ZDNet至顶网软件频道消息:对于向云业务转型的企业用户来说,很多时候单一的私有云、抑或公有云的应用,可能并不能完全满足他们的需求。一方面很多传统的应用系统正在使用中,抛弃掉这些原有的IT投资而全部转向云端非常浪费,也不太现实;另一方面,企业是处于发展变化当中的,他们不希望以一种单纯的私有云或者公有云的二选一方案,把自己限制得过死。
在这种情况下,其实混合云方案,可能是最佳的选择。对于甲骨文来说,早在2012年的Oracle OpenWorld大会上,就推出了可以在公有云、私有云之间灵活切换的混合云产品,客户可以自行决定把哪些核心资源放在防火墙之后,把哪些资源放在云端。
在国内,甲骨文的云产品——HCM(人力资本管理)云被吉利汽车所采用,通过新的云端应用——甲骨文云招聘产品与原有的核心人力资源产品——PeopleSoft的结合,吉利汽车走出了一条混合云发展之路。
针对于采用甲骨文云招聘产品的原因及使用体会,ZDNet记者近日采访了浙江吉利控股集团HR支持高级经理孙金方。她告诉记者:“在吉利汽车全球化发展战略的引导下,人力资源策略也需要进行转型,以适应全球化发展的需求。招聘云产品的采用,让吉利汽车可以整合多渠道招聘资源,平台的规范也能为业务规范提供有力支持。”
浙江吉利控股集团HR支持高级经理孙金方
吉利汽车从2009年开始采用甲骨文PeopleSoft进行人力资源管理,当时并没有选择商业化的招聘产品。但是伴随集团业务的快速发展,对人才的需求越来越旺盛,在招聘业务上有迫切的需求——要进行招聘渠道的整合,把集团各公司分布到国内各个城市的招聘资源整合在一起。
在产品选型阶段,据孙金方介绍:“对于采用云计算的模式,我们也犹豫过,毕竟要考虑安全的问题。但是云端模式自然而然整合了多渠道,我们不用再进行渠道的开发;另外,从PeopleSoft到招聘云都采用了甲骨文一家的产品,在集成度方面会比较好;而且即使之前采用的第三方招聘平台的服务,也会存在安全问题,所以这不应该是阻碍我们采用云招聘的原因。”
经过前提业务流程梳理、中间实施、上线运行,在三个月的时间内,吉利汽车完成了云招聘产品的上线。在实施了甲骨文云招聘产品后,该平台把吉利汽车国内所有招聘渠道都整合在一起,除一线员工外,所有人员都从该平台招聘;另外,这一流程会与吉利汽车现有人力资源管理流程完全匹配;甚至在海外招聘方面,吉利汽车也准备在今年推广海外招聘渠道,实现产品的海外实施。据记者了解,系统上线5个多月来,吉利汽车的人才库里边已经积累了3万人的简历信息,供各个分公司在其中筛选人才。
就与吉利汽车的合作,据甲骨文大中华区应用咨询总经理谢鹏博士介绍,甲骨文的云业务解决方案并不是把原来的PeopleSoft搬到云上这么简单,实际上甲骨文所有云产品都进行了代码的重写,已经具有了云时代的基因。而从业务上来看,云业务模式把人力资源管理功能向前延伸到招聘阶段,向后延伸更多的管理职能,而人才培训、绩效管理、目标管理本身就是人才管理中比较薄弱的环节。
甲骨文大中华区应用咨询总经理谢鹏
具体到甲骨文提供的混合云的解决方案给客户带来的变化,谢鹏认为也是顺应客户自身信息化情况以及需求的。“云虽然是方向,但云端的转换不是一天就可以完成,为此甲骨文提供了一种迁移的方式。如果是一个用户的新的应用,完全可以采用纯粹的公有云方法;但是如果客户希望在采用PeopleSoft的基础上增加招聘管理,就可以用云的方式去延伸新的需求,核心的人力资源管理还是在On-premises平台上,但新拓展的招聘服务就放到云上,这是业务上非常合理的一种云。甲骨文提供了这样一种云的方案,实际上是尊重客户选择的。”
好文章,需要你的鼓励
OpenAI在最新博客中首次承认,其AI安全防护在长时间对话中可能失效。该公司指出,相比短对话,长对话中的安全训练机制可能会退化,用户更容易通过改变措辞或分散话题来绕过检测。这一问题不仅影响OpenAI,也是所有大语言模型面临的技术挑战。目前OpenAI正在研究加强长对话中的安全防护措施。
北航团队推出VoxHammer技术,实现3D模型的精确局部编辑,如同3D版Photoshop。该方法直接在3D空间操作,通过逆向追踪和特征替换确保编辑精度,在保持未修改区域完全一致的同时实现高质量局部修改。研究还创建了Edit3D-Bench评估数据集,为3D编辑领域建立新标准,展现出在游戏开发、影视制作等领域的巨大应用潜力。
谷歌宣布计划到2026年底在弗吉尼亚州投资90亿美元,重点发展云计算和AI基础设施。投资包括在里士满南部切斯特菲尔德县建设新数据中心,扩建现有设施,并为当地居民提供教育和职业发展项目。弗吉尼亚州长表示这项投资是对该州AI经济领导地位的有力认可。此次投资是谷歌北美扩张战略的一部分。
宾夕法尼亚大学研究团队开发出PIXIE系统,这是首个能够仅通过视觉就快速准确预测三维物体完整物理属性的AI系统。该技术将传统需要数小时的物理参数预测缩短至2秒,准确率提升高达4.39倍,并能零样本泛化到真实场景。研究团队还构建了包含1624个标注物体的PIXIEVERSE数据集,为相关技术发展奠定了重要基础,在游戏开发、机器人控制等领域具有广阔应用前景。