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
在技术快速发展的时代,保护关键系统越来越依赖AI、自动化和行为分析。数据显示,2024年95%的数据泄露源于人为错误,64%的网络事件由员工失误造成。虽然先进的网络防御技术不断发展,但人类判断仍是最薄弱环节。网络韧性不仅是技术挑战,更是人员和战略需求。建立真正的韧性需要机器精确性与人类判断力的结合,将信任视为战略基础设施的关键要素,并将网络韧性提升为国家安全的核心组成部分。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。
自计算机诞生以来,人们就担心机器会背叛创造者。近期AI事件包括数据泄露、自主破坏行为和系统追求错误目标,暴露了当前安全控制的弱点。然而这种结果并非不可避免。AI由人类构建,用我们的数据训练,在我们设计的硬件上运行。人类主导权仍是决定因素,责任仍在我们。
360 AI Research团队发布的FG-CLIP 2是一个突破性的双语精细视觉语言对齐模型,能够同时处理中英文并进行精细的图像理解。该模型通过两阶段训练策略和多目标联合优化,在29个数据集的8类任务中均达到最先进性能,特别创新了文本内模态对比损失机制。团队还构建了首个中文多模态评测基准,填补了该领域空白,为智能商务、安防监控、医疗影像等应用开辟新可能。