IBM近三年持续做的一件事,就是把大部分客户销售从直接渠道转移到间接渠道。近日,IBM宣布对合作伙伴支持计划进行全面改革,以增加对合作伙伴在资源、激励和支持上的投入,同时简化用于分配这些资源的结构和指标。
这些新推出的IBM Partner Plus计划取代了之前的PartnerWorld计划,面向与IBM合作的所有经销商、超大规模云提供商、独立软件供应商和系统集成商。IBM表示,这个简化了的三层模式包括白银、黄金和白金三个级别,而且网站进行改进之后让合作伙伴可以清楚地了解他们在全球范围内开发技能、确保合同和预订收入方面的进展情况。
IBM自2021年以来面向小型企业的销售一直依赖于合作伙伴生态系统,这项举措旨在扩大IBM可以开拓的市场范围,而无需承担扩大直销队伍的高昂成本。IBM表示,将把面向合作伙伴的品牌专家和技术专家骨干队伍增加一倍,同时让所有合作伙伴免费且全面地获得那些以前仅供IBM员工使用的培训和销售支持资源。
少数大型客户
IBM生态系统总经理Kate Woolley表示,IBM将继续为数百个最大型的客户提供支持,但是“除此之外,我们所有的业务都将通过合作伙伴完成”。“以前我们会覆盖数千个这种客户,现在精简到数百个”。
此举是对很多纯云和软件即服务供应商在通过构建和销售其产品扩展的合作伙伴培养销售方面取得成功的一种认可。IBM没有具体透露该计划对收入的影响,但表示,仅在混合云和人工智能领域就能覆盖1万亿美金的市场机会。
这项新的计划以培训为主,是建立在去年10月IBM宣布的有一项徽章计划基础之上的,后者主要对那些积累了IBM产品经验和销售技巧的合作伙伴。Woolley说:“培训是我们和合作伙伴展开一切合作的核心。”去年IBM把分配给面生态系统计划的资源增加了一倍,并还将2023年继续增加这些投资。
IBM还打算简化合作伙伴激励(例如联合营销资金)结构。Woolley说:“我们已经采取了很多细分措施来降低复杂性,这项新的激励机制将非常容易被人们理解。”
用五分钟就能解释明白的新计划
她说,在设计这项计划的时候,“我向团队提出一项挑战,要求他们必须设计出一个用五分钟就能在白板上解释清楚的计划。”计划中大多数的更改都是基于合作伙伴的反馈,并在12月的时候测试了其中一些细节。她说:“这项新计划对所有类型的合作伙伴都有吸引力,他们将会看到一个简单易懂的、单一透明的计划。”
这次IBM还推出了一个新的需求引擎,其中包含了合作伙伴营销工具包和一个自动化营销平台,与此同时,IBM宣布增加对分销商的营销投资,加强其态系统中潜在客户的共享。这些新的激励措施将从今年4月1日开始实施。
已经注册的PartnerWorld合作伙伴将在7月1日之前保持他们当前的等级,如果满足必要的条件,则可以在此期间的任何时间迁移到新的等级系统中。新的计划仅适用于IBM合作伙伴,不适用于与IBM子公司Red Hat独家合作的合作伙伴(Red Hat拥有自己的合作伙伴网络)。
Partner Plus计划代表了一家公司的文化变革,这家公司凭借其具有标志性的、穿蓝色西装的直销队伍建立了自己的声誉和市场影响力,然而Woolley表示,战略上的变革已经全面传递出去,激励措施已经到位,这么做是为了保持IBM直销团队的积极性。
她说:“他们将通过一项激励计划获得补偿,该计划侧重于他们通过生态系统开展业务。去年1月的时候我们曾明确表示,通过生态系统开展工作是我们的一个重点。”她说,那些希望继续与IBM直销团队合作的客户,这一需求将在可能的情况下得到满足。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。