ZD至顶网CIO与应用频道 02月28日 人物访谈(文/王聪彬):公有云是未来长期唯一的方向,这是用友在综合了各种因素下得出的发展战略。用友网络科技股份有限公司执行总裁陈强兵说,云服务和传统软件的服务模式不同,必须更加有客户粘性,让客户成功。
用友在去年宣布正式进入3.0发展阶段,在经历以财务软件为核心的1.0时代,以企业管理软件为代表2.0时代后,企业互联网化服务成为用友3.0时代的发展方向,其中用友云将是其中的重要战略。2017年,用友云在重新整合之后,聚合优势面向企业提供各种类型的云服务。
看生态:用友云有备而来
在IaaS大局已定的当下,云市场中SaaS显现出的争入口、争生态的状态就从未停止,PaaS群雄逐鹿未见清晰趋势。
企业云服务主要有四种类型,第一、细分应用,专注于某一细分领域切入市场;第二、平台,搭建PaaS平台形成产业生态;第三、一体化应用,在基础应用上应用更多功能;第四、生态型,在平台上引入第三方参与者。
用友在年初进行了一次调整,整合后的用友云包含PaaS、SaaS、DaaS、BaaS四类业务。用友云平台(iuap)定位于社会化商业应用基础平台,为企业提供开放的PaaS平台服务,基于iuap用友云提供全面的SaaS应用服务、连接内外的DaaS数据服务及专业的BaaS运营服务。
陈强兵强调,用友会专注在PaaS、SaaS、DaaS、BaaS层面,在IaaS层面,用友则与业界厂商进行广泛合作,诸如阿里云、华为等。
用友网络云市场事业部总经理傅毅看到的企业级市场有三个特点,第一、软件和云的整合,逐渐走向公有云;第二、看重一体化应用;第三、品牌和专业度。而且基于这些需求和特点,用友云采用一种全新的云业务模式“云市场”,其将线下经营能力、服务能力开放到线上,将更多ISV一起参与进来形成共赢的生态。
从云业务推广层面用友制定了具体的策略,用友网络云业务发展部总经理傅强表示,我们对客户进行分层经营,大型、集团型企业采用直销,推广“软件+云”的方式,中小型企业采用“云+软件”,用云拉动软件业务。
重落地:让客户成功
过去的两年里,从原用友网络、用友优普等用友的各个业务单元已经孵化出了多种云服务类型,在整合之后形成了云平台、财务云、营销云、采购云、社交与协同办公云、人力云以及行业云等几个聚合方向。
除iuap云平台之外,用友云在SaaS产品方面主要包括:
社交与协同办公云:社交化协同办公平台友空间、嘟嘟;
财务云:企业智能报账平台友报账、用友电子发票与会计档案;
营销云:多电商一站式管理平台电商通、客户管理平台超客营销、3U产品:面向经销商的U订货、面向微信移动营销的U会员、面向消费者的U商城;
采购云:企业采购服务平台友云采;
人力云:企业人力资源管理平台友人才、顾问式服务平台薪福社等;
“针对同一企业,一朵云是不够的,而且云应用还应该相互关联,所以云需要统一规划管理。”用友网络执行副总裁、用友云BG总裁谢志华说,这也是用友为什么在企业服务的各个层面都提供不同云服务的原因,而且用友所有云服务都是在一个云体系下,实现了互相融合打通。
用友网络云产品管理部总经理、HR与采购云事业部总经理刘剑锋指出,最下面是用友iuap平台,基于其之上开发了各种基础云产品,这些产品实现了横向和纵向的打通。
用友把云用户定位在大中型企业,第一、付费能力强,第二、通过传统客户导流。用友网络CTO、云平台事业部总经理程操红提到,“我们会真正理解企业级客户的需求进行开发,在自有云服务之外,汇集ISV服务”。
其实用友云在与传统软件融合上已经产生了不少成果。比如,山东信发集团使用NC6和友云采构建了企业采购云;人民出版社使用NC6和人力云进行人才管理;世纪金源使用NC6和有空间建立了移动办公入口。未来用友也将持续加大在人才、云生态、产品三方面的力量。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。