ZDNet至顶网软件频道消息:SAP用户正从内部部署转移到云里,且势头不错,在未来两年里这部分收入可望达390亿美元。该数字是用一个基于公司全球总安装基数成本的复杂公式算出来的,HCL- Vanson Bourne研究推算的全球总安装基数成本约为860亿美元。
根据IT服务公司HCL科技最新研究报告,交易额超过10亿美元的大型企业用户计划将现有SAP环境中的46%迁移到云里,且节约成本的考虑并不是他们迁入云的主要推动力。这些高管转用云计算的目的是为了提高业务灵活性和获得新技术,而不是为了省钱。
HCL科技SAP企业应用服务主管Mark Hirst表示,“很少有高管提到节约成本这个因素,事实上,在有些情况下,人们预期成本会增加,目的是获得更大的灵活性和敏捷性。大家不会张口闭口说要在成本上达到什么什么。”
参与调查的高管们选择迁移到云里的首要理由是业务敏捷性和速度(占59%),第二理由是获得新技术(占46%),再之后是提高客户满意度(占43%)。
Hirst指出,“约有42%的高管表示迁移到云里是出于科技上的原因,是由两个方面驱动的。一方面,就SAP来说,大家都知道SAP的战略方向是朝云计算相关产品方向走。因此,有一点点面向未来的意思,像是说‘如果你要投资IT,就不如投到一个面向未来的平台。另一方面的驱动简单的很,就是升级的问题,很多企业需要翻修各种系统,因而他们抓住机会考虑将云计算作为新平台。”
74%的企业表示,SAP云扩展策略允许企业用内部部署许可证换云许可证,具有极大的吸引力。Hirst表示,“现在才是开始。被访问者认为,新的授权模式对他们有鼓舞作用。我们不知道到底有多少人已经做了。”
在过去一年里,不仅有超过五分之二的企业增加了SAP云计算的投资,且在未来一年投资预期还会翻一番,企业更加倚重云计算的比例也十分说明问题。
Hirst称,“明显考虑过云计算策略的人特别多。大约有78%时下在正式评估使用基于云的平台作为他们的SAP架构的一部分。显然,这东西不是新兴的高科技,它已经成熟,人们在考虑使用这东西。在某些功能性领域里,云计算正日趋成为唯一的选择。如果你看一下人力资源或是销售自动化,还有采购,在这些地方,选择非云计算平台是不太常见的。”
而且,即使有些企业的产品系统采用内部部署平台,他们的开发、测试和支持环境通常也是使用基于云的基础设施,这方面的金额支出占了显著的部分。
报告中提到的几乎90%的公司的云计算会采取混合式的方法。
Hirst表示,“人们会一股脑地像搞批发一样拎着SAP资产扔到云里吗?不会的,不会出现的,他们会在云里放一点,再在内部部署设施上放一些。我们现在看到的是,那些对企业具有核心意义的那一部分,或是那些企业比较特别的那一部分,他们会把这一部分放在离自己比较近的地方,以便密切地控制这些东西。
“而那些偏向于管理的,如采购、人力资源、或许还有销售自动化等等,他们会把这些东西放在非内部部署设施上。所以,SAP资产基本上是内部部署和非内部部署的混合体。”
但是鉴于云计算技术的可用性,SAP环境正在改变。
Hirst指出,“在以前逻辑上只用一个数据库的地方,现在被分成了许多应用程序。比如,原来的SAP人力资源、财务或采购,现在可能是财务用SAP,而云应用就放在SuccessFactors或是Workday的资源上。如此,从存放和管理SAP资产方面来看就成了混合型,一部分在云中一部分在内部部署设施上,还有,从套装方面来看,现在也是混合型的。”
HCL科技委托Vanson Bourne公司对100个大型SAP客户做的问卷调查的一个发现是, 56%的部门预期会在未来使用SAP HANA企业云。
好文章,需要你的鼓励
科技亿万富翁拉里·埃里森资助的研究团队将向英国牛津大学投资1.18亿英镑,用于将AI技术应用于疫苗研究。牛津疫苗研究小组将领导这一项目,研究人体免疫系统对严重细菌感染和抗生素耐药性的反应。该项目由曾主导新冠疫苗试验的安德鲁·波拉德教授领导,计划采用人体挑战模型,让志愿者在受控条件下接触细菌,然后运用现代免疫学和AI工具来精确识别预测保护效果的免疫反应,以开发针对致命疾病的创新疫苗。
伦斯勒理工学院研究团队通过网络科学方法首次系统揭示了大语言模型的内部"认知架构"。研究发现AI模型采用类似鸟类大脑的弱定位架构,模块间通过分布式协作而非专业化分工来处理认知任务。这一发现颠覆了基于功能模块优化的传统思路,指出应充分利用网络级协作来提升AI性能。
据报道,ChatGPT开发商OpenAI计划在印度建设一座耗电量超过1吉瓦的数据中心,目前正寻找当地合作伙伴。该设施预计可容纳至少5.9万片英伟达B200芯片。这可能是OpenAI全球数据中心计划的一部分,旨在为国际用户提供更低延迟服务。OpenAI CEO奥特曼将于下月访问印度,公司还计划年底前在新德里开设办事处。
腾讯和清华研究团队首次从数学理论角度解释了为什么AI需要外部工具。研究证明纯文本AI存在"隐形枷锁",无法突破预训练的能力边界,而工具集成能打破这种限制,让AI获得全新的问题解决策略。团队还开发了ASPO算法,解决了训练AI更早使用工具的技术难题。实验显示配备工具的AI在数学问题上全面超越纯文本版本,展现出三种新奇认知模式,为构建更强大的AI系统提供理论指导。