思科全球合作伙伴和市场路线安全总监Shawn Yuskaitis表示:“我们仅在2023财年下半年就在安全领域向合作伙伴增投了1亿美元。我们十分关注我们的合作伙伴的盈利能力,我们正在不断创新并推动在前端和后端增加盈利能力以及生命周期激励的各种计划。这一块正在发生重大又重大的变化。”
思科的安全销售团队并不只是聚焦“登陆”销售。Yuskaitis称,总部位于美国加利福尼亚州圣何塞的思科正在优先聚焦生命周期、使用和采用。他补充表示,思科同时也在通过大幅简化安全的交付和消费方式来降低复杂性。
Yuskaitis说:“我们正在继续努力确保我们的合作伙伴有能力满足他们的客户的购买需求,无论是通过管理服务市场还是公共云市场。而且我们也正在为他们推出各种计划简化价格确保支持的速度和规模。这些举措肯定可以为合作伙伴带来实际效果。”
总部位于美国新泽西州萨默塞特的SHI国际的高级解决方案商高级副总裁Ryan表明:解决方案供应商巨头和思科的长期合作伙伴SHI国际都看到围绕投资及合作伙伴合作的优先级在不断提高。
思科一直都非常关注盈利能力,在不断地建立和扩大实践队伍。一切都颇为复杂,而且不断地发展。并不是一年一次建完后就完结了。我们的合作是一种持续的关系。我们务必了解我们的客户需要什么,了解我们自己在哪些方面需要帮助,例如在盈利能力、使能建设、准备工作等等各个方面。
Yuskaitis称,他和团队正在努力为合作伙伴及终端客户简化购买体验。“我们经常听到别人说交易和做生意多么复杂。我们在这一块进行了重大投资,就是要帮助真正地推动交易的便利性。我们实施了贴心管家级别的支持,我们改进了我们的工具,而且我们还在持续投资各种培训,我们要确保最新和最庞大的内容已准备就绪,可以符合我们客户的业务需求。”
思科为此正在减少内部的销售团队,进而简化进入市场的流程。思科全球安全销售负责人Emma Carpenter表示,思科已将旗下12个(按产品系列划分的)安全销售团队合并为基于不同地区的三个团队和一个SaaS团队。
思科将继续进行这一类简化,将这些团队聚在一起,思科的安全信息就更加一致了。同时并不想再谈什么单独的单点解决方案。
思科强调的三个合作伙伴增长领域包括:基础的安全和增长、平台安全和运营中心安全(SOC)。
基础的安全和增长方面的机会包括围绕防火墙升级和旧换新销售活动的合作伙伴优惠。在“平台安全”这一块,合作伙伴提供的服务包括“连接和保护”(Connect and Protect),连接和保护是基于思科的网络领域传统的一个营销活动,另外还有“一年中的我们”(One Year On Us),其中包括思科的整个SaaS组合,SaaS组是一个由合作伙伴主导的销售活动,重点是帮助解决方案供应商扩大规模。
运营中心安全合作伙伴产品将在思科于8月开始的2024财政年度期间公布。
Yuskaitis表示,“我们在激励措施方面做了很多工作,要真正确保合作伙伴能够在重要的地方感受到盈利所在。从使能的角度来看,我们是在确保一切都是新的、是当前流行的,确保合作伙伴掌握了他们所需要的技能和能力,能够在市场上成功推动业务。非常地令人振奋,大家可以看到我们的巨大热情,但我们一刻也不会停歇。我们在持续帮助我们的客户和我们的合作伙伴,令他们能够把所有这一切融合在一起,真正理解思科的强大。”
他同时表示,思科也正在就合作伙伴如何实现专业化进行简化。
好文章,需要你的鼓励
Gartner预测,到2030年所有IT工作都将涉及AI技术的使用,这与目前81%的IT工作不使用AI形成鲜明对比。届时25%的IT工作将完全由机器人执行,75%由人类在AI辅助下完成。尽管AI将取代部分入门级IT职位,但Gartner认为不会出现大规模失业潮,目前仅1%的失业由AI造成。研究显示65%的公司在AI投资上亏损,而世界经济论坛预计AI到2030年创造的就业机会将比消除的多7800万个。
CORA是微软研究院与谷歌研究团队联合开发的突破性AI视觉模型,发表于2023年CVPR会议。它通过创新的"区域提示"和"锚点预匹配"技术,成功解决了计算机视觉领域的一大挑战——开放词汇目标检测。CORA能够识别训练数据中从未出现过的物体类别,就像人类能够举一反三一样。在LVIS数据集测试中,CORA的性能比现有最佳方法提高了4.6个百分点,尤其在稀有类别识别上表现突出。这一技术有望广泛应用于自动驾驶、零售、安防和辅助技术等多个领域。
人工智能正从软件故事转向AI工厂基础,芯片、数据管道和网络协同工作形成数字化生产系统。这种新兴模式重新定义了性能衡量标准和跨行业价值创造方式。AI工厂将定制半导体、低延迟结构和大规模数据仪器整合为实时反馈循环,产生竞争优势。博通、英伟达和IBM正在引领这一转变,通过长期定制芯片合同和企业遥测技术,将传统体验转化为活跃的数字生态系统。
中国电信研究院联合重庆大学、北航发布T2R-bench基准,首次系统评估AI从工业表格生成专业报告的能力。研究涵盖457个真实工业表格,测试25个主流AI模型,发现最强模型得分仅62.71%,远低于人类专家96.52%。揭示AI在处理复杂结构表格、超大规模数据时存在数字计算错误、信息遗漏等关键缺陷,为AI数据分析技术改进指明方向。