展望2015,以移动宽带、云计算、大数据、物联网为代表的ICT技术,正成为各个行业加速转型的引擎。ISV(独立软件开发商)这一群体一端联接客户应用,另一端联接厂商提供的ICT基础设施,作为行业粘结剂的他们更需要适应客户需求的变化不断提升自身的能力和水平,也越来越希望能与实力雄厚的领先厂商有更深入的合作。ISV的这些需求,与华为企业业务所提出的BDII战略不谋而合。所谓BDII,其全称是由业务驱动的基础架构的英文简写,其核心关键词有三个:业务驱动、联合创新和聚焦。
首先来看看业务驱动。工业4.0、智能交通、智慧城市等领域的发展意味着传统产业需要依靠ICT技术进行新一轮的“进化”, ICT基础设施已经由过去的支撑系统向驱动价值创造的生产系统转变,成为继土地、劳动力、资本之后新的生产要素。产业创新的焦点也将从消费互联网向产业互联网迁移,企业的IT消费模式也在从以设备为中心的建设模式及独立管理的运维模式,正在转变为以应用、业务为中心的建设模式和统一管理的运营模式。
再来看看联合创新。在新常态的经济形势下,信息化市场已经从关系时代进入到以客户为中心,以解决方案为依托的时代。在每一个单一的垂直行业(如政府、金融、互联网、媒体、交通、教育等),客户往往都会提出解决其问题的特定行业解决方案的需求,这就需要厂商和ISV深入合作,深入的理解客户需求、客户的业务痛点,才能优势互补,双方共同形成一个完整的有竞争力的“1+1>2”解决方案来解决客户的问题,共同做大产业蛋糕。
由于在产业链上的分工不同,ISV比华为更加靠近客户并理解客户需求,了解客户痛点,在行业应用的积累也非常深厚。华为需要ISV,只有充分与合作伙伴互动和协同,华为才可以理解客户需要一个什么样的ICT基础架构,什么样的产品和产品功能、特性,继而驱动产品满足客户需求。
华为一直秉承以客户需求为导向,基于客户需求创新,为了更好的匹配ISV开发联合解决方案,华为在IT产品领域做了很多产品的开放性设计。在存储领域,2014年率先提出融合数据架构,通过领先的OceanStor OS实现的多制式融合、性能与容量融合、数据价值融合、数据生命周期融合、多厂商设备融合,现又在5大融合的基础上创造性提出了为第三方应用开放的融合数据平台——SmartContainer。第三方应用可以不做改动、简便快捷的集成到华为融合存储中,帮助ISV构建融合的应用解决方案,共同开启新一轮存储创新的先河,带领客户从传统走向未来,基于云架构和软件定义,创造精简、可靠、高效、按需供给的卓越价值。
在云计算领域,华为云计算产品秉承深度开放与被集成原则,与广大合作伙伴一道,共同推出与客户多样化业务深度融合的云计算解决方案,在帮助客户基于云计算走向成功的基础上,分享由此带来的收益,实现双赢。在2015年,华为企业业还为ISV合作伙伴制定了新的激励政策以及全方位的技术支持、市场支持体系。大力发展ISV,已成为当前华为企业业务的重点目标。
聚焦是指华为的聚焦战略,华为一直坚持“被集成”战略不动摇,这是指华为聚焦在企业ICT信息化基础设施管道产品和解决方案上,帮助合作伙伴在客户模式中取得成功,为其创造更多价值。作为全球领先的信息与通信解决方案供应商,华为的企业业务自2011年以来在中国快速成长,实现了40%的复合增长率,华为企业业务的渠道收入占比始终在80%以上。
ISV是华为不可缺少的一类重要合作伙伴, “得ISV者,得行业天下”,ISV对于行业客户业务的深入理解,加上华为对于ICT信息化基础产品的全线产品,二者的配合,势必能摩擦出巨大的火花。合致久远,势赢未来,华为希望能够与ISV携手并进,开拓创新,共同演绎精彩!
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。