金蝶国际软件集团有限公司(下称「金蝶国际」或「集团」;股份编号:268.HK)今天在香港香格里拉酒店公布未经审核中期业绩,截至二零一七年六月三十日止六个月(「报告期」)。金蝶牢牢把握企业数字化转型带来的新机遇,保持核心业务稳健增长,加速云业务升级,让金蝶云服务拓展战略取得了重大突破:云收入劲增70%,整体云服务业务(包括金蝶云、精斗云、管易云)收入同比增长45.1% (较去年同期持续经营业务增长60.3%),占本集团整体收入的比重上升至26.8%。
深耕于企业管理软件,聚焦发展云服务,五年的蜕变,让如今金蝶实现了真正的脱胎换骨,焕发新的生机。
聚焦 云战略 ,实现颠覆性升级
为解决传统ERP的几大难题,颠覆传统ERP的流程管理驱动,金蝶云凭借自身特性驱动商业价值。在此基础上,金蝶云还继承了原有ERP的大多优势,并发挥了其诸多价值。被重塑基因后的金蝶云,是更适应这个时代需求、更有效帮助企业实现数字化转型的对象。对于金蝶云而言ERP时代将一去不复返,主动拥抱云服务变化转型,成为金蝶最明智的选择。
因此,自「金蝶云ERP」升级为「金蝶云」后,金蝶在开拓及升级云服务产品方面便取得了骄人成绩——实现收入人民币1.8亿元,同比增长70%;客户数同比增长超过80%,续费率保持在90%以上。期内,金蝶云团队成功开发O2O端到端循环平台,大幅简化流程,将成为业务新增长动力。金蝶各企业云服务亦均取得快速增长。旗下移动办公云「云之家」与金蝶云、精斗云、管易云等深度融合,形成强大的差异化竞争优势。
与SaaS正 当其时 的一次聚焦对接
2016年SaaS服务领域中出现了消息不断的各种融资,资本对于SaaS服务的关注也是空前的。而金蝶作为一家具有市场前沿发展意识的企业,也显然敏锐觉察到了这一市场趋势。伴随着2012年移动互联网的逐渐兴起,金蝶已经着手尝试了在企业层面的云转型,五年发展的背后,云业务能取得大幅的增长,与金蝶能够顺应并聚焦云服务领域的能力息息相关。
当然,正当其时对接云趋势,是金蝶对市场的预判,同时也是顺应市场发展的尝试。然而这并非是金蝶如此着重强调聚焦云服务的唯一驱动原因。金蝶之所以能够将目光牢牢锁定于云服务领域,其根本在于金蝶云服务产品在市场的应用中的验证成果,便是表现最为突出的各大产品,比如云之家、精斗云、管易云、车商悦等。
金蝶在产品不断成熟的状况下,紧跟业界的发展趋势,着重聚焦于SaaS应用服务领域进行华丽的云转型。这无疑是对市场发展趋势审时度势之后所进行的最恰当方向选择,也必将在金蝶在管理软件的辉煌之后,再度迎来高光时刻。
(金蝶集团创始人、董事会主席徐少春)
在云服务生态中积极展望,金蝶只做第一
基于24年的企业管理市场沉淀,以及5年云服务转型,金蝶在中国企业云服务市场处于领跑地位。金蝶国际董事会主席徐少春先生表示︰「软件是金蝶的过去,云才是金蝶的未来。过去,中国已成为世界移动互联网第一大消费级市场,未来中国一定会成为世界移动互联网第一大企业级市场。云服务是大势所趋,大力发展金蝶云是顺势而为。正如徐少春在公开场合所言:“金蝶云只做行业第一!”成功转型成为一家云服务企业的金蝶,仍然以成功稳健的姿态占据市场第一。而外界曾经对金蝶的种种误解,也随着金蝶云服务生态的成型逐渐被冲淡。
让金蝶大放异彩的云服务,无论是从用户体验还是市场认可度,都可见证金蝶正步入一个全新的发展期,继而拥有了连续13年在中国成长型企业应用软件市场占有率稳居第一的骄人成就。而伴随经过市场的成熟检验,金蝶云美誉度的增强,新一代、战略性企业管理云服务平台的成形,也势必会推动金蝶更坚定地向云服务的广阔前景迈进。
好文章,需要你的鼓励
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。