ZD至顶网软件频道消息: 当微软在几周前揭开了Dynamics 365的神秘面纱时,微软似乎不想谈论太多科技的话题,他们更愿意吸引商业决策者。
但是对于微软即将推出的这款云端ERP和CRM组合,其底层支撑的技术到底是什么呢?Dynamics 365 核心的“Common Data Model”是什么。
早在7月6日Dynamics 365发布时,微软曾表示这款服务将使用“一个通用的数据模型,和Office 365共享,以简化数据管理并进行跨应用程序和商业流程的整合。”
对此,很多人都感到迷惑不解,现在在Office 365的世界里可没有微软称之为“通用数据模型”之类的东西。
7月20日,MSDynamicsWorld.com上的一篇文章可以帮助我们找到一些拼图中缺失的小图块。说的具体点儿,Common Data Model,或者称之为CDM是作为微软PowerApps的一部分引入的,PowerApps是微软一项打造个性化商用应用程序的服务,其预览版于2016年4月份推出。
7月11日,PowerApps的博客文章表示,CDM是“开箱即用的商业数据库,能够存储并管理商业实体”。这篇文章中还透露,CDM将于8月份推出一个公共预览版。
下面是更多摘自这篇博客文章的内容,这些内容都是关于CDM的:
“CDM是安全的——它在闲时加密。CDM是针对大规模应用开发的——充分利用了诸如Service Fabric和弹性SQL之类的Azure技术。CDM不仅仅提供标准实体,它还允许用户建立个性化的实体,用户可以扩展标准实体也可以增加和标准实体相关的新实体。CDM提供了结构化的元数据、丰富的数据类型、自动编号、查询、诸如地址和货币等商业数据类型,以及通过元数据配置提供实体参考的功能以及级联删除的功能——这是难以抗拒的功能。CDM将以增量的方式推出扩展实体功能、实体的流程以及针对这些实体预先包装好的表单等,其他的功能也会以增量的方式推出。”
CDM旨在提供一个跨越行业领域,例如销售、采购、客户服务和生产力等环节的实体数据库。这些实体将同微软的第一方商业应用程序、第三方以及客户自己开发的应用程序连接在一起。CDM中的这些实体将支持诸如地址、电子邮件地址、货币、发票和订单自动编号、图片、地理位置等类型的数据类型。它们将使用最新的SQL Server数据类型。
曾经被称为Microsoft Graph大脑的微软Office Graph,包含了一些同样类型的实体元数据。CDM将为Excel用户提供一个插件,可以用Excel批量编辑和分析实体数据。
CDM并不会取代现有的微软ERP和CRM扩展和开发工具,例如xRM——Dynamics CRM 框架。相反,CDM是一个新的框架,能够跨越Dynamics AX on Azure、CRM Online和Project Madiera (Dynamics 365 for Financials),这是Dynamics 365的重要组件。
微软的技术人员Mike Ehrenberg表示,“随着时间的推移,CDM将支持那些想要建立自己的PowerApps的用户,以及那些想要打造能够跨越多个核心系统的业务应用程序的独立软件厂商。”
Ehrenberg和其他微软的高官们想要消除一种观念,CDM和Dynamics 365并不是“Green项目的重生”。Project Green可以追溯到十年前,是微软将公司里各种ERP产品整合到一起的一个项目。随着时间的推移,Green项目的目标逐步缩小成让微软的ERP和CRM产品能够共享Dynamics套件提供的、更通用的技术和方法。
好文章,需要你的鼓励
TechCrunch Disrupt 2025 AI舞台将汇聚塑造科技未来的领军人物,顶尖风投将揭示在快速变化的AI领域获得融资的关键。来自Apptronik、ElevenLabs、Hugging Face、Runway等创新企业的领导者将分享前沿洞见,探讨AI如何重塑创意过程、改变物理世界、变革国防安全和重新定义人际关系。10月27-29日,五大主题舞台将在旧金山呈现科技创新的未来图景。
西班牙研究团队提出了一种创新的AI自我纠错方法SSC,让人工智能学会识别和修正规则中的漏洞。当AI发现自己在钻空子获得高分时,它会反思规则的合理性并主动改进。实验显示这种方法将AI的"钻空子"行为从50-70%降低到3%以下,同时提升了回答质量。这项技术有望让AI从被动执行指令转变为能够质疑和改进指令的智能协作伙伴。
英超联赛与微软达成五年战略合作伙伴关系,推出AI驱动的Premier League Companion服务,为全球球迷提供个性化体验。该服务利用Azure OpenAI技术,整合30多个赛季的统计数据、30万篇文章和9000个视频,帮助球迷发现和了解更多内容。未来还将为Fantasy Premier League引入个人助理经理功能,并通过Azure AI优化比赛直播体验和赛后分析。
这篇文章详细解析了Long、Shelhamer和Darrell在2015年CVPR会议上发表的开创性研究"全卷积网络用于语义分割"。文章以通俗易懂的方式,将这项复杂的技术比作艺术家的绘画过程,解释了如何让计算机不仅识别图像中有什么物体,还能精确标出每个物体的位置和边界。研究团队通过将传统分类网络改造为全卷积形式,并巧妙运用上采样和跳跃连接技术,实现了高效准确的像素级图像理解。这一突破为自动驾驶、医学影像和增强现实等领域带来了革命性变化,奠定了现代计算机视觉的重要基础。