众所周知,人类社会正在经历从信息技术到数字技术,从信息时代到大数据时代的转变。ICT产业聚合恰逢其势,迅猛生长。企业与企业早已不再是实体之间的零和博弈,而是生态聚合下的集群竞争与合作。在企业业务市场,华为长期坚持利他思想,与合作伙伴一同做大市场,共同分享ICT产业发展带来的红利,通过持续夯实“平台+生态”策略,构建促进企业业务市场良性成长的黑土地,打造“客户+伙伴+华为”的“数字化转型共同体”。
渠道政策支持是保障合作伙伴积极性和向心力的重要举措之一,其中关系到伙伴切身利益的激励政策更是重中之重。为了让合作伙伴更快获取激励,加快资金周转,华为成立了公司级的企业数字化转型项目企业e+,通过数字化转型的方式重构激励流程与系统,大幅缩短激励发放周期。
2018年下半年华为在中国区企业业务市场重磅推出“华为激励60秒计划”,包括激励的秒级发放、秒级可视、秒级预测、秒级提取等内容,为合作伙伴打造了一个秒级体验中心。
该计划能给合作伙伴带来哪些实实在在的好处?
01
华为激励发放周期从季度后40天到60秒,再到季度内实时发放,快的不止一点点,极大地加快合作伙伴资金周转。以前华为中国区企业业务的激励发放周期和其他ICT厂商基本一样,在季度后1.5个月内发放。激励60秒计划推出后,华为于2018年7月实现业绩型激励在季度业绩公示结束后,立刻发放,70%以上的激励发放周期由40天缩短至60秒。2018年11月,华为激励发放周期更进一步,已达标的阶段性激励合作伙伴在季度内就可以实时提取,开放范围是总经销商与分销商的销售返点、分销program等激励,2019年将全面开放。华为中国区企业业务每年给合作伙伴发放数十亿激励,而且这个数字每年都在大幅增加,发放周期的大幅缩短,可以极大加速合作伙伴资金周转,有效缓解资金压力,促进盈利提升。
02
助力合作伙伴数字化经营管理,激励不仅发的快,在过程中还要看的清楚,看的及时。ICT市场业务场景及解决方案的多样性催生了多样化的激励政策,多样化有助于精准激励,但同时也给合作伙伴对激励的高效管理带来一定的挑战。面对大体量的激励数字,如果是季度后才能可视,合作伙伴需要集中梳理,完成核对,而所核对的数据,也许已经是几个月前的订单所产生的激励,这既不便于合作伙伴及时掌握激励情况,也不便于过程中的管理。华为激励60秒计划中的激励进度实时可视功能于2018年11月上线,能实时展示业绩激励进度,每款产品每个激励program的达标情况,与目标门槛的差距,便于合作伙伴针对性发力,进行精细化过程管理,助力其销售目标的达成。
03
不仅看清当期,还要帮助合作伙伴预测未来。对合作伙伴而言,看得清当期有助于管理现状,能够预测未来才能掌握先机,筹谋长远。华为将率先推出激励在线预测,合作伙伴只需一键输入预计完成的业绩或身份变化,就可以看到未来将获得的激励。多做多少业绩或认证一个更高级别的身份,能多得多少激励,结果一目了然,为合作伙伴进行业务规划提供了数字化工具支撑。
这样一个质的变化是通过什么方式做到的?笔者采访了华为企业BG质量与运营部部长韩晓与华为中国企业商务部部长郑瑞奎。
韩晓表示,华为企业e+根据业务部门建设目标,用数字化转型的手段,从数百种激励核算公式中提炼出核算结构化因子库,搭建智能核算引擎,激励发放周期从几十天缩短到几十秒;同时以全联接的思维,这套智能核算引擎服务不但供华为内部核算及政策制定部门使用,还开放给合作伙伴,这样才有了合作伙伴在线一键智能预测未来激励的功能。
郑瑞奎表示,华为长期坚持利他思维,倾听并重视合作伙伴的诉求,就合作伙伴重点关注的激励业务,持续优化,不断缩短激励发放周期,希望通过提升激励使用价值,促进合作伙伴提升资金利用效率。华为将不断通过数字化转型和建设为合作伙伴带来收益,让合作伙伴能切实感受到华为对合作伙伴的诚意!
2018年初,华为中国区企业业务合作伙伴数量就已过万家,随着ICT市场的进一步打开及华为在企业业务市场“平台+生态”战略的持续成功,可以预见,这个数字将持续增长。广阔天地,大有作为。华为的成功从来不仅仅是华为自己的成功。以行致盛,共赢生态,华为将坚持“利他”初心,与合作伙伴共同成长,打造共赢的合作生态!
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。