IBM公司董事长、首席执行官Arvind Krishna在年度Think大会上透露,最近IBM对合作伙伴计划的投资中,“与生态相关的收入”占比从约15%增加到约40%,未来可能达到约80%。
当被问及IBM对渠道的投资时,Krishna向分析师和记者表示,在这40%中,有大约20%是“完全自主的”,这意味着合作伙伴可以完全自行应对客户而无需IBM的任何帮助。他希望这个数字最终达到50%。
他说:“为了实现这一目标,我们投资于渠道,为什么我们要这么做,为什么我们把服务于渠道的员工人数增加了一倍......他们只服务于渠道,是让渠道实现自主。这是一个长达五年时间的赌注,而不是六个月。我们将坚持到底,最终会实现这个目标。”
IBM首席执行官Krishna谈合作伙伴
Krishna的评论是在Think 2023大会期间发表的,大会本周在美国佛罗里达州奥兰多举行,约有4000名商业和技术领袖参加。
IBM首次举办了Partner Plus Day,约750家合作伙伴参加。Krishna也在周一该活动中发表了讲话。
IBM在全球拥有约55000家渠道合作伙伴,其中有12000家在北美。
在本周二的活动中,Krishna解释说,投资渠道对IBM至关重要。虽然一家厂商也许可以通过直销商面向数千家客户,但这需要大约500000人的销售队伍——更不用说启动和运行产品所需的人力了——最终要面向100000家客户。而且厂商还需要一定的时间才能获得投资回报。
他说:“如果深入这方面,我认为让渠道来做会更好,这是双赢的,这就是我的动力所在。”
Krishna还描述了一种更有针对性的方法,即哪些产品可以获得渠道合作伙伴进入市场所需的资源。例如他说,一种最终只会让少数客户受益的产品,很可能不会引起合作伙伴的兴趣。
“并非我们投资组合中的所有东西对渠道都是有利的,这是我们过去犯过的一个错误。”
他说,目前IBM正在将资源投入到大约15种产品中,这些产品有简单的包装、定价和部署,这些产品将受益于强大的渠道销售活动。
在接受采访时,IBM全球合作伙伴销售副总裁Todd Grube表示,其中一些产品包括:
值得注意的是,其中一些产品是IBM最早在AWS Marketplace上投放的。
Krishna表示,他预计渠道友好型产品的数量“会增长,但不应增加到数百个,因为那太多了。”
Krishna在Partner Plus Day上的发言
Krishna在Partner Plus Day的演讲中,重申了他对渠道的承诺。
他说:“合作伙伴关系的力量对我们来说很重要,你有我们的承诺,我们想让你成功。当你成功的时候,你的客户也会成功,这就是双赢。”
他说,IBM最近计划把PartnerWorld改为Partner Plus,这是“在我的记忆中,我们对合作伙伴计划做出的最大改变”,他作为在IBM工作了30多年的资深人士这样说道。
IBM的目标是成为“最容易合作的合作伙伴”,合作伙伴现在可以获得与IBM员工相同的培训,并且IBM对合作伙伴计划进行了简化。
尽管IBM已经将生态系统相关的收入占比从15%提高到40%,但Krishna称,推动合作伙伴计划的工作是一个“两年的旅程”。
“我们只做到了我们应该做到的一半。......如果我看未来两到五年,我希望我们加倍投入并聚集在一起,我们愿意为此继续投资。我们希望您愿意和我们一道,成为我们值得信赖的合作伙伴,在我们沿着这条道路前进的过程中,将所有这些带给我们的客户。”
好文章,需要你的鼓励
当前企业面临引入AI的机遇与挑战。管理层需要了解机器学习算法基础,包括线性回归、神经网络等核心技术。专家建议从小规模试点开始,优先选择高影响用例,投资数据治理,提升员工技能。对于影子IT现象,应将其视为机会而非问题,建立治理流程将有效工具正式化。成功的AI采用需要明确目标、跨部门协作、变革管理和持续学习社区建设。
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
美国垃圾收集行业2024年创收690亿美元,近18万辆垃圾车每周运营六至七天,每日停靠超千次。设备故障成为行业最大隐性成本,每辆车年均故障费用超5000美元。AI技术通过实时监控传感器数据,能提前数周预测故障,优化零部件库存管理,减少重复维修。车队报告显示,预测性维护每辆车年节省高达2500美元,显著提升运营效率和服务可靠性。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。