在今天企业需要的数字化转型方案中,“服务”所扮演的角色越来越重要,他们需要的不再是简单的维保服务,保障售后服务不出问题,而是希望服务商深入自己的业务,提供咨询、规划、实施、运营等一系列全生命周期的服务方案。
从2013年发布“大服务”理念,华为不断升级和优化服务解决方案,不论是汇聚伙伴服务能力,还是推出联合服务方案,华为希望同合作伙伴一道通过一个智能服务平台,助力客户的数字化转型。
事实上,五年来,华为对服务能力的不断投入,也获得了"大服务"高速增长的靓丽成绩:年复合增长率高达62%,同时服务伙伴在服务领域也实现了跨越式发展,2017年服务收入过亿元的伙伴已达6家,过5000万元有6家,过1000万元的伙伴达到44家。
华为EBG中国区副总裁李同广
说到华为“大服务”理念的变化,华为EBG中国区副总裁李同广指出,“华为对产品理解的深度和ISV对行业理解的深度结合在一起,这其实也就是我们讲的服务‘平台+生态’的概念。”
李同广表示,过去,华为服务业务是以授权服务的模式为主,也就是把标准化的服务交给具有一定能力的合作伙伴去形成服务产品。而走到今天,华为更多的是基于服务合作方式去定义伙伴角色,比如ASP(华为授权服务伙伴)、CSP(华为认证服务伙伴)以及CSSP(华为认证服务解决方案伙伴)。
CSP伙伴面向基础服务,目前已有超过2000家伙伴通过认证,其中五钻CSP为76家,三钻及以上CSP占比超过44%;CSSP伙伴面向行业场景提供联合行业服务,已有34家伙伴通过认证,并联合开发与落地5个行业服务解决方案。
看得出,五年来,华为服务生态已呈现出多元化的趋势。
华为希望依托自身服务流程、服务专家、IT平台&工具、知识库等基础支撑,通过构建面向伙伴的共享交付平台、统一运维平台和服务产品开发&验证平台,方便生态伙伴在其上开展联合交付、联合运维、联合行业服务的合作。
共享交付平台方面,华为目前已经建立了面向公共安全、政府、金融等多个行业的服务交付验证中心,和面向云和大数据等新技术的实验室,以及面向远程交付场景的方案验证中心,实现客户业务诉求敏捷适配、服务解决方案快速上市和交付风险可控。华为的共享交付平台全面向合作伙伴开放,共享能力和资源,加大在方案预集成、项目验证、联合开发、联合创新方面的合作,提升伙伴服务交付的效率与产能。
统一运维平台将通过基础支撑平台,汇集运维故障数据、运维模型与运维案例,通过华为开发的AI引擎作为平台的算法核心,构建涵盖监、管、控、用、服、营、库的7大运维智能引擎。同时开放的微服务架构设计,也能非常方便伙伴工具与运维数据的接入,面向伙伴与各类运维场景进行开发。
在”华为中国生态伙伴大会2018”上,华为还重磅发布了华为行业云使能服务,紧贴客户云转型不同阶段需求,覆盖全服务生命周期:云咨询规划、云化评估、云规划设计与实施、云迁移、云安全、云灾备、云运维、大数据规划设计、大数据开发支持和大数据管理。为了帮助客户成功实施落地方案,华为联合业界2200+生态合作伙伴,开发了集50+专业服务工具平台,帮助客户云化转型。
此外,在ICT人才生态方面,华为致力于引领行业人才培养标准,共推出了22类ICT认证标准、8类HCIE认证,包括云、大数据与物联网等前沿技术。目前国内已有65000多人通过了华为ICT认证,另有5000多人通过了HCIE认证。在中国,华为已与超过200所院校开展合作,其中包括34所985/211院校,共同打造行业人才标杆。
谈到2018年华为在“大服务”上的投入与变化,李同广指出,“第一是打造智能服务平台,我们会把华为30年来在ICT服务上的积累变成一个强大的平台,今年会在服务平台上投入超过2000万美元,包括丰富IT工具、专家资源等,打造面向交付的共享交付平台,面向运维的统一运维平台,以及面向所有服务产品开发&验证平台;第二华为会加大在支撑行业数字化转型关键技术如云、大数据上的投入,以针对用户的需求提供不同的服务;第三针对不同的服务伙伴扩大开放性,并加大授权的力度。”
据介绍,2018年,企业业务中国区将投入超过一亿人民币,用以激励服务销售、服务交付以及培训赋能等,牵引伙伴能力提升,最终助力行业数字化转型。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。