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
AI实验室不再与企业签署昂贵的数据合同,而是通过Mercor平台招募前员工获取行业知识。Mercor为投资银行、咨询公司和律所的前员工与OpenAI、Anthropic等AI实验室搭建桥梁,向行业专家支付高达每小时200美元来训练AI模型。该公司年化经常性收入达5亿美元,估值100亿美元,每天向承包商支付超150万美元。
约翰斯·霍普金斯大学研究团队提出了创新的隐私保护AI文本生成方法,通过"控制代码"系统指导AI生成虚假敏感信息来替代真实数据。该方法采用"藏身于众"策略,在医疗法律等敏感领域测试中实现了接近零的隐私泄露率,同时保持了高质量的文本生成效果,为高风险领域的AI应用提供了实用的隐私保护解决方案。
作为AI热潮的最大受益者,英伟达成为首家市值突破5万亿美元里程碑的上市公司。受特朗普总统表示将与习近平主席讨论该公司Blackwell芯片消息推动,公司股价周三上涨超过5.6%。英伟达CEO黄仁勋预计AI芯片销售额将达5000亿美元,并为美国建设七台新超级计算机。该公司还投资10亿美元于诺基亚,用于AI原生5G和6G网络开发。这一里程碑距离突破4万亿美元仅三个月。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。