春节后不久,SAP举办了新春媒体沟通会,对2020年SAP大中华区的业务进行了总结,同时,对SAP今年在中国的市场战略和业务重点进行了介绍。SAP全球执行副总裁、大中华区总裁纪秉盟(Mark Gibbs)表示,SAP在中国的发展目标是成为中国最以客户为中心、最具协作精神的企业级云公司。会上,SAP还宣布SAP S/4 HANA Cloud(私有云版本)在华落地。2月初SAP刚刚在全球发布了备受业内关注的RISE with SAP服务,因此本沟通会上RISE with SAP自然也成了重点讨论话题。
纪秉盟说,2020 年是不平凡的一年, 2020年第一季度SAP在中国市场的业务受到了影响,但随着中国迅速走出了疫情的阴霾,SAP的业务从第二季度也开始迅速恢复。到第四季度,SAP S/4 HANA Cloud(ERP云)业务表现强劲,实现了三位数的增长。另外,2020 年SAP Cloud Platform(云平台)业务也取得了三位数增长。过去的一年,SAP还在中国市场推出了多款新的云解决方案。
站在2021年的开端,纪秉盟表示,SAP在中国的发展策略非常明确,就是成为中国最以客户为中心、最具协作精神的企业级云公司。其中,RISE with SAP是2021年SAP中国策略中的重中之重。
“RISE with SAP策略可以帮助客户提高业务的效率、灵活性,帮助客户提升业务创新层面迭代的速度和频率,更好地让客户成为智慧企业。” 纪秉盟表示。
他说,企业上云已是势在必行,迁移到云端会让企业受益颇多:安全性、灵活性、可靠性、总体拥有成本低,快速创新,以及企业在内部、与合作伙伴、与客户轻松共享数据的能力。但是,向云端迁移并不总是一帆风顺。而RISE with SAP 提供了一条灵活、安全的云迁移之路。纪秉盟分享了SAP建议的企业上云路径:
首先是使用业务流程智能化工具,如 通过SAP Readiness Check 和代码分析工具了解客户的流程运行情况,提供定制化建议,并对标行业基准。
第二是技术迁移。SAP 会利用先进的工具和服务,支持整个端到端迁移之旅,同时,SAP 强大的合作伙伴生态体系也会随时提供支持。
第三是构建智慧企业。客户可以自行选择云基础架构和运维系统,避免出现数据和系统锁定。
第四是引入 SAP Business Technology Platform (业务技术平台)。这一步非常重要,因为借助这个平台,客户可以轻松集成任何其他 SAP、合作伙伴或第三方解决方案,使用与 SAP 应用相同的数据模型和业务服务。接着是帮助客户接入世界最大的商业网络,涵盖SAP 的供应商、物流和资产智能网络,显著加强跨企业的互联和协作。
最后,是帮助客户在整个企业范围内部署 SAP 的旗舰产品S/4 HANA Cloud数字化核心,使其具备实时性、敏捷性和快速响应能力,并帮助客户采用统一的数据模型,S/4HANA 将充分释放智慧企业的潜能。
为了让RISE with SAP在中国顺利落地,纪秉盟表示SAP要重点做好以下工作:
第一,在中国市场加强与合作伙伴的协作关系,为客户提供更多元化、更全面的云解决方案。云解决方案更具有创新性、灵活性、安全性、可扩展性以及便于实施的优势。
第二,在中国加速和深入创新投入,尤其是聚焦于在本地化创新方面,更好地满足中国市场和中国客户的需求,以及与重要策略性客户进行合作创新。
第三,更好地优化和整合SAP自己的团队,凝聚内部力量,把内部所有面向客户的各个组织结构全部都拧成一股绳,为客户提供更优质更有效的服务。
“2020年是SAP中国成立 25 周年。虽然经历了诸多变迁,但SAP的价值观、专长以及我们对客户成功的关注始终如一。 几年,我们将在中国推出‘以云为先’和‘客户至上’的全新举措。我们比以往任何时候都更具活力和协作精神。我们对中国的承诺也始终如一,即:在中国,为中国。”纪秉盟最后表示。
好文章,需要你的鼓励
这项研究针对现代文档检索系统中的关键缺陷:独立处理文档片段导致丢失上下文信息。研究团队开发了ConTEB基准测试来评估模型利用文档级上下文的能力,并提出了InSeNT方法,结合后期分块和创新的对比学习策略。实验表明,上下文感知嵌入显著提升检索性能,尤其在处理非自包含文本片段时,同时保持计算效率,对分块策略更具鲁棒性,并且在语料库规模扩大时表现更佳。这一研究为更智能的文档检索系统铺平了道路。
这项由布朗大学和Cohere实验室研究者联合进行的研究全面分析了大型语言模型(LLM)安全研究中的语言不平等现象。通过系统回顾近300篇2020-2024年间的安全相关论文,研究发现LLM安全研究严重偏向英语,即使中文这样的高资源语言也仅获得英语十分之一的研究关注,且这一差距正在扩大。研究还揭示非英语语言很少作为独立研究对象,且英语安全研究常忽略语言覆盖文档化。为解决这一问题,研究者提出了三个未来方向:开发文化敏感的评估基准、创建多语言安全训练数据,以及深入理解跨语言安全泛化挑战。
这项研究提出了ChARM,一种创新的角色扮演AI奖励建模框架,通过行为自适应边界和自我进化策略大幅提升AI角色的真实性和一致性。研究团队创建了包含1,108个角色的RoleplayPref数据集,实验表明ChARM比传统模型提高了13%的偏好排名准确率,应用于DPO技术后在多项基准测试中达到了领先水平。这一突破将为娱乐、教育和心理健康支持等领域带来更加自然、个性化的AI互动体验。
这篇研究重新审视了循环神经网络中的双线性状态转换机制,挑战了传统观点。高通AI研究团队证明,隐藏单元不仅是被动记忆存储,更是网络计算的积极参与者。研究建立了一个从实数对角线到完全双线性的模型层级,对应不同复杂度的状态跟踪任务。实验表明,双线性RNN能有效学习各种状态跟踪任务,甚至只需极少量训练数据。研究还发现,纯乘法交互比加法交互更有利于状态跟踪,为循环网络设计提供了新视角。