ZD至顶网软件频道消息(文/邹大斌): 传统软件向云端迁移已经是一个不可逆的大势,SAP今天的行动对此做出了最好的注脚。作为传统软件ERP的龙头企业,SAP正坚定不移地走在向云转型的道路上。根据SAP不久前公布的2016年的财报,2016年SAP销售总收入为220.6亿欧元(237.4亿美元),比2015年的207.9亿欧元(223.2亿美元)增长6%。年度税后利润为36.2亿欧元(38.9亿美元),比2015年为30.6亿欧元(32.9亿美元)增长18%。
SAP这一业绩的最大功臣除了HANA之外,就是“云”了。今天,云成为继HANA之后,SAP新的业务增长引擎。财报显示,2016年云服务和支持收入增长31%,达到29.9亿欧元(32.1亿美元)。SAP自己预计,2017年云服务和支持收入将增长34%,达到38亿至40亿欧元。到2020年,公司预计收入将达到80亿至85亿欧元。显然,对于SAP而言,向云转型早就不是口号,而是实际行动,而且是收获满满的实际行动。
SAP大中华区总裁纪秉盟
“我们坚信云是未来唯一的发展方向。因为我们看到以云的方式部署可以极大地缩短产品所带来价值的,能够极大地加快需要完成的工作和完成的速度;我们还知道,客户真正想买的不只是一个软件,而是希望得到软件带来的实实在在的结果和好处。”SAP全球高级副总裁、SAP大中华区总裁纪秉盟(Mark Gibbs)在2月8日举行的SAP新春媒体沟通会上表示。
本次媒体沟通会以“转型云端 创新未来”为主题。会上,纪秉盟宣布SAP自己的数据中心已经在中国启用,同时SAP的4项云服务将登陆中国。这四款基于云的解决方案,包括SAP Ariba、SAP Hybris Cloud for Customer、SAP Business ByDesign以及 SAP Cloud Platform。
其中,Ariba 是一个帮助企业开展B2B交易的互动平台,在这里采购商能够管理整个采购流程,供应商能够与可带来盈利的客户建立联系;Hybris Cloud for Customer是一个客户关系管理 (CRM) 的云解决方案,它整合了市场营销、销售、商务、客户服务和社交CRM 等功能,能够帮助客户与他们的客户开展卓有成效的个性化营销;Business ByDesign ( ByD)是一套完整的面向中小企业的云端解决方案,包括优化财务流程、人力资源管理、项目管理、智能采购支持、客户关系管理、供应链管理等;Cloud Platform是一款开放式的平台即服务产品,可以提供独特的内存数据库和应用服务。
此前的2014年,SAP与中国电信旗下的中国通信服务股份有限公司共同推出了SuccessFators,2016年还SAP与与阿里云建立的战略联盟。看得出,SAP在中国市场的向云转型是稳健和踏实的,而SAP的业绩也说明了这一点。纪秉盟介绍,过去的2016年SAP的云业务在中国视察获得了3位数以上的增长。
实际上,不止是云业务,SAP大中华区2016年交出的是一份历史最佳业绩,业绩再创新高。除了云业务三位数的增长之外,其核心软件业务也成两位数的增长势态。这是 SAP 在大中华区连续第三年取得强劲的业务增长。这份靓丽的业绩也让SAP大中华区荣获SAP“2016全球最佳大区奖”。
谈到2017年的市场战略,纪秉盟透露,今年SAP会特重点关注两个核心领域,一个是云,另一个就是中国企业的数字化转型。基于此,今年SAP有以下三个战略重点:第一是要赢得更多中小企业客户,这很大程度上依赖第二个战略重点来支持和互补;第二个战略重点是加速云端之旅;第三个战略重点是进一步扩展我们的生态系统。
“SAP作为一家国际性的公司存在已经有45年的历史了,在中国的业务也已经有了22年的历史。SAP对于中国市场发展的战略是长期的、稳定的。我们也有很强的能力帮助中国公司走上和走好数字化转型之路。”纪秉盟说。
好文章,需要你的鼓励
阿布扎比科技创新研究院团队首次发现大语言模型生成的JavaScript代码具有独特"指纹"特征,开发出能够准确识别代码AI来源的系统。研究创建了包含25万代码样本的大规模数据集,涵盖20个不同AI模型,识别准确率在5类任务中达到95.8%,即使代码经过混淆处理仍保持85%以上准确率,为网络安全、教育评估和软件取证提供重要技术支持。
国际能源署发布的2025年世界能源展望报告显示,全球AI竞赛推动创纪录的石油、天然气、煤炭和核能消耗,加剧地缘政治紧张局势和气候危机。数据中心用电量预计到2035年将增长三倍,全球数据中心投资预计2025年达5800亿美元,超过全球石油供应投资的5400亿美元。报告呼吁采取新方法实现2050年净零排放目标。
斯坦福大学研究团队首次系统比较了人类与AI在文本理解任务中的表现。通过HUME评估框架测试16个任务发现:人类平均77.6%,最佳AI为80.1%,排名第4。人类在非英语文化理解任务中显著优于AI,而AI在信息处理任务中更出色。研究揭示了当前AI评估体系的缺陷,指出AI的高分往往出现在任务标准模糊的情况下。