瞻博网络大中国区总裁林小平
近日,瞻博网络大中国区合作伙伴峰会在昆明召开。瞻博网络大中国区总裁林小平上任九个月,在谈到九个月以来的业务及业绩转变,他感到欣慰并自信笃定。2016年过半,林小平开始紧锣密鼓地筹划为2017年打基础做准备,“现在是一个非常好的契机,瞻博网络要引领合作伙伴走向新的阶段——即加速增长合作伙伴的业务。”林小平说。
对瞻博网络亚太区来说有一个更宏伟的目标,即希望和合作伙伴共同通过斩获新客户、争取竞争对手的市场份额来实现业绩的两位数增长,这约是市场增长速度的两倍,中国在这方面被寄予了厚望。
在本次召开的瞻博网络大中国区合作伙伴峰会商,瞻博网络在向合作伙伴传达这个信念,并制定了多种渠道策略和激励措施,以期抓住行业的转型机遇,与合作伙伴携手完成这个更宏伟的目标。
重返高端掘金OTT
在很多人的印象中,瞻博网络一直定位在高端市场,并拥有出色的技术和产品性能,然而林小平却用“积极部署重回高端市场”作为未来六个月的重要任务。原因是瞻博网络要赢回在运营商核心网和金融等市场增长缓慢的市场份额。
另外,虽然在SP运营商业务有所下滑,瞻博网络面向OTT的业务却是增长的,这对瞻博网络来说非常鼓舞人心。OTT是一个强势增长点,“我们低估了它们的发展。”林小平说,在OTT这个不受传统机制、流程限制的新兴行业里,它们更擅长于采用新技术。这恰恰和瞻博网络的优势相得益彰,因此OTT将会继续是一个突出的增长点。
为此,瞻博网络制定了“2+1”战略,“2”即拓展OTT市场和扩展市场覆盖面,“1”则是布局运营商和企业高端市场。林小平表示,“2”预计在年底前会有好“收成”,“1”要花时间,但到2017年一定会产生效果。
林小平说这句话的信心是因为瞻博网络的旗舰产品已经推向市场,它将为瞻博网络赢得显著的市场成绩,例如MX2020、PTX5000系列路由器,MX系列是瞻博网络最成功的产品系列,“新产品的性价比是竞争对手的3~5倍,至少领先2年以上。”
不同的客户测试及采用的时间流程不尽相同,OTT用户采购较快,但对运营商来说,一是要根据不同运营商的特殊需求去调整,二是要遵循它们的测试流程和规范,从测试到试运行再到商用需要很长的时间段。不过,随着近期运营商测试的启动,林小平相信这将改变瞻博网络在运营商市场的份额。
因此,瞻博网络为将来的六个月制定了一系列的目标:投入和优化资源、提高合作效率,加强市场力度,积极部署重回高端市场,保证年增长并为2017打下坚实基础。
携手合作伙伴促进业务增长
瞻博网络要扭转局势并保持持续增长当然离不开合作伙伴的力量,过去的六个月里,瞻博网络在中国初步完成了主要合作伙伴的交替,新加盟了1家总代理、5家核心代理。
瞻博网络同时完善了渠道和销售体系,两个团队的相互协同将为拓展市场增强能力。除了内部的调整,在面向合作伙伴方面,瞻博网络还推出了渠道“Scorecard”记分卡模式,记分卡细分了不同的指标,每项指标区分不同的激励措施。例如关注原有客户扩容的单子就只能获得基础返点,但如果是新客户,则可以获得额外的返点激励,从这方面来说,瞻博网络希望触及到更多的增量市场。
其中,对客户的低触及到高触及是瞻博网络渠道销售策略的变化之一,由于全国六个办事处的力量不够充足,这就要求渠道伙伴覆盖并接触更广和不同的客户群体。“我们在后面协调帮助他们提高项目的成功率,并带来业务的增长。”
在这个过程中,瞻博网络必须专注于促进合作伙伴业务的增长,这会是一个正向循环。现在瞻博网络正在申请中国专用的奖励项目,这将激励越来越多的合作伙伴愿意和瞻博网络合作。
当然,瞻博网络对合作伙伴也提出了要求,例如帮助合作伙伴重新定位,开展全面的、以解决方案为导向的增长型业务。从基于产品进行销售到基于解决方案进行销售、从基于价格进行销售到基于价值进行销售、从以运营为导向到以增长为导向、从相互独立的团队到一个团队(瞻博网络和合作伙伴)。
瞻博网络相信,和合作伙伴携作实现两位数增长并不困难。
加深本土化
近年来,市场环境在不断改变,在这个“环境”的演变中,不少外资IT企业找到了在中国做生意的方式方法,例如和本土企业签署战略合作、成立合资公司等。
今年年初,瞻博网络和联想也建立了全球战略合作伙伴关系,这对瞻博网络在中国的生意有着积极的影响。林小平说,经过半年的时间许多工作已经磨合的差不多了,接下来是运营模式、团队协同方面的磨合,今年年底双方合作的成果将会显现。
不过,面对同类友商在中国本土化的步伐,林小平表示,瞻博网络并不排除同样加深本土化的可能。那时,瞻博网络在中国的业务又将开启新的篇章。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
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%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
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。