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
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
麻省理工学院研究发现过度依赖AI会导致认知债务,削弱基本思维能力。研究表明交替进行无辅助思考和AI支持工作的模式能保持认知敏锐度。这种认知高强度间歇训练模仿体能训练中的HIIT模式,通过短时间高强度思考与恢复期交替进行,可以强化大脑神经回路,防止认知衰退,提升独立思考能力。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。