Kissflow 在低代码市场找到自己的位置
据 Kissflow 东南亚区副总裁 Rakesh Nandakumar 表示,低代码工具市场正迎来复兴。他指出,市场上众多供应商现正通过将人工智能 ( AI ) 能力融入他们的产品中来争夺关注度。
在激烈竞争中,Nandakumar 表示 Kissflow 通过定位自身为一个包容性平台,致力于满足组织全方位的自动化及应用开发需求,从而在市场中找到了自己的位置。
“ Kissflow 是为数不多的低代码平台,既能供业务用户用来自行开发自动化流程,也可供 IT 团队构建应用程序,”他说,并举例说明,业务团队可以利用 Kissflow 自动化处理采购订单,而无需依靠复杂系统。“市场上能做到这一点的参与者寥寥无几,这正是我们的最大优势。”
更为重要的是,Nandakumar 表示 Kissflow 平台能够根据企业需求进行扩展。“今天你构建的流程,明天可能就会变成一个应用程序,”他补充道,并强调普通用户开发的应用程序能够由 IT 部门进行治理和监控,确保合规,并避免“暗影 IT”的风险。
企业还可以利用 Kissflow 的集成功能,通过一个集成框架将工作流程与现有系统连接起来。“这可能是一连串需要启动的动作,”Nandakumar 说明道,他以一个例子说明:一个采购订单审批触发了企业资源计划 ( ERP ) 系统的更新,随后发送电子邮件给供应商。他补充道,凭借大约 80 个预建连接器及创建自定义连接器的能力,Kissflow 能确保新应用嵌入到组织更广泛的生态系统中。
虽然 Kissflow 已在银行、能源、制造和零售等行业中找到了“非常强烈的需求”,并赋能公民开发者,但 Nandakumar 表示,其目标并非取代 ERP 等核心业务应用。相反,它着眼于解决现成软件无法覆盖的组织“长尾”需求,而传统的替代方案通常是编写定制代码或干脆让问题悬而未决。
这一战略在东南亚市场引起共鸣,过去四年中 Kissflow 的收入实现翻倍增长。公司的增长主要得益于菲律宾、泰国和印度尼西亚市场的需求,Nandakumar 指出这些市场存在“巨大的技术赤字”,对公民开发持较为开放的态度。
为支持在该地区的扩展,Kissflow 已在菲律宾、马来西亚和泰国建立了团队。同时,公司还构建了一个覆盖整个东南亚,专注于办公环境现代化和数字化转型的合作伙伴网络。作为一款云原生平台且托管在 Google Cloud、Microsoft Azure 和 Amazon Web Services 等主要超大规模云平台上,Kissflow 亦能满足客户在具备相应基础设施国家内的数据托管需求。
Kissflow 在该地区的市场策略特意采取自上而下的方法,主要针对负责组织数字化转型的 IT 高管,如 IT 副总裁和 CIO。“我们不向业务用户直接销售,因为我们不相信暗影 IT,”Nandakumar 说道。“如果要实施公民开发,它始终是一项组织自上而下的战略举措。”
这一理念构成了 Kissflow 客户参与的基石,使其更像是一位数字化转型合作伙伴而非单纯的技术供应商。“我们可以和客户一起制定一个为期三到五年的转型计划,”Nandakumar 说道,并补充道,这种协作规划能够借助现有模板识别快速获胜的机会,同时明确需要进行定制开发的领域,从而为客户确保一段可持续的转型之旅。
人工智能将在 Kissflow 平台中扮演更加核心的角色。目前,该平台已整合 AI 来在构建流程时建议最佳实践、数据字段和阶段,以协助可能存在知识盲点的公民开发者。
然而,下一阶段的演进计划将更为雄心勃勃。Nandakumar 表示,在接下来的三到四个月内,例如平台的 AI 助手将能够根据用户提示自动构建一套流程或系统。
他声称,一旦这一新功能成熟,开发时间将大幅缩减,用户有望“在不到 30 分钟内让一个流程上线”,这相比目前可能需耗费数小时甚至数天的时间,无疑是一大飞跃。“这将彻底改变游戏规则。”
好文章,需要你的鼓励
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。