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
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
浙江大学等高校研究团队开发的VolSplat系统,通过"体素对齐"替代传统"像素对齐"方法,实现了快速高质量的3D场景重建。该技术仅需6张普通照片即可生成精确3D模型,在RealEstate10K等标准数据集上显著超越现有方法,为机器人导航、增强现实、建筑设计等领域提供了新的技术选择,代表了3D重建领域从二维思维向三维思维的重要转变。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
武汉大学团队与字节跳动公司合作,提出MAPO混合优势策略优化方法,解决AI训练中的"一刀切"问题。该方法能根据问题难度动态调整评分策略,避免传统方法中的优势反转和优势镜像问题。通过轨迹确定性判断和权重动态调整,在几何推理和情感识别任务上都取得显著提升,为AI自适应学习提供新思路。