、3PAR等公司,惠普还发布了大数据解决方案HAVEn分析平台。另外,一周前,惠普公司还宣布将斥资10亿美元开启自己的云运算平台——HP Helion。同样,从惠普移动服务内容来看,已经拥有了全面的移动性解决方案部署方面的咨询、用户体验的设计和应用开发、以及相关软件等方面的部署,同时还有Anywhere平台和SAP的移动平台支持等。
总结:
惠普在用一系列的举动证明,软件在它的业务中也同样处于核心地位;但同时也说明,受服务器市场低迷影响,惠普的成长空间也会有局限,惠普希望通过软件投入试图做一些尝试和改变。
好文章,需要你的鼓励
Meta宣布为Facebook Dating推出AI聊天机器人助手,帮助用户找到更匹配的对象。该AI可根据用户需求推荐特定类型的匹配者,并协助优化个人资料。同时推出Meet Cute功能,每周提供算法选择的"惊喜匹配"。尽管18-29岁用户匹配数同比增长10%,但相比Tinder的5000万日活用户仍有差距。AI功能已成为约会应用标配,Match Group等竞争对手也在大力投资AI技术。
UC Santa Cruz团队开发的OpenVision 2通过去除文本编码器,将视觉编码器训练简化为纯生成式学习,实现训练时间缩短1.5倍、内存使用减少1.8倍的显著效率提升。研究使用高质量合成数据集和token掩码策略,在保持性能的同时成功训练出10亿参数模型,挑战了CLIP式对比学习的必要性认知。
Neo4j认为已找到让生成式AI访问图数据库记录的方法。图数据库专注于数据点之间的关系建模和查询,在欺诈检测、推荐引擎等场景中表现出色。2024年4月,ISO批准了图查询语言GQL标准,Neo4j的Cypher查询语言完全符合该标准。现代工具提供拖拽式工作流程,GenAI可作为自然语言接口,将用户请求转换为Cypher查询。
华中科技大学团队开发的ReVPT系统首次让AI学会像人类一样主动选择和使用视觉分析工具解决复杂问题。通过创新的两阶段强化学习训练,该系统能根据任务需求灵活调用物体检测、深度估计等专业工具,在多项国际测试中显著超越基础模型,部分指标甚至超越商业化产品,为AI视觉推理能力提升开辟了新路径。