至顶网软件频道消息: 微软正在扩大与德国企业软件巨头SAP的长期合作伙伴关系。微软本周二宣布,计划让SAP的云和企业资源规划软件运行在微软Azure云上,试图从本周开幕的AWS云大会上抢走一些风头。
微软和SAP表示,将会联合为使用这个集成产品的客户提供技术支持。两家公司还将共同展开营销推广。此外,双方将开始在内部使用彼此的软件。
在这次合作的细节中可以看到,微软Azure上将支持SAP HANA Eneterprise Cloud,这意味着SAP S/4HANA现在可以直接运行的Azure上。SAP的S/4HANA服务是一个面向大型企业的ERP系统,用于支持金融、销售、人力资源、采购和制造供应链追踪等活动。
据双方称,客户将能够从“两全其美”中获益:利用Azure的可信云服务与SAP的应用管理和产品专业经验相结合。目前包括可口可乐和Costco在内的一些大客户都表示,微软与SAP扩大合作关系将有助于提升他们自己的云战略。
这一合作伙伴关系是两大软件巨头之间多年合作的成果,多年来双方一直致力于让SAP的软件和服务运行在Azure上。的确,微软早在2014年就宣布,将在自己的云上认证SAP的一些核心业务应用。
今年SAP表示,它的客户将会在AWS、Azure以及Google Cloud Platform上运行自己的软件作为预览。在公布这一消息的时候,微软表示已经在与SAP合作,让Azure成为围绕S/4HANA构建的私有管理云服务——SAP HANA Enterprise Cloud——的部署选项之一。
Constellation Research首席分析师、副总裁Holger Mueller在一篇分析这次合作的博客文章中写到:“这是一次本就应该发生的合作伙伴关系,问题是为什么用了这么长时间才发生?”
Mueller表示,这次合作伙伴关系对于客户来说也是一大利好。他解释说,有了迁移到Azure的路径,SAP花费在HANA Enterprise Cloud上的资金就可以减少一些,这部分资金可以用于研发中。不过他提醒说,微软和SAP仍然需要展示他们可以提供客户价值和成功。
“如果一切顺利的话,这意味着客户在运行S/4HANA上的花费会减少,而由一个以基础设施管理为生的厂商来运营,”Mueller表示。
微软的FAQ页面显示,目前使用SAP软件的企业组织可以将他们的许可迁移到Azure。如果客户选择在Azure基础设施上运行SAP,那么他们可以根据虚拟机时间以及他们使用的其他Azure服务付费。
两家厂商还表示,他们自己也会使用彼此的产品。微软表示,将利用SAP S/4HANA on Azure来追踪内部财务情况,SAP同样也会用于自己的运用中。此外SAP表示,将把12个或者更多“业务关键系统”迁移到Azure。双方表示,计划对这些内部项目进行记录,以便为那些希望在Azure上进行类似SAP应用部署的客户提供指导。
与此同时微软表示,还计划“把SAP S/4HANA连接到Azure AI和分析服务”,以推动更加高效的财务报告。
微软首席执行官Satya Nadella表示:“随着技术变革了每个企业和每个行业,企业组织将寻找合适的平台和可信的合作伙伴来帮助加快数字化转型。基于我们双方长期的合作,微软和SAP将利用彼此的产品,不仅是为我们自己内部组织提供支持,而且让我们的企业客户也能够使用SAP S/4HANA on Azure运行他们最关键的应用和工作负载。”
好文章,需要你的鼓励
法国人工智能公司Mistral AI宣布完成17亿欧元(约20亿美元)C轮融资,由荷兰半导体设备制造商ASML领投。此轮融资使Mistral估值从去年的60亿美元翻倍至137亿美元。英伟达、DST Global等知名投资机构参投。作为欧洲领先的AI开发商,Mistral凭借先进的多语言大模型与OpenAI等美国公司竞争,其聊天机器人Le Chat具备语音模式等功能。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
VAST Data收购了成立仅数月的初创公司Red Stapler,该公司由NetApp资深团队创立。Red Stapler创始人兼CEO Jonsi Stefansson将担任VAST云解决方案总经理,负责超大规模云战略。Red Stapler拥有6名开发人员,开发了跨SaaS交付、API集成、监控等功能的云控制平面和服务交付平台,将加速VAST AI OS在超大规模和多云环境中的部署,深化与全球领先超大规模云服务商的合作关系。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。