企业要有收益,一靠“开源”,二靠“节流”。在开源方面,很多企业一直在尝试并创新业务模式,通过数字化转型以改善企业的运营状况,但落地的过程也许并不如想象中容易,也无法在一朝一夕见效。
“这时候换个角度来看,我们发现在采购环节实现成本和时间的节约,要比提高销售业绩容易得多。”SAP Ariba全球总裁安睿山 (Alex Atzberger)日前在接受采访时表示,“如果在采购环节节约1%的成本,就意味着整个企业的利润将提升10%。”
这正是1996年的Ariba创建时的初衷。然而,经过6年的发展,2012年Ariba Network成了全球最大且覆盖范围最广的采购供应链管理平台。也就是在那一年,SAP收购了Ariba。SAP Ariba是一个端到端的业务,覆盖从寻源到合同的分析、采购、付款等采购流程的所有流程,可以帮助企业在采购环节中节约成本、提高效率、管理供应链。
据SAP Ariba大中华区总经理Gareth Bowen介绍,2016年,Ariba还打造了一个Ariba购物车的手机APP。“用户只需要点几下就可以轻松完成购买,就像在淘宝、天猫上购物一样简单。”他说。同时,他还表示,接下来Ariba还将把系统和微信对接起来,为企业和个人提供更加便捷的体验。
今年年初SAP在中国正式启用了数据中心,将云计算解决方案直接推向中国市场,还与中国电信一起在天津、上海打造了本地的数据中心。借此,Ariba全套的解决也在中国市场上市。
“我们看到现在中国市场呈现出来的是一个完美的机会。一方面,中国已经进入了数字化社会,在数字化转型方面也处于世界领先地位;另一方面,在转型过程中,企业需要节约成本、提升利润、优化运营方式,这给我们带来很大的机会。”安睿山表示,“在提升供应链管理与采购各个环节的效率方面,Ariba都希望能够更好地服务于中国客户。通常企业在使用Ariba的解决方案后,成本可以节约1%-8%,劳动生产率可以提高20%左右。”
这意味着,企业可以雇佣更少的人做更多的事。安睿山举例,某保险公司在使用Ariba解决方案前需要12个人专门做应付账款,现在只需要一个人就可以应对自如。
而就在不久前,联想也刚刚采用了SAP Ariba的采购云服务,并在其全球各业务部门落实了解决方案,量身定制,帮助联想管理成本、降低风险,形成标准化、数字化的采购流程。此外,微软的部分设备制造项目如服务器设备、Xbox游戏类的设备制造都是直接外包给中国大陆企业生产,在整个外包过程中涉及的采购供应链管理,也正是借助Ariba Network来实现。
目前,Ariba Network已帮助全球190个国家和地区的超过290万家企业实现了互联。每年,这些企业在 Ariba Network上达成的交易额达1.3万亿美元。
通过把这些交易中积累的海量数据连接起来,Ariba总结了以下应用场景:一是帮助企业做对标分析,掌握企业与市场趋势的差距,如采购价格、供货率、销售业绩等等,从而及时调整和优化企业运营;二是根据细分行业和产品品类的数据,预测未来的消费趋势,形成行业洞察;三是应用数据形成针对不同供货来源和供应商的洞察,提高透明度,实时掌握整个供应链网络的情况。
在这方面,借助于SAP的整个生态系统和各项创新的技术,Ariba可以利用SAP HANA、SAP Leonardo的技术做数据分析,在为客户提供市场洞察能力方面本身就具有非常大的优势。再加上与 IBM 合作共同开发的认知型采购解决方案,利用 SAP Leonardo、IBM Watson 技术以及 SAP Ariba,进一步将采购数据中的情报与非结构化信息中的预测性洞察结合起来,大大提高了企业对于供应商管理、合同以及采购活动等方面的决策水平。
如今拥有50人团队的Ariba,每年在中国的业务翻番,发展迅猛,已然打造出一张庞大的企业交易网络,未来还会继续保持快速增长。当然,Gareth Bowen也坦言SAP Ariba在中国市场仍然面临一些挑战,比如中国提出的“一带一路”战略。它意味着Ariba需要以更加成熟、合规的技术和方案,满足客户在全球贸易的畅通和业务的扩张。“当然,从另一角度来看,这也是我们的机会。我们将借助我们的优势,帮助更多中国企业走出去,帮助他们把产品更好地融入到国际贸易体系当中,并提升交易流程的效率,使得企业运营更加智能化。”
接下来,Ariba在中国的战略将侧重三点:打造中国本地的数据中心,为企业提供本地化的解决方案;扎根于SAP,充分利用SAP的技术优势,把Ariba的产品优势最大化;建立起本地的生态圈,寻找更多的合作伙伴。
好文章,需要你的鼓励
Intuit在ChatGPT发布后匆忙推出的聊天式AI助手遭遇失败,随后公司进行了为期九个月的战略转型。通过观察客户实际工作流程,发现手动转录发票等重复性劳动,决定用AI智能体自动化这些任务而非强加新的聊天行为。公司建立了三大支柱框架:培养构建者文化、高速迭代替代官僚主义、构建GenOS平台引擎。最终推出的QuickBooks支付智能体让小企业平均提前5天收到款项,每月节省12小时工作时间。
希伯来大学研究团队开发出MV-RAG系统,首次解决了AI在生成稀有物品3D模型时的"胡编乱造"问题。该系统像拥有图像记忆库的艺术家,能先搜索相关真实照片再生成准确3D视图。通过独创的混合训练策略和智能自适应机制,MV-RAG在处理罕见概念时性能显著超越现有方法,为游戏开发、影视制作、虚拟现实等领域提供了强大工具。
马斯克旗下xAI公司发布专为开发者设计的新AI模型grok-code-fast-1,主打快速且经济的推理能力。该模型属于Grok 4系列,具备自主处理任务的能力。xAI声称其在SWE-bench评测中解决了70.8%的实际软件问题,表现优于GPT-5和Claude 4。不过模型存在较高的不诚实率问题。用户可通过GitHub Copilot等平台免费试用7天,需要API密钥访问。
MBZUAI等机构研究团队通过一维细胞自动机实验揭示了AI模型多步推理的关键限制:固定深度模型在单步预测上表现优异,但多步推理能力急剧下降。研究发现增加模型深度比宽度更有效,自适应计算时间、强化学习和思维链训练能突破这些限制。这为开发更强推理能力的AI系统提供了重要指导,强调了真正推理与简单记忆的本质区别。