Oracle的现代供应链体验(MSCE)展会与上周举行,中心主题是Oracle继续强调云解决方案和软件即服务(SaaS)的优势。Oracle在21个月前发布了云解决方案,据Oracle高级副总裁Rick Jewell介绍,现在有18000家客户正在进行云转型之旅。
并非所有的Oracle云产品都具有传统产品的全部功能,但是Oracle正在逐渐接近这一点。在接下来的12个月里,Oracle预计将发布流程制造和项目制造。同时,仓库和运输管理、全球贸易管理和供应链规划也将转移到云端。这些解决方案的销售情况不错,例如,仓库管理系统云解决方案的销售额是去年同期销售额的2.5倍。
Oracle公司首席执行官Mark Hurd指出,向云计算过渡对于价值2000亿美元的系统集成行业来说是一个巨大的麻烦。“他们需要一个新的商业模式,现在的模式是不可持续的。”
Jewell先生在与行业分析师的会议中进一步解释了这一逻辑。系统集成商(SI)的业务发展策略是,去一个公司,跟多个部门谈谈文件要求。但是文件要求和任何系统可以交付的东西之间总是有差距的。这是高成本的定制项目的切入点,耗资巨大的实施,许多升级困难且成本高的关键原因。简而言之,这种商业模式推动了对IT产品总体拥有成本产生不利影响的定制化。
Hurd还会见了行业分析师。并很直率的讲到,“一直以来主导IT想法的是采购”,还有获得低成本解决方案的要求。这导致那些有多个供应商和混合解决方案的企业组织都没有取得成效。大部分IT预算花费在了维护上。“因此,创新能力几乎为零。IT预算里有60%到70%是成本。”这些不仅仅是软件维护成本,而且还需要自己的存储和IT数据中心。另一位高管指出,IT数据中心的建设成本和每年运营成本需要2000万美元和1000万美元。
向云计算的转型,得到了很多IT交易影响者的支持。过去,IT负责人经常拥有交易否决权。但CEO和CFO也越来越懂IT。IT部门经常向首席财务官报告。云也解放了职能领导。但IT安全问题也让CIO夺回了一些权力。
但是,正如Hurd在主题演讲中指出的,企业应该毫不犹豫地转向云解决方案。“我们比任何一家公司都希望成为一家更安全的公司。与世界上几乎任何其他实体相比,Oracle在IT安全方面花费要更多。”
Jewell在与行业分析师的会议上扩展了这个观点。“我们的黑客比其他任何公司都多。”他们不断“攻击我们自己的系统上”,尝试发现弱点。而且,Oracle数据库是加密的,所以如果客户选择保留加密密钥,即使Oracle也不能破译客户的数据。
系统集成商的角色是什么? Jewell认为,他们需要发展成为值得信赖的顾问。系统集成商需要向客户展示系统,并解释如何配置系统以满足其业务。“他们需要转向商业价值咨询的角色。”
Supply Chain Strategy集团副总裁Jon Chorley表示,系统集成商可以扮演另一个重要角色。“他们在帮助客户采用新的增强功能方面可以扮演重要角色,而不是大象狩猎”——也就是专注于大型的、长期的高成本实施——“他们演变成更持续的参与模式。系统集成商更注重客户的商业模式、变更管理,帮助公司了解新技术,如区块链。”
Jewell认同这一观点,而且可能会有更多的持续性参与,其中系统集成商在做较小规模的实施,随后有持续的维护合同。这些系统集成商“在云端进行季度更新和开发测试”。许多客户将不再聘请IT维护人员,内部的IT员工将转而更专注于成为业务流程负责人。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
武汉大学研究团队提出DITING网络小说翻译评估框架,首次系统评估大型语言模型在网络小说翻译方面的表现。该研究构建了六维评估体系和AgentEval多智能体评估方法,发现中国训练的模型在文化理解方面具有优势,DeepSeek-V3表现最佳。研究揭示了AI翻译在文化适应和创意表达方面的挑战,为未来发展指明方向。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
参数实验室等机构联合发布的Dr.LLM技术,通过为大型语言模型配备智能路由器,让AI能根据问题复杂度动态选择计算路径。该系统仅用4000个训练样本和极少参数,就实现了准确率提升3.4%同时节省计算资源的突破,在多个任务上表现出色且具有强泛化能力,为AI效率优化开辟新方向。