当前,数字化转型已成为不可挡的全球性数字发展趋势。在“新基建”的驱动下,数字化转型正在加速渗透到企业生产、运营、管理等核心业务流程中,带动整个企业由内而外的价值重构。由此,也带来更为复杂的场景协同、技术协同,对数字新生态提出更高的要求和期待。
自2020年11月成立至今,秉承“能力互补、资源共享、面向客户”的原则,坚持“共享、开放、可持续”的理念,神州数码发起成立的数字中国服务联盟迅速壮大,22家在数字化建设细分领域卓有建树的科技公司已加入其中。
作为数字中国服务联盟的首批发起成员之一,专注于酒店网络管理的岭博科技见证了联盟的成立、建设和发展,在这一过程中,岭博科技CEO郑广辉感触良多:“做联盟很不容易,首先要避免雷区,其次还要避免结构松散、缺乏活力。但是数字中国服务联盟做的特别好,因为神州数码善于大处着眼、小处着手,在服务联盟成员的同时,一直在推动联盟稳步发展。”
创新业务模式,推动生态发展
在数字中国服务联盟第二次理事会上,神州数码集团常务副总裁叶海强提到,数字中国服务联盟将从一站式集中采购、风控等多方面赋能合作伙伴。对于郑广辉来说,这也是推动岭博科技与神州数码合作的重要原因之一。
“一站式集中采购对于岭博科技这样扎根细分领域的公司来讲,意义是很大的,基于此,岭博科技的所有商务和采购只需要对接神州数码,免去了对接多个服务商的繁琐流程,让公司内部的管理流程规范变得更加容易,极大地简化了我们的工作。”郑广辉表示,“但实际上,神州数码在其中做了大量工作,因为要打通自身各个业务部门之间的壁垒,里面又涉及到诸多的流程和管理问题,充分反映了神州数码在业务模式和管理模式上的创新。从这一件事情上来说,神州数码的确是一家面向客户、服务合作伙伴的公司,是一家值得信赖的公司。”
而让郑广辉印象最深刻的一件事,是2020年初新冠肺炎疫情爆发之初,神州数码针对受疫情影响的合作伙伴提供的专项支持政策。“新冠肺炎疫情刚爆发的时候,没有人能够预料即将到来的风险,但是神州数码给合作伙伴提供了最直接的支持。”郑广辉回忆,“我觉得神州数码是一家有温度的公司。”
“当然,这背后所呈现出来的,是神州数码在业务流程、生态合作模式等方面持续的、不拘一格的创新,以及对生态的担当。”郑广辉谈到。
融合业务场景,创造全新商机
在郑广辉看来,数字中国服务联盟的不同之处在于日常的运作和协同非常务实,将细节落在了实处。
首先,“走出去,请进来”就是其中一点,既能让联盟成员相互学习先进的管理经验,也能寻找新的合作机会。“不久前,岭博科技通过数字中国服务联盟的资源协同,与一家从事铁路、航空信息化集成解决方案的公司进行了深入交流。”郑广辉说道,“在交流中我们发现,他们也在针对餐饮业做厨房的监控管理系统,这对于深耕酒店行业的岭博科技有很强的借鉴意义,所以我们在探讨解决方案能否复制到高星级酒店进行落地。”
其次,数字中国服务联盟还整合了联盟成员的技术优势,结合各个成员深耕的行业场景,将产品和解决方案进行深度融合,从而创造新的商机和业务价值。“不久前,我们与神州数码针对中高端酒店数字化转型的需求,共同发布了‘酒店智慧会议室融合网络联合解决方案’,这其实就是神州数码视讯云和岭博科技Smart Meeting融合创新的成果。”郑广辉说道,“另外,我们在交流中也发现,在数据服务领域,神州数码自研的酒店收益管理系统已经有了非常完整的方案和技术能力。这是一块有较高技术壁垒、行业属性非常强的领域,我们正在积极关注下一步的进展,希望能携手神州数码实现该技术在国内的突破。”
“联盟成员有很多优秀的产品和创意,数字中国服务联盟很重要的一个价值就是搭建起了沟通和协同的桥梁,推动了更大的价值创造。”郑广辉谈到。
谈及对数字中国服务联盟未来的期待,郑广辉表示,希望有更多在专业领域持续深耕、有独特技术方案的新伙伴加入,展开更多维度的合作。
随着新基建的深入展开和数字经济的飞速发展,产业、行业融合态势日趋明显。面对客户数字化转型的逐步深入和综合的需求,数字中国服务联盟也将坚持“解决方案共享、技术应用共研、新业务模式拓展”的宗旨,通过聚合数字能力、推动场景融合,赋能合作伙伴数字化转型,并以更加开放的态度迎接新伙伴的加入,携手把握数字经济新机遇,共赢新未来。
好文章,需要你的鼓励
在2025年KubeCon/CloudNativeCon北美大会上,云原生开发社区正努力超越AI炒作,理性应对人工智能带来的风险与机遇。随着开发者和运营人员广泛使用AI工具构建AI驱动的应用功能,平台工程迎来复兴。CNCF推出Kubernetes AI认证合规程序,为AI工作负载在Kubernetes上的部署设定开放标准。会议展示了网络基础设施层优化、AI辅助开发安全性提升以及AI SRE改善可观测性工作流等创新成果。
香港大学研究团队提出LightReasoner框架,通过让小型"业余"模型与大型"专家"模型对比,识别关键推理步骤并转化为训练信号。该方法在数学推理任务上实现28.1%性能提升,同时将训练时间、样本需求和词元使用量分别减少90%、80%和99%,完全无需人工标注。研究颠覆了传统训练思路,证明通过模型间行为差异可以实现高效的自监督学习,为资源受限环境下的AI能力提升提供了新路径。
DeepL作为欧洲AI领域的代表企业,正将业务拓展至翻译之外,推出面向企业的AI代理DeepL Agent。CEO库蒂洛夫斯基认为,虽然在日常翻译场景面临更多竞争,但在关键业务级别的企业翻译需求中,DeepL凭借高精度、质量控制和合规性仍具优势。他对欧盟AI法案表示担忧,认为过度监管可能阻碍创新,使欧洲在全球AI竞争中落后。
马里兰大学研究团队开发了MONKEY适配器,一种无需额外训练的AI绘画控制技术。该方法通过"两步走"策略解决了个性化AI绘画中主体保真与背景控制难以兼得的问题:先让AI识别主体区域生成"透明胶片",再在第二次生成中让主体区域听从参考图片、背景区域听从文字描述。实验证明该方法在保持主体特征和响应文字要求两方面均表现出色,为AI绘画的精细化控制提供了新思路。