英国政府拥有的塞拉菲尔德有限公司正在考虑是否在SAP供应商延长支持截止日期后继续运行其传统SAP软件系统。该公司负责运营位于西坎布里亚的英国最重要核设施。
塞拉菲尔德有限公司已开始市场调研,计划采购价值高达9000万英镑的技术服务,用于支持其应用程序和基础设施。
塞拉菲尔德核设施概况
塞拉菲尔德原名温斯凯尔,自1950年代以来一直是英国核工业的中心。虽然该站点是多家公司和政府核退役管理局(NDA)的所在地,但塞拉菲尔德有限公司是由NDA控制的英国核退役场地许可公司。
根据已发布的招标文件,计划包括应用管理服务,协议价值估计高达4151万英镑,为期五年(2027年4月至2032年4月),并可选择再延长两年。
文件显示,118个应用程序将纳入该安排,包括塞拉菲尔德的SAP ERP系统。虽然被归类为单一业务应用程序,但该系统包含19个产品和组件,以及HANA和Adaptive Server Enterprise数据库。
SAP系统迁移挑战
相关文件指出,SAP ERP系统将占应用管理工作的"重要比例"。塞拉菲尔德表示,它依赖基于ECC6 Business Suite的本地系统,这是SAP于2005年首次推出的传统ERP系统。该组织还使用SAP SaaS服务处理人力资源、学习和费用管理。
该机构表示,由于SAP最新软件的升级"仅对拥有云端SAP合同的客户开放",它计划在2027年至2030年间采用"分阶段过渡方法"迁移到"完全基于云端的ERP解决方案"。
塞拉菲尔德表示:"我们目前尚未确定确切的实施/迁移顺序或精确时间表。我们预计本地SAP解决方案的支持将需要持续到2030年12月。在进行本地解决方案的受控退役期间,2030年后可能仍需要支持。"
支持期限与未来规划
SAP明确表示,ECC的主流支持将在2027年底结束,而延长支持(需额外支付2%的费用)将持续到2030年底。签署SAP特殊商业安排以迁移到云端的用户可能在完成迁移期间获得2030年后的支持延期。
2030年后还有第三方支持的选择,但德语用户组DSAG最近表示,这相当于决定放弃SAP,因为这意味着失去许可折扣。
该组织表示,到2030年12月将完全迁移到基于云端的ERP解决方案,移除本地SAP解决方案和当前对SAP的支持需求。
塞拉菲尔德表示将"并行"启动专门的ERP云实施和支持合作伙伴的单独采购,该合同可能与新的应用支持合同"同时运行"。
文件显示:"2030年后,我们预计在运营完全云能力时,替代ERP解决方案将需要新的支持模式。我们预计将进行自制与购买的评估,以确定潜在未来采购的范围,注意到ERP将提供托管云服务。"
观察人士可能会对塞拉菲尔德的时间表感到担忧。尽管距离SAP停止ECC支持还有五年时间,但该公司尚未开始为寻找应用迁移合作伙伴的采购流程。
今年6月,议会支出监督机构公共账目委员会表示:"塞拉菲尔德有限公司在交付重大项目方面的表现历来非常糟糕,成本大幅增加和延期过于频繁。虽然有改善迹象,但考虑到塞拉菲尔德的历史记录,我们尚未完全相信这不是另一个虚假的曙光。"
Q&A
Q1:塞拉菲尔德有限公司为什么要更换SAP系统?
A:因为SAP将在2027年底停止对ECC系统的主流支持,延长支持也只到2030年底。由于SAP最新软件升级仅对云端合同客户开放,塞拉菲尔德计划在2027年至2030年间分阶段迁移到完全基于云端的ERP解决方案。
Q2:塞拉菲尔德的系统迁移计划面临什么挑战?
A:主要挑战包括时间紧迫和历史记录不佳。距离SAP停止支持还有五年,但公司尚未开始寻找迁移合作伙伴的采购流程。议会监督机构指出,该公司在重大项目交付方面历来表现糟糕,经常出现成本增加和延期问题。
Q3:这次系统升级将花费多少钱?
A:塞拉菲尔德计划采购价值高达9000万英镑的技术服务。其中应用管理服务协议价值估计高达4151万英镑,为期五年(2027年4月至2032年4月),并可选择再延长两年。SAP ERP系统将占应用管理工作的重要比例。
好文章,需要你的鼓励
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
微软正式确认配置管理器将转为年度发布模式,并将Intune作为主要创新重点。该变化将于2026年秋季生效,在此之前还有几个版本发布。微软表示此举是为了与Windows客户端安全和稳定性节奏保持一致,优先确保安全可靠的用户体验。配置管理器将专注于安全性、稳定性和长期支持,而所有新功能创新都将在云端的Intune中进行。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。