据最新数据显示,目前全球物流业市场规模已超过8.5万亿美元,年复合增长率接近7%。信息化时代,物流产业很难单一存在,为了拓展未来市场,大多数物流企业选择在新时代下发展多栖业务,电商、零售等更多服务与物流业务并行发展,关系越发密切。然而,这种“多种类、多结构、多产业”的战略并行推进时,也给全球物流企业的数字化转型带来了难题。
Andreani是阿根廷最大的物流企业成立于1945年。经过多年积累,其业务目前已涉及物流、制药、通信技术、房地产四个业务单元。作为阿根廷物流行业的龙头企业,Andreani一直以来除了在多个业务单元领域成功试水之外,在信息化领域,Andreani也一直以敢于创新、积极投入的形象示人。为了突破整个物流大行业的发展瓶颈,Andreani成为阿根廷物流领域“第一个吃螃蟹的人”,试图通过“互联网+物流”的模式,开拓未来新业务。
伴随电商平台的上线,业务激增给固有的IT系统带来巨大压力,诸多挑战频发,应用系统不堪重负:原始的多家供应商支撑数据中心服务的模式,造成运维复杂,管理难度大;流量与日俱增,后台系统架构弹性伸缩能力不够,不能支撑激增的流量高峰,用户体验差;缺少庞大、稳定的专线网络,无法满足物流业务高实时性要求;没有完整的容灾与核心仓储系统异地灾备方案,数据存储与迁移面临困境。上述诸多挑战促使Andreani在云时代,面临云化选择。
基于之前的良好合作,Andreani最终在众多供应商中,选择了华为与西班牙电信共同发布的Open Cloud作为云服务提供商,支撑自身的云转型。据悉,2016年10月,华为与西班牙电信企业解决方案公司(Telefonica Business Solutions)携手在智利、巴西、墨西哥三国发布了Open Cloud和 Cloud Server两款云服务。华为作为战略合作伙伴,通过提供服务器、存储、网络、云操作系统在内的创新软硬件解决方案,为Open Cloud和 Cloud Server两项云服务提供专业技术支持,帮助最终客户上云转型,实现业务创新。
针对Andreani提出业务诉求,Open Cloud为其量身打造了整体的云服务解决方案,帮助其突破IT困境。通过提供IaaS与PaaS层资源,输出了涵盖规划策略、整改实施、后期运维等多方面的服务支持,帮助Andreani完成了基础设施资源上云和容灾系统的规划。
通过Open Cloud云服务解决方案的逐步落地,Andreani首先实现了IT基础资源的弹性伸缩、灵活扩展;借助Open Cloud平台对多个数据中心进行统一纳管,运维效率也得到了明显提升;另外,完整的容灾解决方案,帮助Andreani构建了理想的数据灾备存储服务体系,为其后续信息数据的存储迁移打下坚实基础。
借力Open Cloud, Andreani迈出了应用系统上云的关键一步,使得其成为阿根廷物流行业的云化标杆。公有云服务弹性伸缩、快速部署的特性与大数据分析和物联网平台的资源与功能,很好的满足了Andreani业务创新的诉求,成为其持续构建“智慧物流”美好愿景的关键助力。
华为将于今年9月5日至7日在上海新国际博览中心举行Huawei Connect 2017全联接大会,届时阿根廷Andreani的IT相关负责人也将莅临现场,他将会带来哪些新的物流行业云端故事?精彩内容,值得期待。
HUAWEI CONNECT 2017作为华为自办的面向ICT产业的全球性年度旗舰大会,将于2017年9月5日-7日在上海新国际博览中心隆重举行。本届大会以“Grow with the Cloud”为主题,旨在搭建开放合作的全球共享平台,与客户伙伴一起共同探讨如何通过数字化实现新增长。
好文章,需要你的鼓励
随着AI策略成熟,CIO开始重新考虑对公有云的依赖,私有云和本地环境重新受到关注。调查显示,67%的企业领导计划在未来12个月内将部分AI数据迁移至非云环境。主要原因包括成本可预测性、数据隐私保护、安全问题和云集成挑战。对于持续的AI工作负载,购买自有GPU比租用公有云更经济。私有云支出增长更快,预计2025年将有54%的组织在私有云上投入超过1000万美元。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
本文深入分析了从传统AI发展到AGI过程中可能出现的智能爆发现象。基于AI专家共识的2040年AGI实现预期,文章探讨了七种主要发展路径,重点关注突破性的"登月路径"。智能爆发理论认为,智能可以像原子链式反应一样相互促进,快速产生大量新智能。文章预测2038-2039年可能发生智能爆发,随后在2040年实现AGI,但也指出了关于智能爆发的启动、控制和潜在风险等争议问题。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。