三年前,SAP开启了从本地到云的转型。时至今日,SAP的云转型已经有了阶段性的成果,2024年第一季度财报显示,云收入增长分别为24%和25%(恒定汇率),云ERP套件收入增长32%。
这是技术趋势所向,也是客户需求所向。如今在云上,企业能够以更快的速度实现创新,但同时也意味着合作伙伴的服务正再发生变化。
原来本地部署ERP 90%是经由合作伙伴进行实施,上云后,客户成功就变成关键指标。SAP全球首席合作伙伴官Karl Fahrbach认为,我们不再将他们视为可帮助我们通过间接渠道进入市场的元素,或帮助我们实施方案的系统集成商。取而代之,他们应在客户的整个生命周期中扮演关键角色,以确保客户走向业务上的成功。
而且在商业AI的发展新阶段,这一趋势就更加明显。客户会提出更多持续性的创新需求,凭借SAP一己之力很难满足客户的创新速度,合作伙伴也成为创新上不可或缺的一部分。
在商业AI上,SAP已经建立了生成式AI中心,并与业内最领先的AI企业进行合作,将最好的AI技术融入到每一个产品中,融入到商业流程中,向客户提供商业AI的能力。“接下来的机会是几十年里最大的机会。”Karl Fahrbach说,云、商业AI将为合作伙伴提供巨大的商业机会,同时合作伙伴也要承担更多的责任,苦练自身技能为机会到来时做好准备。
SAP全球首席合作伙伴官Karl Fahrbach
合作伙伴在SAP战略中的关键角色
在最近召开的2024年SAP大中华区合作伙伴峰会上,SAP全球执行副总裁、大中华区总裁黄陈宏博士表示,AI时代为企业带来了前所未有的创新机遇,而上云则是开启这一变革的起点。SAP将与合作伙伴共同帮助客户加速云转型,使更多企业得以借助商业AI的能力实现业务的跨越式增长。
Karl Fahrbach也表述了合作伙伴在SAP战略中的角色。第一,在分销模式下,以合作伙伴来驱动拓展市场;第二,在客户价值旅程过程中,合作伙伴通过SAP的解决方案帮助客户实现数字化转型;第三,由合作伙伴在SAP ERP云的基础上进行创新开发、扩展包开发。
在今年的“蓝宝石大会”上,SAP宣布了与AWS、微软、Google、英伟达等公司的全新战略合作,而且这些合作伙伴的技术都将加入到生成式AI中心中。
一个具体的例子是,SAP的Joule智能副驾与微软的智能副驾无缝衔接。如果下周你要去北京出差,可以直接对Joule说:“我下周二到周五要去北京出差,请帮我安排与以下客户的会面。” Joule会自动调用旅行管理/出差管理应用Concur,不仅如此,它还会与微软的系统合作,直接调用Outlook邮件系统,立即发出电子邮件邀请客户参加会议。像这种与合作伙伴合作帮助客户轻松高效地开展业务的例子比比皆是。
SAP希望与合作伙伴携手前行,通过实施多元化的生态合作举措,全方位支持合作伙伴,使他们在新时代、新机遇下取得新发展。
与伙伴一起拓展生成式AI应用场景
“在中国,目前有超过2万名顾问在从事SAP业务,形成了一个庞大的生态系统。”SAP大中华区合作伙伴生态体系总经理李光明指出,SAP提供了专项赋能合作伙伴,像去年成立了生态云博院,今年举办了AI合作伙伴工作坊。
在有些情况下,客户因为自身业务的独特需求,需要基于SAP商业AI进行定制化开发,这时合作伙伴就可以根据对客户的了解,在业务技术云平台上开发扩展包。Karl Fahrbach表示,SAP会帮助合作伙伴深刻理解AI所带来的巨大能量,合作伙伴再结合自身的行业知识,打造出定制化的解决方案。
合作伙伴还可以将自己在业务技术云平台上开发创新应用上架到中国的SAP Store,过去三年,SAP Store上已经有超过130个应用程序,全部来自于合作伙伴根据客户需求在业务技术云平台上开发的实际应用。
在过去六年间,SAP都会举办创新大赛,在今年SAP大中华区合作伙伴峰会上,大赛升级为“SAP合作伙伴商业AI创新大赛”,以SAP商业AI为依托,激发合作伙伴的创新潜力,拓展生成式AI的应用场景,满足不同行业客户的创新需求。
“我们邀请生态体系中每一位合作伙伴都来参与今年的比赛。”李光明说道,SAP将为合作伙伴进行全球最新的成功案例和商业AI解决方案的本地化培训,希望帮助合作伙伴结合自身的行业理解,打造出更多实际应用案例赋能中国客户,与SAP携手发掘商业AI的无限潜力,树立行业标杆。
好文章,需要你的鼓励
是德科技高级副总裁兼通信解决方案事业部总裁Kailash Narayanan现场指出,算力固然重要,但如果能耗过高,技术的实用性将大打折扣,因此,所有的高速、高性能计算,都必须在极低的功耗下实现,这是AI等技术能否大规模落地的核心前提。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
来自上海交通大学和浙江大学等机构的研究团队开发出首个AI"记忆操作系统"MemOS,解决了AI系统无法实现人类般持久记忆和学习的根本限制。该系统将记忆视为核心计算资源进行调度、共享和演化,在时间推理任务中相比OpenAI记忆系统性能提升159%。MemOS采用三层架构设计,通过标准化记忆单元实现跨平台记忆迁移,有望改变企业AI部署模式。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。