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
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。