1994年,中国全功能接入了互联网,也正是这一年,几个对网络充满憧憬的年轻人走到了一起,成立了一个小工作坊,这也是华讯网络的前身。
历经21年,华讯网络跟随用户的成长,已经成为一家专业IT服务经验的企业数字化服务商,服务体系覆盖中国21个城市,在北美、欧洲、新加坡成立了分公司,在海外延续服务。
在过去的2021年,华讯网络营收突破了73亿元。华讯副总裁及企业/商业部总经理朱晓勇表示,我们每天都在认真、努力做好每一件事,因为我们想成为用户心目中那一个可信赖的行业数字化服务商。
尤其在数字化的年代,华讯网络跟随客户一同进行转型,拥抱云,与亚马逊云科技一起帮助用户有效、便捷、安全的使用云。
华讯副总裁及企业/商业部总经理朱晓勇
向着云转型
每一个企业在发展的过程中都会遇到各种各样的挑战。朱晓勇表示,华讯网络在同样体量大小的经销商中走的更快一些。
云业务模式对于华讯网络是一个较大的挑战,因为云会带来运营模式的改变,运营模式会激发组织结构、支撑模式、交付模式等一系列的改变,但这种改变同样也会成为华讯网络的价值升级,不断提升能力为用户带来新的收获。
“服务商的理念就是给用户传递和创造价值。”在朱晓勇看来,一个公司的成长和个人的成长非常相似,需要努力抓住机会。
华讯网络也碰到了一个机遇,就是遇到亚马逊云科技。
遇到好机遇的时候,同样需要有好的准备。华讯云与软件事业部总经理沈佳伟表示,华讯网络的转型充分依托于原有线下数据中心、网络、混合云、安全架构上的积累,在云转型时将这些能力和云上用户需要混合云架构的能力结合起来,形成统一的解决方案交付给客户。
全方位的赋能
华讯网络原来做的都是看得见摸得着的事,在与亚马逊云科技合作后,出现了极大的颠覆。亚马逊云科技也在六个层面帮助华讯网络进行云业务转型:
业务模式赋能:研讨云业务模式与转型思路,提供收入模型与差异化策略;
业务拓展:提供商机推荐、共同举办市场活动,举办Sales Launch等一系列workshop;
技术赋能:持续提供产品与技术培训及动手实验,例如,云迁移、智能湖仓及人工智能等;
组织赋能:指导构建专注的云业务团队、云服务卓越中心、云MSP服务中心;
云能力赋能:指导云能力发展路径,陆续通过安全、迁移、SAP和数据分析等4项能力认证及MSP能力认证;
文化赋能:组织亚马逊云科技创新文化、逆向工作法工作坊,并应用于云上的创新实践。
通过亚马逊云科技在业务模式,技术能力以及文化上的持续赋能,华讯已完成自身业务的云转型,并积累了丰富的云业务能力。“这在之前都是不可能做到的。” 朱晓勇说道,数据分析、人工智能、SAP迁移在这个时间点上都变得可能,这背后就是亚马逊云科技的支持。
一个例子是华讯网络帮助某新能源汽车企业业务出海,将车联网平台从国内云服务商迁移到欧洲亚马逊云科技上,充分利用了亚马逊云科技基础设施即代码的能力,仅短短一个月时间就完成了迁移、应用上线、适配等工作。
在2021年,华讯网络整体云业务收入超过1500美金,云服务和软件收入超过200万美金,同时与亚马逊云科技合作,为超过200多个用户提供了服务,而且这些服务还在迭代升级。
走深向实的合作
华讯网络在过去几年有了众多收获,这些收获也坚定了华讯网络的转型战略,2022年华讯网络将把云转型变成云战略,制定了以数智引领、云网融合、安全可信的业务战略。
华讯公有云事业部商务总监胡灏表示,云网融合也是在与亚马逊云科技合作的基础上提出的,因为未来中国绝大部分用户会走向混合云,这些用户的难点是统一管理和如何获得无缝的体验。华讯网络自主研发的多云管理平台,支持亚马逊云科技的管理功能,形成了良好工具平台,同时依托亚马逊云科技的服务,像Amazon ECS Anywhere帮助用户的应用在云上云下获得一致的体验。
未来双方也将在三方面加深合作:
第一,深耕行业客户:专注服务制造、医疗医药、零售、金融等行业客户上云及云上数字化转型,助力跨国企业落地中国;
第二,解决方案驱动:在云安全、业务连续与合规、应用现代化等领域,通过场景化解决方案加深APN合作与推广;
第三,服务与软件并行:以软件能力加速用户云上数字化转型,形成服务+软件的多路径合作关系。
全新亚马逊云科技合作伙伴路径推出后,华讯也将采用服务与软件并行的多合作伙伴路径,以咨询和软件能力加速用户云上数字化转型。
好文章,需要你的鼓励
Snap 推出 Lens Studio 的 iOS 应用和网页工具,让所有技能层次的用户都能通过文字提示和简单编辑,轻松创建 AR 镜头,包括生成 AI 效果和集成 Bitmoji,从而普及 AR 创作,并持续为专业应用提供支持。
SEALQA是维吉尼亚理工大学研究团队开发的新型基准测试,旨在评估搜索增强型语言模型在面对矛盾、嘈杂或无用搜索结果时的推理能力。它包含三种测试:SEAL-0(极具挑战性的核心问题集)、SEAL-HARD(更广泛的困难问题集)和LONGSEAL(测试长上下文多文档推理)。研究发现,即使是前沿模型在这些测试中表现也很差,增加测试时计算资源往往不能带来可靠的性能提升,高级推理模型对嘈杂搜索结果特别敏感,模型在识别大量干扰文档中的相关信息时仍然困难重重。
这篇论文提出了"计划与预算"框架,解决大型语言模型在推理任务中的效率问题。研究者发现模型存在"推理失调"现象——简单问题上过度思考,复杂问题上思考不足。他们开发了贝叶斯预算分配模型(BBAM)作为理论基础,将推理分解为子问题并根据不确定性分配计算资源。实验表明,该方法在不同任务上显著提高推理效率,令牌使用减少39%,E?指标提升187.5%,且能使小型模型达到大型模型的效率水平。