源讯信息技术(中国)有限公司和深圳普菲特信息科技股份有限公司战略合作签约仪式在深圳市南山区软件产业基地隆重举行。源讯中国解决方案事业部总经理关利星先生和深圳普菲特信息科技股份有限公司董事长王毅先生分别代表双方企业签署了战略合作协议书。这一合作标志着在服务企业数字化转型的过程中,市场将更趋于细分化,对服务商的专业能力提出了更高的要求。这次合作是数字化转型服务领域具有创新、合作精神的联手合作。
源讯中国解决方案事业部总经理关利星(左)和深圳普菲特信息科技股份有限公司董事长王毅(右)
强强合作 优势互补 共同服务企业数字化转型
在信息科技领域,随着新一轮信息技术的快速发展,人工智能、大数据、物联网等在各行各业的广泛使用,极大地推动了企业数字化转型的步伐。放眼全球,以工业4.0为代表的实体经济已经成为发达国家保持竞争力优势的普遍共识,而华南地区,以智能制造2025为目标的一批制造业龙头企业正在发生巨大变革。
在这股数字化转型大潮中, 企业对发展的速度要求更高,对个性化服务需求更强,这就对信息服务提出了更高的要求:市场需要细分领域的专注能力,需要专业领域的丰富经验,需要更加智慧的服务模式。
源讯是全球数字化变革领导者,作为欧洲大数据、网络安全和数字化平台的领先者,为遍布全球的客户提供云服务、基础设施建设及数字化管理、商业及平台解决方案。作为奥运会和残奥会全球信息技术合作伙伴,这些年来,源讯全球的企业数字化转型最佳实践也让本地企业受益良多。
深圳普菲特信息科技是华南地区最大的SAP服务提供商,拥有华南区最大本地化SAP客服中心,是华南地区值得信赖的系统和增值服务商,随着业务的蓬勃发展,同时顺应互联网+时代企业对数字化转型的迫切需求,普菲特专注为企业提供专业的数字化运营服务,保障企业运用数字化转型来实现企业的持续发展和高效运营。
源讯中国和普菲特达成战略合作,在企业数字化转型过程中,双方将共享各自在细分市场的优势和能力,产品互补,共同为客户提供奥运级别的服务和响应。
对于本次合作,源讯中国解决方案事业部总经理关利星先生在签约仪式上讲到,“21世纪是数据的世纪,数字化技术在传统行业中体现出了重大的价值。同时,21世纪也是合作的世纪,行业领域越来越细分,企业要为客户端对端的提供服务,就更加需要合作伙伴,才能更好地为客户提供价值。源讯中国和普菲特的合作是一个很好的开始,我们将共同为客户提供Atos Perfect的服务。”
互联共享X2 战略合作新升级
本次双方签署战略合作服务,在企业数字化转型过程中,双方将在产品和客户等方面共享资源,做到两个互联,两个共享:
两个互联
联结:联结全球资源,服务本地客户
联手:联手信息服务,落地企业数字化战略
两个共享
共享能力,共享资源。
本次战略合作,可以让双方客户受惠,源讯在深圳的客户可以享受到普菲特专业的近距离的SAP运维服务,加快项目实施和响应速度。而普菲特的新老客户,有很多企业都在进行全球布局,他们在海外也可以获得一个既了解自己IT系统,又能适应当地法规的合作伙伴来运营自己的数字化平台。
深圳普菲特信息科技股份有限公司董事长王毅先生讲到, “ 合作后,普菲特客户将享受到全球服务,而这个服务方案又是普菲特和客户总部基于整个集团IT的特点打造,由源讯在全球各地实现奥运标准的响应速度的交付服务。我希望,这样的服务场景会越来越多在我们之间发生,让我们的客户在业务、运营领域获得专业的服务。”
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。