ZD至顶网软件频道消息: 多位消息人士对《The Register》透露,Oracle对销售团队进行了调整,以推进云业务的销售。
推进Oracle云服务、数据库和中间件的任务完全交给了Oracle的现场销售团队。传统内部部署的应用程序eBusiness Suite、PeopleSoft、Siebel等,则被划分给了电话直销团队。所有新的员工都将进入云计算部门。
此次组织调整的目的是明确职责、责任和奖金分配,还包括如果销售目标没有达成的话,谁是承担责任的罪魁祸首。这也意味着现场销售和电话直销人员将不再进行销售上的合作。
一位知情人士透露,很多Oracle的客户已经看到由于Oracle的调整,和他们长期合作的客户代表也突然行动起来了。
今年早些时候,我们曾经报道过Oracle在欧洲和中东雇佣了1400名销售人员,这些人员分部在阿姆斯特丹、开罗、迪拜、都柏林、马拉加和布拉格各地。两位同Oracle销售代表和客户关系密切的知情人士表示,此举旨在加速Oracle云服务的渗透。
一位知情人士表示,“今年,云销售的任务比以往更大,所占的比重也更重。”
现场报告
“以前,他们(现场销售和直销团队)一起工作,根据客户的规模、数量、报价和信用情况彼此交换业务。有了这种关系,现场销售团队可能会将客户工作发送给直销团队的人。”
另一位知情人士表示:“半聚焦就是没有聚焦……如果你让他们负责销售云计算,那么他们的KPI就应该基于此,然后成功率也会更高。”
“通过重组他们的结构,确保了他们的侧重点是在云计算上,而电话销售(将)专注于传统内部部署软件的销售。”
Oracle现场销售和直销团队被描绘为具有“完全不同的特点和心态。”
直销是远程的,基于电话的模式,通过呼叫列表进行工作,包括新员工和那些刚刚走出校园的人,这些人被认为更加饥渴,但是经验相对较少。
基于电话的团队面临着向全世界已经开始转向云服务的客户销售传统内部部署软件的艰巨任务,这在6月份发布的Oracle 2016财年销售报告中可见一斑。
将云计算和传统内部部署的销售分开反映了Oracle内部更深层次的文化转变,该公司的研发部门现在也已经以牺牲传统内部部署软件为代价转向了云计算。
Oracle最新的12c数据库优先在云端推出,而经典版本则会随后推出,此举凸显了该公司新的优先级。
新的软件授权销售额下跌了15%(按恒定货币计算下跌了11%)。Oracle新的软件销售增长了22%。
Oracle的云收入增长了36%达到28亿美元(按恒定货币计算增长了40%),这和AWS相比简直是小巫见大巫,AWS在3月31日结束的第一季度里获得了26亿美元的收入,和去年同期相比大幅度增长了64%。
微软也跻身于这个领域之内——和AWS相比,微软似乎和Oracle更具有可比性,两家公司都是企业IT厂商,都拥有大量的传统内部部署软件业务,都在试图转型成为云服务供应商。
微软是云世界里相对较晚的参与者,但是该公司的Azure平台被Gartner认为是紧随AWS之后规模第二大的云平台。
但是和AWS进行财务上的比对很困难,因为微软将Azure平台和Office 356的收入放入了一个独立的业务部门,该业务部门还包含了其他的产品。
此外,该公司并没有按照始终如一的划分方式分门别类地报告收入。
根据本周的报道,据估计Azure在最新这个季度为微软带来了8亿美元的收入。
Oracle拒绝对此做出评论。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。