信息技术软件巨头SAP SE近日表示,它将推出一项新的RISE with SAP 迁移和现代化计划,帮助企业将ERP环境迁移到云端,从更快的创新速度和水平中获益。
新计划旨在解决企业在向云端迁移时面临的两个关键问题,即迁移的范围和成本。SAP表示,该计划的好处之一是消除了流程复杂性,以及对定制代码和数据孤岛的需求。
SAP云计算ERP首席营销官 Eric van Rossum表示,很明显,每个企业都需要采取云优先的业务战略。他表示:“对于客户来说,现在开启迁移和现代化之旅比以往任何时候都更加重要,这样他们才能利用最新的云创新的潜能,包括人工智能和可持续发展解决方案。”
三年前宣布的RISE with SAP计划被描述为“业务转型即服务”会帮助客户从将软件视为必须购买才能拥有的东西过渡到软件即服务模式。
该服务与ERP系统的核心功能关系不大,而与ERP即服务(ERP-as-a-service)的关系更大,它捆绑了各种增值服务和功能。
SAP的旗舰ERP产品S/4HANA Cloud只是拼图中的一块,不过是最重要的一块。其主要卖点之一是单一合同的理念,即对SAP的所有软件、服务和基础架构进行统一计费。
该套餐还包括SAP合作伙伴提供的迁移和实施服务,访问SAP Business Network(包括 Ariba、智能业务流程工程服务等)。可以通过SAP自己的云基础架构使用RISE with SAP,它也可以托管在Amazon Web Services、Google Cloud 或 Microsoft Azure 上。
SAP表示,通过新的Rise with SAP迁移和现代化计划,SAP正在帮助客户“为创新做好准备”。当客户将ERP环境迁移到云端,SAP将承担起管理的重任,以确保更定期的更新、卓越的可靠性、安全性和合规性,并简化对其他服务的访问。
无论客户目前在企业内部使用的是SAP S/4HANA 还是 SAP ERP Central Component,该公司都将提供简化过的RISE with SAP迁移路径,管理迁移中的每一个步骤。该公司表示,客户可以选择自助服务或者全面协助服务。
除了上述 RISE with SAP 的优势外,SAP还提供了一系列激励措施,其中包括一项有时间限制的优惠,承诺将迁移成本最多降低50%,并缩短实现价值的时间。该公司表示,从2024年6月份开始,客户可以通过RISE with SAP或GROW with SAP获得云积分,用以抵消维护、云服务和云订阅的成本。该激励措施涵盖S/4HANA云和其他服务,如SAP的人力资源、供应链、客户关系管理、支出管理和业务转型服务。
该公司表示,迁移和现代化过程将是完全透明的,并对客户进行关键里程碑检查,以确保客户的迁移和现代化进程按计划进行。迁移将由SAP专家提供支持,他们会确保从最初的发现阶段到上线的所有工作都正确无误。
最后,SAP为需要更多时间迁移到RISE with SAP的客户提供了一项新的SAP S/4HANA Cloud Safekeeper服务。通过这项新服务,SAP将在客户做好系统升级准备的同时,为客户现有的 ERP 环境提供针对性的维护服务。该公司还为客户的现有系统提供长达两年的业务连续性更新和补丁。
Deutschsprachige SAP Anwendergruppe e.V.是一个代表德国、奥地利和瑞士中心地区SAP用户的行业组织,其董事会成员Christine Grimm表示,今天的公告表明,SAP理解客户在向云迁移时所面临的复杂性。
Grimm表示:“该计划是SAP战略的一部分,旨在为客户提供量身定制的云计算解决方案,更灵活、更多创新,并通过资金支持来降低过渡的难度。”
好文章,需要你的鼓励
来自耶路撒冷希伯来大学的研究团队开发了WHISTRESS,一种创新的无需对齐的句子重音检测方法,能够识别说话者在语音中强调的关键词语。研究者基于Whisper模型增加了重音检测组件,并创建了TINYSTRESS-15K合成数据集用于训练。实验表明,WHISTRESS在多个基准测试中表现优异,甚至展示了强大的零样本泛化能力。这项技术使语音识别系统不仅能理解"说了什么",还能捕捉"如何说"的细微差别,为人机交互带来更自然的体验。
这项研究提出了"力量提示"方法,使视频生成模型能够响应物理力控制信号。研究团队来自布朗大学和谷歌DeepMind,他们通过设计两种力提示——局部点力和全局风力,让模型生成符合物理规律的视频。惊人的是,尽管仅使用约15,000个合成训练样本,模型展现出卓越的泛化能力,能够处理不同材质、几何形状和环境下的力学交互。研究还发现模型具有初步的质量理解能力,相同力量对不同质量物体产生不同影响。这一突破为交互式视频生成和直观世界模型提供了新方向。
北京交通大学与西蒙弗雷泽大学联合研发的混合神经-MPM方法实现了实时交互式流体模拟。该方法巧妙结合神经物理学与传统数值求解器,在低时空分辨率下运行神经网络并设置保障机制自动切换到MPM,显著降低计算延迟同时保持高保真度。团队还设计了基于扩散模型的控制器,支持用户通过简单草图直观控制流体行为,为游戏、VR和设计领域提供了实用解决方案。
这项研究介绍了EgoZero,一种创新的机器人学习系统,能够仅通过Project Aria智能眼镜捕获的人类示范数据,训练出零样本迁移的机器人操作策略。研究团队提出了一种形态无关的状态-动作表示方法,使用点集来统一人类和机器人数据,并开发了从原始视觉输入中提取准确3D表示的技术。在没有任何机器人训练数据的情况下,EgoZero在7种真实世界操作任务上实现了70%的成功率,展示了强大的泛化能力,为解决机器人学习中的数据瓶颈问题提供了新思路。