IBM公司董事长、首席执行官Arvind Krishna在年度Think大会上透露,最近IBM对合作伙伴计划的投资中,“与生态相关的收入”占比从约15%增加到约40%,未来可能达到约80%。
当被问及IBM对渠道的投资时,Krishna向分析师和记者表示,在这40%中,有大约20%是“完全自主的”,这意味着合作伙伴可以完全自行应对客户而无需IBM的任何帮助。他希望这个数字最终达到50%。
他说:“为了实现这一目标,我们投资于渠道,为什么我们要这么做,为什么我们把服务于渠道的员工人数增加了一倍......他们只服务于渠道,是让渠道实现自主。这是一个长达五年时间的赌注,而不是六个月。我们将坚持到底,最终会实现这个目标。”
IBM首席执行官Krishna谈合作伙伴
Krishna的评论是在Think 2023大会期间发表的,大会本周在美国佛罗里达州奥兰多举行,约有4000名商业和技术领袖参加。
IBM首次举办了Partner Plus Day,约750家合作伙伴参加。Krishna也在周一该活动中发表了讲话。
IBM在全球拥有约55000家渠道合作伙伴,其中有12000家在北美。
在本周二的活动中,Krishna解释说,投资渠道对IBM至关重要。虽然一家厂商也许可以通过直销商面向数千家客户,但这需要大约500000人的销售队伍——更不用说启动和运行产品所需的人力了——最终要面向100000家客户。而且厂商还需要一定的时间才能获得投资回报。
他说:“如果深入这方面,我认为让渠道来做会更好,这是双赢的,这就是我的动力所在。”
Krishna还描述了一种更有针对性的方法,即哪些产品可以获得渠道合作伙伴进入市场所需的资源。例如他说,一种最终只会让少数客户受益的产品,很可能不会引起合作伙伴的兴趣。
“并非我们投资组合中的所有东西对渠道都是有利的,这是我们过去犯过的一个错误。”
他说,目前IBM正在将资源投入到大约15种产品中,这些产品有简单的包装、定价和部署,这些产品将受益于强大的渠道销售活动。
在接受采访时,IBM全球合作伙伴销售副总裁Todd Grube表示,其中一些产品包括:
值得注意的是,其中一些产品是IBM最早在AWS Marketplace上投放的。
Krishna表示,他预计渠道友好型产品的数量“会增长,但不应增加到数百个,因为那太多了。”
Krishna在Partner Plus Day上的发言
Krishna在Partner Plus Day的演讲中,重申了他对渠道的承诺。
他说:“合作伙伴关系的力量对我们来说很重要,你有我们的承诺,我们想让你成功。当你成功的时候,你的客户也会成功,这就是双赢。”
他说,IBM最近计划把PartnerWorld改为Partner Plus,这是“在我的记忆中,我们对合作伙伴计划做出的最大改变”,他作为在IBM工作了30多年的资深人士这样说道。
IBM的目标是成为“最容易合作的合作伙伴”,合作伙伴现在可以获得与IBM员工相同的培训,并且IBM对合作伙伴计划进行了简化。
尽管IBM已经将生态系统相关的收入占比从15%提高到40%,但Krishna称,推动合作伙伴计划的工作是一个“两年的旅程”。
“我们只做到了我们应该做到的一半。......如果我看未来两到五年,我希望我们加倍投入并聚集在一起,我们愿意为此继续投资。我们希望您愿意和我们一道,成为我们值得信赖的合作伙伴,在我们沿着这条道路前进的过程中,将所有这些带给我们的客户。”
好文章,需要你的鼓励
韩国科学技术院研究团队提出"分叉-合并解码"方法,无需额外训练即可改善音视频大语言模型的多模态理解能力。通过先独立处理音频和视频(分叉阶段),再融合结果(合并阶段),该方法有效缓解了模型过度依赖单一模态的问题,在AVQA、MUSIC-AVQA和AVHBench三个基准测试中均取得显著性能提升,特别是在需要平衡音视频理解的任务上表现突出。
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。