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
在他看来,企业对AI的恐惧源自未知,而破解未知的钥匙,就藏在“AI平台+开源”这个看似简单的公式里。
斯坦福和魁北克研究团队首创"超新星事件数据集",通过让AI分析历史事件和科学发现来测试其"性格"。研究发现不同AI模型确实表现出独特而稳定的思维偏好:有些注重成就结果,有些关注情感关系,有些偏向综合分析。这项突破性研究为AI评估开辟了新方向,对改善人机协作和AI工具选择具有重要意义。
Pure Storage发布企业数据云(EDC),整合其现有产品组合,提供增强的数据存储可见性和基于策略的简化管理。EDC集成了Purity存储操作系统、Fusion资源管理、Pure1舰队管理和Evergreen消费模式等架构元素,提供类云存储管理环境。该方案支持声明式策略驱动管理,让客户专注业务成果而非基础设施管理。同时发布高性能闪存阵列和300TB直接闪存模块,并与Rubrik合作提供网络安全防护能力。
威斯康星大学研究团队提出"生成-筛选-排序"策略,通过结合快速筛选器和智能奖励模型,在AI代码验证中实现了11.65倍速度提升,准确率仅下降8.33%。该方法先用弱验证器移除明显错误代码,再用神经网络模型精确排序,有效解决了传统方法在速度与准确性之间的两难选择,为实用化AI编程助手铺平了道路。