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
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。