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
Allen AI研究所联合多家顶尖机构推出SAGE智能视频分析系统,首次实现类人化的"任意时长推理"能力。该系统能根据问题复杂程度灵活调整分析策略,配备六种智能工具进行协同分析,在处理10分钟以上视频时准确率提升8.2%。研究团队创建了包含1744个真实娱乐视频问题的SAGE-Bench评估平台,并采用创新的AI生成训练数据方法,为视频AI技术的实际应用开辟了新路径。
联想推出新一代NVMe存储解决方案DE6600系列,包含全闪存DE6600F和混合存储DE6600H两款型号。该系列产品延迟低于100微秒,支持多种连接协议,2U机架可容纳24块NVMe驱动器。容量可从367TB扩展至1.798PiB全闪存或7.741PiB混合配置,适用于AI、高性能计算、实时分析等场景,并配备双活控制器和XClarity统一管理平台。
中科院团队首次系统评估了AI视觉模型在文本压缩环境下的理解能力,发现虽然AI能准确识别压缩图像中的文字,但在理解深层含义、建立关联推理方面表现不佳。研究通过VTCBench测试系统揭示了AI存在"位置偏差"等问题,为视觉文本压缩技术的改进指明方向。