一些CIO是通过确定选用云平台、设计蓝图、和自己的IT员工共同执行、获得C级高管的资金支持、以及和垂直行业专家合作,来实现技术现代化的。
而其他一些CIO则是把大部分项目都交给了咨询公司:一种很传统的做法。
很难说哪种方法是正确的或者错误的。无论选择哪条路径,那些把计算基础设施外包到云端的企业,都是需要大量的技术和业务专家才能完全放弃数据中心。
包装消费品(CPG)行业在现代化竞赛中正在落后于其他行业,但供应链瓶颈和新冠疫情带来前所未有的颠覆,加速了他们对数字化转型的需求。
以C&S Wholesale Grocer为例。这家市值270亿美金、拥有100年历史的杂货批发分销商已经逐渐认识到了云对其运营现代化的重要性。尽管C&S公司拥有大量才华横溢的IT专业人员,但去年C&S公司选择与Tata Consultancy Services (TCS)签署一份为期7年的协议,后者将管理C&S公司向Google Cloud Platform的数字化转型,并实现高级分析、相关数据湖和AI驱动的供应链预测。
启动数字化转型第一年,C&S公司依靠TCS实施部署了复杂的云平台,既能使C&S和合作伙伴迅速受益,同时又能提高利润,这是一个棘手的目标,特别是考虑到C&S的合作伙伴关系和迁移的高昂成本,但同时,这也是在不断变化的行业中提升竞争力的唯一途径,总部位于美国新罕布什尔州基恩的C&S公司首席信息官Sudhakar Lingineni这样表示。
“老实说,我认为批发业在技术投资方面一直是滞后的状态,不过要说过去三到五年里我们所做的投资,是从前从未有过的。”
现代化始于迁移
C&S公司很清楚IT能带来的业务优势。Lingineni说,公司内部的IT团队开发了自己的数据仓库解决方案,即基于Oracle数据库的“数据湖”,并使用Tableau等商业智能和数据可视化工具实现高级预测。
C&S公司首席信息官Sudhakar Lingineni
此外,C&S公司使用了先进的自动化和机器人技术运营着35个仓库,使用UiPath实现机器人过程自动化(RPA),使用Alteryx实现分析过程自动化(APA),IT员工使用Python和R开发了基本的AI应用,以及一个名为Pulse的预测应用。
但可扩展性方面一直存在限制性。为了实现现代业务优化,并将分析、自动化和AI提升到一个新的水平,Lingineni早就知道有必要向云进行重大迁移。
C&S与TCS的合作始于去年4月,向谷歌云平台的迁移也是如此。
Lingineni说:“我们的旅程才刚刚开始……我们想做的事情很多,最大的挑战是快速扩展、扩展资源、扩展技能,这就是谷歌云能给我们带来的东西。”
和大型咨询公司合作的成本很高。但Lingineni表示,在这种合作伙伴关系中,他们能接触到很多有实际专业知识的行业专家,有助于加快转型进程,同时他们也考虑到了关键的结构性因素。
例如,TCS副总裁、谷歌业务部全球负责人Nidhi Srivastava介绍说,TCS确定了三个关键的转型方面:淘汰数据中心、大型机现代化、数据现代化。
作为蓝图的一部分,Srivastava确定了要把Teradata到Google BigQuery无服务器数据仓库的迁移作为数据现代化升级的一个重要组成部分,C&S需要执行“假设”场景以及大规模定价和预测优化。
Lingineni说:“BigQuery具有并发性,引入数据的速度是最快的。我们希望能够利用从分析报告到一系列规范性和预测性分析的转型所带来的变化。供应链是其中一个非常重要的方面,优化预测和购买方式在我们项目的质量和速度方面起着非常重要的作用。”
云中可用的工具和云的规模,将帮助C&S公司建立起AI驱动的供应链运营模式,这对于在当今以变化为动力的互联供应链中保持领先地位来说,是至关重要的。过去,C&S公司会使用预测模型预测数周或者数月的情况,但是有关影响供应链的因素(例如天气或运输罢工,或者将某件商品的成本提高一美分),对于模型来说要按照按天或者小时进行预测。
除了能够在云中更好地统一和利用分散的数据之外,部署云原生工具(例如用于机器学习优化的TensorFlow和Google Apigee API 管理)也是C&S公司长期计划的另一个重要组成部分,Srivastava说。
一年后,C&S的核心基础已经到位,已经把200个应用中的一部分应用迁移到谷歌云平台上,其他应用放在Kubernetes容器中,还有很多放在了真正云原生的环境中。
建立在云基础之上
C&S还投资了边缘计算和计算机视觉技术,帮助在运输过程中更快地做出有关产品选择、分配和保护的决策。
迁移到谷歌云平台也帮助C&S建立了实现这一目标所需的物联网平台。Lingineni说:“我们的冷藏车上安装了传感器,这让我们可以获取数据并且提高响应速度。”
能够访问和利用从流程开始(采购到交付)的数据,让C&S能够为其服务的7500家超市以及合作的食品生产商和C&S自身带来更好的、更有利可图的结果。
“一旦我们可以连接所有这些数据,我们就可以了解商品销售和供应链决策对于仓库运营和运输的影响有多大,我们可以把这些点联系起来,预测将要发生的事情,找出瓶颈出在哪里。”
Lingineni说,C&S公司仍有很长一段路要走,但向云端的迁移和工作负载的迁移进展很顺利。他补充说,云让C&S能够构建一个统一的、集成的、面向客户的门户,同时为厂商和供应商提供支持。过去,C&S为B2C和B2B客户分别提供单独的门户。
Lingineni说,转向谷歌云平台带来的好处,与和纯粹的P&L关系不大。
“一旦我们淘汰了数据中心,就有助于实现可持续性。因为我们的数据中心有100多台服务器,会产生大量二氧化碳。所以,这一切推动我们进行着一场绿色的变革。”
好文章,需要你的鼓励
Anthropic周一发布了旗舰模型Opus 4.5,这是4.5系列的最后一个模型。新版本在编程、工具使用和问题解决等基准测试中表现出色,是首个在SWE-Bench验证测试中得分超过80%的模型。同时推出Claude for Chrome和Claude for Excel产品,分别面向不同用户群体。Opus 4.5还改进了长文本处理的内存管理,支持付费用户的"无限聊天"功能,并针对智能体应用场景进行了优化,将与OpenAI的GPT 5.1和谷歌的Gemini 3展开竞争。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。
总部位于圣地亚哥的AI公司耐能发布新一代KL1140芯片,这是首款能在边缘端运行完整变换器网络的神经处理单元。该芯片可将大语言模型从云数据中心转移到便携式本地设备中,四颗芯片组合可实现类似GPU的性能,支持1200亿参数模型运行,功耗降低三分之一至一半,硬件成本减少十倍。
360 AI Research团队发布的FG-CLIP 2是一个突破性的双语精细视觉语言对齐模型,能够同时处理中英文并进行精细的图像理解。该模型通过两阶段训练策略和多目标联合优化,在29个数据集的8类任务中均达到最先进性能,特别创新了文本内模态对比损失机制。团队还构建了首个中文多模态评测基准,填补了该领域空白,为智能商务、安防监控、医疗影像等应用开辟新可能。