在商业应用巨头 SAP 重新发布 Business Suite 并扩展与 Databricks 合作关系后,SAP 用户要求公司提供透明的折扣和商业安排。
根据"Business Unleashed"战略,SAP 本周宣布将 Business Suite 重新打造为一套"真正模块化、可组合的"云应用程序。通过与分析和机器学习平台提供商 Databricks 的合作,SAP 还推出了一套覆盖财务、采购和人力资源等所有业务流程的托管分析产品,实现了与 SAP 应用程序数据的集成。
德语用户组 DSAG (代表德国、奥地利和瑞士的 SAP 客户) 对 Business Suite 的重新发布表示欢迎,但呼吁根据客户选择购买的模块数量建立透明的折扣体系。
这个名字对长期的 SAP 客户和合作伙伴来说并不陌生。例如,SAP Business Suite 7 于 2006 年推出,包含 ERP 应用程序 ECC6。该供应商计划在 2027 年后终止主流支持,并在 2030 年后终止扩展支持。
美洲首席营收官 Jan Gilg 本周在接受记者采访时表示:"你可能还记得 20 年前我们在本地部署环境中就有 SAP Business Suite。现在我们推出的 SAP Business Suite 是一个真正模块化、可组合的云套件。"
"在过去几年中,我们整合了各种应用程序——其中一些是通过收购获得的——这些应用程序带有不同的技术栈。我们投入了大量精力不仅整合业务流程,还统一了数据模型。现在,例如 S/4HANA (ERP 系统) 中的成本中心与 Concur (费用管理软件) 中的成本中心是相同的。这些解决方案可以无缝对话,并且在用户体验集成、联合配置等技术特性方面也是如此。"
DSAG 销售、生产和物流董事会成员 Thomas Henzler 表示,客户以前并不总能从单一来源购买 SAP 的所有产品中受益,他将此描述为一个主要缺点。
"这往往意味着在招标中也会购买其他制造商的解决方案。客户总是必须与 SAP 就客户体验或采购解决方案等进行单独谈判。"
"客户从 SAP 购买所有产品实际能获得什么商业优势缺乏透明度。此外,过去的购买通常不会在新交易的折扣中被考虑在内。"
他对产品整合的举措表示欢迎,但表示 SAP 也应该解决商业透明度的问题。
"就像保险单一样,客户应该从购买多个 SAP 产品中受益。应该有相应的折扣标准,明确显示购买了多少 SAP 解决方案可以获得什么折扣,"Henzler 说。
在与 Databricks 合作的数据平台(正式名称为 SAP Business Data Cloud)中,SAP 旨在提供"洞察力应用",这些应用使用分析工具和 AI 模型连接应用程序的实时数据,为各种业务活动提供洞察和规划能力。
DSAG 首席技术官 Sebastian Westphal 表示:"实施现在将取决于 SAP 将提供哪些洞察力应用、何时提供以及在什么条件下提供,例如,带来什么附加值,成本如何,有什么要求。合同和运营复杂性目前还无法预见。我们期望能够提供详细信息,并且必须明确系统访问权限——特别是在 SAP 在此承担运营责任的情况下。"
该套件将支持 SAP Business Data Cloud 与第三方数据平台之间的双向数据共享,但"初期交付"仅支持 Databricks 的 Delta Lake 开放表格式。
包括 AWS、Google、Snowflake 和 Cloudera 在内的其他供应商都更倾向于源自 Netflix 的竞争对手表格式 Iceberg,这些供应商都拥有广泛的数据和分析产品组合。
SAP 在一份声明中表示:"随着时间推移,我们计划支持更多的数据平台和表格式。"
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。