ZDNet至顶网软件频道消息:IBM和SAP联合宣布,将开展全球合作,推出专为物流运输行业量身打造的应用和服务。双方计划在业务开发、销售、销售支持、市场营销和咨询领域密切合作,该行业客户有望在未来根据其特定组织需求和现有的基础架构,采用逐步推出的全新解决方案。
目前,世界各地的运输企业(如远洋班轮、货运代理和铁路企业)已普遍认识到,他们仍然无法直接控制能源成本、经济波动带来的挑战。然而,借助商务分析、云计算、移动商务和其他前沿技术,可优化核心业务流程的执行,从而为客户提供更优质的服务并提升运营绩效。正是瞄准这一市场需求,SAP 携手 IBM 共推下一代运输平台,其不仅能帮助企业实现业务流程创新,还能助力企业实现职能流程标准化,最终提升企业运营绩效。
SAP 旅行和运输业务部门副总裁 Till Dengel表示:“现在,货运公司在开展全球货运业务时发现,相关信息与物流同等重要。因此,许多货运企业正在更新旧的 IT 环境,并着手实施大规模的转型项目。瞄准这一契机,SAP 和 IBM 将通过深化合作,共同为运输企业提供深厚的市场专业知识,确保他们能够利用最先进的信息技术,成功实现业务转型。”
IBM 全球业务服务部全球旅行和运输行业主管RaimonChristiani表示:”与其他行业一样,现在运输企业也需要顺应趋势,通过细分市场为客户提供产品和服务。企业创造的客户经验已经真正成为决定企业竞争力的因素之一。借助 IBM 在商务分析和其他核心能力方面的最佳实践以及 SAP 的软件,我们的运输行业客户将拥有更准确的企业定位,为其客户提供一流体验,从而为建立长久的客户关系奠定坚实基础。“
这项合作是 SAP 与 IBM 的强强联合:IBM 拥有丰富的行业咨询经验和大规模全球业务转型的管理经验;SAP拥有与客户联合创新的专业优势,特别是在针对标准软件的特定行业增强功能方面。
该合作计划将 SAP 的软件与 IBM 的实施和配置服务集成一体。SAP 将集成SAP Transportation Management应用、SAP Event Management 应用,SAP Customer Relationship Management 应用以及 SAP Billing and Revenue Innovation Management 解决方案组合,为企业提供单个客户的全方位视图。同时,IBM 将结合其 SAP 能力中心提供的丰富行业知识和经验,构建最佳实践模板,助力 SAP 为各个运输企业量身打造运输行业解决方案。借助这些解决方案,运输企业有望降低实施成本,加快价值实现速度。
最新的IDC 报告显示,IBM 是 SAP 实施服务提供商市场领域的领导者。该报告指出:“IBM 能够为其客户提供真正的端到端服务和解决方案套件,为客户利用 SAP 产品实现转型提供全方位支持。”根据 IDC 的《2014 Global SAP Implementation Services Buyer Perception Survey》(2014 年全球 SAP 实施服务买家认知调查)报告,IBM 主要在以下方面赢得了客户的交口称赞:能够将项目团队与客户企业集成,遵守项目时间表,并且传递客户目前使用的 IBM 服务/解决方案和交付方法/工具的价值。
IBM 和 SAP 计划携手助力运输企业解答一系列问题,例如,为什么需要利用信息技术实现业务转型,如何采用混合型架构、企业预置型架构和云服务架构,以及如何确保系统始终能够满足未来的业务需求。
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。
字节跳动团队提出RewardDance框架,首次系统性解决视觉生成中的奖励模型扩展问题。该框架通过将奖励预测转为生成式任务,并将模型规模扩展至260亿参数,同时集成任务指令、参考样例和推理能力,有效解决了"奖励作弊"问题。实验显示,在文本生成图像任务中质量提升10.7分,视频生成性能改善49%,达到行业领先水平,为AI视觉创作提供了更强大可靠的技术基础。
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。
ByteDance团队开发的Mini-o3系统通过深度多轮推理突破了传统AI视觉理解的局限。该系统能像人类侦探般进行几十轮的视觉探索,在困难的视觉搜索任务上准确率达48%,相比现有模型提升显著。核心创新包括挑战性的Visual Probe数据集、多样化推理策略训练和突破性的过轮掩码技术,实现了测试时思考轮数的自然扩展。