至顶网软件频道消息:
微软针对中小型企业(SMB)的“Tenerife”ERP服务敲定了正式名称和发布日期。 Dynamics 365 Business Central (Dynamics 365商业中心)将于4月2日开始推出。

除了上述基本信息外,微软尚未透露更多有关Business Central的信息。笔者曾询问过定价、迁移和其他信息,但未收到回应。
微软Business Central网站日前发布了有关信息。网站列出了Tenerife服务的两个版本:Essentials(基本版)单用户每月70美元,Premium(高级版)单用户每月100美元。
业界一段时间来对商业中心/ Tenerife已有所了解,微软和其他方也开始给出了一些具体细节,但软件即服务产品Business Central的细节仍颇为模糊,有些细节还相互冲突。
Dynamics软件和服务其实就是ERP / CRM,但微软官员不愿意在讨论他们的Dynamics产品时使用ERP / CRM的字眼。
Business Central的根是Dynamics NAV ERP平台。2016年时微软官员曾谈起“Madiera项目”, 微软官员将其描述成在NAV平台上构建的软件即服务新产品。当时首次推出的名字是商业版Dynamics 365 Financials。
去年,微软官员决定废除Dynamics产品系列中的企业/商业版之间的区别,而是不管任何规模的客户都用CRM / ERP模块取而代之。同时,微软仍在持续更新原来的NAV、Great Plains和AXE ERP内部产品。
Business Central的最简单形式其实就是云NAV,由微软托管,合作伙伴管销售。微软从去年12月开始推出旗下最新的本地NAV版本 Dynamics NAV 2018。
微软将NAV 2018与Office 365、Dynamics for Sales、Cognitive Services(针对库存项目、联系人等的图像识别)、Power BI和Flow等整合在一起并在推广时将其作为主要卖点。Business Central和这个最新版本的NAV在很大程度上共享了相同的代码基础。
据笔者所知,一般认为Business Central就是商业版Dynamics 365 Finance 和Operations的替代品。据MSDynamicsWorld.com的资料,Business Central将提供三种版本:基本版、高级版和团队成员版。
中小企业金融/运营领域仍有容纳更多竞争对手的空间,特别是以云为中心的竞争对手。
企业应用咨询公司主管Joshua Greenbaum表示,“一个比较小众的市场是'Quickbooks之后我们做什么? “该市场一直都还有相当的规模,而且,这些公司都渴望能够以合理的理由(成本、安全性、现代化、新用户体验)转向云。”
Greenbaum 表示,“Business Central有一些有意思的竞争对手,诸如Acumatica(一些前软件人士、首席执行官Jon Roskill和董事会成员Kirill Tatarinov的本部)的公司正在利用云ERP应对该市场。Salesforce.com生态系统中的Rootstock也是这样的公司。很明显,Business Central及类似的公司也在寻找为Netsuite起始市场提供服务的机会,很多人认为该市场目前处广泛开放状态。“
Greenbaum补充表示,微软面临的最大挑战和任务之一是就旗下Dynamics 365计划和策略改善与客户、合作伙伴和分析师/记者社区的沟通方式。笔者十分同意这一点。
在本文完稿前,微软发言人就关于Business Central的几个问题给出了答案:
微软多久更新Business Central一次?用户是否必须立即进行所有的更新?
答:微软计划每个月进行一次小更新,每六个月进行一次大更新。
相同的 NAV 2018的插件/自定义功能是否也适用于Business Central?
答:基于自定义的扩展及为NAV解决方案构建的扩展直接适用于Business Central。这个是NAV的发展,并非完全不同的平台。
Business Central是否使用/依赖通用数据服务(Common Data Service)?Business Central是否使用/依赖微软 Graph呢?
答:Business Central会把数据写入通用数据服务。Dynamics 365将使用通用数据服务API的数据,微软 365服务的数据将使用微软Graph API的数据。这两个API将共存。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。