ZDNet至顶网软件频道消息:互联网时代,企业生存在瞬息万变的商业环境中,海量数据与迅速变化的市场为现代企业的IT系统提出了极大的挑战。幸运的是,云技术的成熟和普及也为企业带来了更多的机遇,使得企业能够以一种灵活、经济的方式部署其IT系统,应对外部环境带来的种种变化和挑战。
在云计算领域,甲骨文公司始终秉承“全面的云解决方案,为客户提供全方位的选择”的云战略。无论在私有云、公有云平台还是混合云上,甲骨文在SaaS、PaaS和IaaS三个层面,都可提供同类最佳的,跨整个IT架构和云生命周期的解决方案。
作为全球第二大SaaS公司,Oracle拥有业界最全面的SaaS产品组合,广泛涵盖HR、人才管理、销售、市场营销、客户体验、社交、财务、企业绩效管理云与供应链管理9大方面,帮助企业从客户服务体验、运营效率、成本控制等多个层面,全方位驱动业务变革。
Oracle SaaS运行在由Oracle In-Memory Multitenant Database和Java支持的全球最强大的PaaS之上,通过SaaS提供的Oracle应用部署起来轻松又迅速,能够帮助企业更快地创造价值,实现灵活性的最大化。同时,客户可以随时获得最新更新功能,尤其是在社交平台蓬勃发展的今天,Oracle SaaS应用嵌入了最先进的社交功能,可为客户提供最大价值。使用Oracle SaaS,企业用户可获得最高程度的性能与可用性,以及企业级的数据安全性,有效为企业降低成本和减少人力开支。
凭借领先的技术、对行业的深入洞察和丰富的最佳实践,近年来甲骨文的SaaS业务增长迅猛,2014财年甲骨文SaaS和PaaS的全球收入已超过11亿美元,在中国市场也获得了广大用户的青睐,用户群覆盖金融、保险、石油、科技、零售及服务等各个行业。
Oracle SaaS目前在中国的客户包括:海尔集团、联想、电讯盈科、新莱集团、朗坤物联网、诺亚舟咨询、慈爱嘉、高德、华泰保险等。
Oracle SaaS助力中国企业驱动创新:
甲骨文高级副总裁及甲骨文中国董事总经理潘少海表示:“近年来,在虚拟化和移动技术等趋势的推动下,企业对于云的态度发生了极大的转变,凭借不断增强的性能和日益成熟可靠的模式,云技术已经成为企业决策者推动创新的首选。FY14财年,甲骨文全球云软件订购业务的年运营率已经接近20亿美元。在中国,我们很高兴看到越来越多的企业正在通过部署SaaS,提升其在全球化环境中的核心竞争力,甲骨文还将在中国持续投资云计算领域,并与中国厂商及本地合作伙伴携手,共塑云时代的商业成功。”
浙江吉利控股集团 HR支持高级经理孙金方表示:“作为一家连续两年入选世界500强的中国本土企业,吉利始终秉承尊重人、成就人、幸福人的人才管理核心价值观,因为人才是企业创新发展的源动力。通过采用甲骨文公司的Oracle Taleo Recruiting Cloud Service,我们搭建了高效的人才招聘管理平台,为吉利招募优秀的专业人才并开展国际化经营提供了强有力的支持。”
海尔集团海外市场服务总监宋学武表示:“随着网络和社交媒体的不断普及和发展,消费者获取信息的方式以及购买行为也发生了巨变,这就要求企业必须基于用户需求构建快速满足需求的交互体系。作为全球白色家电行业的领导者,海尔希望能搭建起用户与其所需资源实时的交互平台,让用户与资源提供者零距离交互。”
甲骨文公司副总裁及大中华区应用软件总经理潘杰君表示:“通过在云端部署应用,企业能够获得更大程度的可用性与灵活性,有效应对其发展过程中的种种挑战。甲骨文拥有目前业界最全面的SaaS和PaaS产品组合,全面涵盖面向前端的客户服务、销售管理、市场营销,以及企业运营层面的人力资本管理、财务管理、供应链管理。凭借全面、开放、集成的Oracle云技术应用和遍布全球各行各业的最佳实践,我们希望能帮助越来越多的中国企业扩展业务优势,实现商业目标。”
好文章,需要你的鼓励
还在为渲染一个3D模型等上几小时吗?还在纠结移动办公就得牺牲性能吗?当AI遇上专业工作站,传统设计流程的游戏规则正在被改写。
伊斯法罕大学研究团队通过分析Google Play商店21款AI教育应用的用户评论,发现作业辅导类应用获得超80%正面评价,而语言学习和管理系统类应用表现较差。用户赞赏AI工具的快速响应和个性化指导,但抱怨收费过高、准确性不稳定等问题。研究建议开发者关注自适应个性化,政策制定者建立相关规范,未来发展方向为混合AI-人类模型。
据报道,OpenAI正与亚马逊洽谈至少100亿美元的融资。亚马逊此前已是Anthropic的最大投资者,并为其建设了110亿美元的数据中心园区。若融资达成,OpenAI将采用AWS的Trainium系列AI芯片。Trainium3采用三纳米工艺,配备八核心和32MB SRAM内存。AWS可将数千台服务器连接成拥有百万芯片的集群。报道未透露具体估值,但OpenAI最近一次二次出售估值已达5000亿美元。
这项由伊利诺伊大学香槟分校等四所院校联合完成的研究,提出了名为DaSH的层次化数据选择方法。该方法突破了传统数据选择只关注单个样本的局限,通过建模数据的天然层次结构,实现了更智能高效的数据集选择。在两个公开基准测试中,DaSH相比现有方法提升了高达26.2%的准确率,同时大幅减少了所需的探索步数。