SAP近日宣布,拜仁慕尼黑足球俱乐部已通过RISE with SAP旅程将其本地部署系统全面迁移至云端。这一战略举措旨在加速创新进程、强化数据保护,为俱乐部的数字化运营提供长远保障。
作为德国足坛最成功的俱乐部、全球顶尖的职业体育机构之一,拜仁慕尼黑进一步深化了与SAP的长期合作,选择通过RISE with SAP迁移至SAP Cloud ERP Private[ERP私有云],这是SAP Business Suite[商业套件]的数字核心。此举进一步完善了俱乐部现有的云解决方案矩阵,其中包括:SAP SuccessFactors[HR云]、SAP Emarsys、SAP Concur[差旅费用云]、SAP Analytics Cloud[分析云]、SAP Datasphere、SAP Sports One,以及SAP Business Technology Platform[BTP,业务技术云平台]、SAP HANA云和SAP Event Ticketing。
借助SAP ERP私有云,俱乐部得以持续释放创新潜力,实现实时数据分析和人工智能驱动的洞察分析,全面打造面向未来的数字化能力。全新的云端环境提升了财务管理能力,加快了周边商品的履约速度,并优化了合作伙伴管理,保障球队装备、场馆设施及供应链的物流运转更为顺畅。目前,SAP ERP云应用已管理超过950万条球迷及会员数据记录、超2.5万条产品主数据记录,为球迷互动、周边运营和精益化管理构建了统一的数据基础。
云平台从容应对比赛日流量高峰
上云后,拜仁慕尼黑不仅能更快实现业务价值,还能通过弹性扩展从容应对比赛日的流量高峰,同时借助统一数据平台简化IT运营。此次转型也让俱乐部的运营成本模式更具可预测性,SAP提供的安全管理与合规服务大幅减轻了俱乐部的运营压力。
SAP执行董事会成员、客户服务与交付负责人Thomas Saueressig表示:“拜仁慕尼黑的实践,充分展现了企业如何借助SAP Business Suite的云解决方案驱动创新与业务增长。借助RISE with SAP,俱乐部现在可持续获得系统更新,并使用集成分析与AI能力,提升球迷体验并增强运营敏捷性。”
SAP ERP私有云提供由SAP持续驱动的创新,可与SAP BTP各项服务深度集成,涵盖高级分析、机器学习和流程集成等功能。该解决方案部署于具备灾难恢复能力的认证数据中心,提供集中式安全更新与监控、99.9% 的服务级别协议(SLA),并支持欧盟数据本地化存储,助力俱乐部符合包括国际标准化组织及欧盟《通用数据保护条例》(GDPR)在内的相关标准与法规要求。
本次从自建部署模式向云端的迁移,严格遵循拜仁慕尼黑的运营标准和隐私要求,落实了全面的合规审查、治理与安全控制措施。
引领数字创新前沿
拜仁慕尼黑足球俱乐部首席执行官Jan-Christian Dreesen表示:“与SAP的合作确保拜仁慕尼黑始终走在数字化创新的前沿。云端迁移让我们能够规模化拓展球迷互动、优化球员表现分析,简化全球各业务中心商业运营。”
全新的云端环境采用ERP云“干净的数字化核心”战略,并为俱乐部接入SAP现有及未来的软件创新成果规划了清晰路径,其中包括Joule智能体、SAP绿色账本及更多AI辅助能力,让拜仁慕尼黑更高效、更可持续地扩展球迷运营、球员表现分析、升级商业运营,同时完善人力资源与财务流程管理。
好文章,需要你的鼓励
地球日之际,NVIDIA聚焦五个推动气候科学与可持续发展的项目:利用Earth-2平台开展气候模拟、借助AI推进红毛猩猩等濒危物种保护研究、通过AMP机器人实现可回收物自动分拣、借助AI技术研究早期海啸预警系统,以及通过Planet地球观测数据平台提取环境洞察。AI与加速计算正大幅提升环境保护与气候研究的效率与精度。
这项来自哥本哈根大学等多机构的研究(arXiv:2604.09746),构建了一个纽约市虚拟导航模拟系统,让150个"蓝队"AI与100个隐藏身份的"红队"AI交互对抗。红队通过伪装成热心路人,用风景渲染、权威话术等手段把蓝队引向广告牌陷阱。研究采用KTO方法进行十轮迭代训练,发现蓝队任务完成率从46%升至57.3%,逐渐习得了主动反驳、目标锚定等策略,但被骗率始终高达70%以上,揭示了AI智能体在持续社交操控下的深层脆弱性。
CoreWeave宣布推出三项新功能,旨在简化跨云AI训练与推理工作。其中CoreWeave Interconnect直接与谷歌云互联,支持开发者灵活部署训练和推理任务;SUNK Anywhere支持大规模长周期AI训练项目,可跨谷歌云、AWS、Azure及本地环境扩展算力;LOTA Cross-Cloud则允许数据集中存储、跨云运行工作负载。此次合作借助谷歌全球网络扩展了CoreWeave的服务覆盖范围,并消除了企业连接多云时依赖第三方的繁琐流程。
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。