云迁移可以带来很多好处,但这并不意味着适合所有人。澳大利亚最大铝冶炼厂的IT负责人Dennis Moncrieff就和我们分享了他的故事。
Tomago Aluminium是亚太地区的行业巨头,作为IT负责人,Dennis Moncrieff负责利用合适的技术来提高铝生产过程的效率。
在谈论该组织的数字化转型之旅时,他将其描述为一个常数。“当然,数字化转型是一个流行了很长时间的术语,但流程数字化仍然是很重要的,因为没有哪个现代企业能够负担得起运行旧的、未打补丁且不受支持的版本,这实在是太冒险了。”
然而,根据Moncrieff的经验,在新旧之间找到平衡并非易事。
这个难题促使Tomago在2015年将他们的ERP系统迁移到了云端。他们的SAP ERP系统版本不在支持范围内,而且他们选择的SAP实例无法作为本地部署、受支持的硬件平台使用。他将他们现有的系统描述为“燃烧中的平台”,并表示,迁移到云端基本上是他们唯一的选择。
Dennis Moncrieff,Tomago Aluminium公司IT负责人
云迁移在当时还是一件相当新鲜的事物,对于这个过程所涉及的内容仍然有很多未知数。他说:“我们进入了合作伙伴管理的云环境,正处于云采用之旅的开始阶段,并不理解这意味着什么。从你的数据放入合作伙伴管理的环境那一刻起,你就失去了对它的控制。显然,这种模式有利也有弊,但我们并没有完全理解这些是什么。”他补充说,这是成为早期采用者的陷阱之一:你会犯错误,但希望能从中吸取教训。
也就是说,他们最初的经历是积极的。Moncrieff表示,在最初的几年里,公司的速度和弹性都得到了提高。但是,当出现连接问题的时候,他们很难确定问题出在哪里,因为最终用户和云解决方案之间存在很多断点。他说:“让任何人承认存在问题变成很困难的一件事,每隔几个月,就会出现一些问题,我们必须准确诊断问题的所在,然后才能从恰当的资源获得恰当的支持。”
重新获得控制权
当你运营的是一家24/7全天候运营的冶炼厂,ERP系统包含与大约30000个库存相关的数据时,而你无法在需要时访问所需信息,其影响可能是相当严重的。
因此,在迁移了大约五年之后,Tomago开始重新评估他们的环境。随着云市场的逐渐发展成熟,Tomago公司现在可以再次查看他们拥有的内容,并将其与其他解决方案进行比较。
当时,他们探索了三种选择:本地部署、继续使用托管环境、以及转向ERP即服务模式。对于Moncrieff来说,与厂商之间的对话实际上是围绕所有权、透明度和成本展开的。在重新评估的过程中,他们发现现有系统确实缺乏洞察力、控制力和可见性。
“像我们这样的ERP解决方案非常庞大,”他强调,这可能会让你很难跟踪正在使用和未使用的所有内容。例如,如果你要支付20000美金的电费,你可能需要检查电表并验证你的使用情况和账单是否一致。“如果你的电表被锁起来,而你在月底只收到一张纸,告诉你一切都很好,而且你欠了2万美金,你可能会问一些问题。”Tomago被告知一切都是安全的并且正在正常运行,但他们无法验证所告知的内容是否准确。
“我们本质上有一群大黑匣子,我们投入资金并提供服务,但无法充满信心地向董事会说我们确实控制了合规性、安全性和尽职调查等事情。”
然后在2020年,Tomago将他们的ERP系统迁回本地环境中——这个决定带来了回报。他说:“我们现在从网络角度知道我们的情况是什么,因为我们确切地知道我们的增长率是多少,知道我们的系统是最新的,成本是多少,因为每个月都是一样的。而使用云的情况下,如果我们想要做额外的工作或者为开发团队提供一个可以做测试的沙坑,我们就必须支付额外的负载。我有更多的系统,今天的环境比我们四年前迁移回来的时候要大得多,但我的成本是完全相同的。考虑到我们近年来经历的增长,云实际上可能限制了我们为提高整个业务效率而做更多创新的能力。”
对于工业设施来说尤其如此,在工业环境中IT预算与用于产品生产的机器和车辆预算之间总是产生冲突。
但这次经历并不意味着Moncrieff未来不会考虑云。“对我来说,关键在于在正确的位置分配正确的工作量,对于像我们这样作为铝冶炼厂日常运行和运营的设施,需要将一定数量的数据保存在设备附近。但当涉及到一些历史数据的时候,始终访问这些信息可能并不那么重要。”
准备就绪,是另一个主要因素。Moncrieff看到人们对一些可以在云中完成的事情感到兴奋,并承认这是一件非常令人兴奋、很酷的事情。但他说,首先你必须确保你已经准备好利用现有的资源,并且你的基础很扎实,这样你才能确切地知道,你计划如何使用云来解决你想要解决的问题。
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。