至顶网CIO与应用频道 10月16日 北京消息:“Andreani是一家来自阿根廷的物流企业集团,拥有阿根廷最大的物流基础设施,成立于1945年。业务领域涉及物流、制药、通信技术和房地产,范围覆盖阿根廷和巴西。” 这是Andreani IT与物流流程部总监Gustavo Echenique,在2017华为全联接大会——“商业管理,打造精简业务引擎”峰会上的开场白。
Andreani IT与物流流程部总监Gustavo Echenique
大会当天,Gustavo Echenique发表了主题为《基于全面云化流程》的演讲。“为了商业增值,全球的物流企业的IT系统都在加速转型。” Gustavo表示。作为阿根廷物流行业中的创新标杆,Andreani一直在积极投入,尝试新技术,来促进自身IT业务的持续创新。
Andreani在阿根廷有多个分支机构,目前,其业务已经扩展到了电子商务领域,通过电商平台,Andreani可以为跨国企业提供完整的、个性化的电子商务服务解决方案,帮助客户不断优化流程、仓储、货物准备及货物跟踪。Andreani的客户成千上万,包括桑坦德银行和惠普公司。然而,随着业务量的增长,原有的IT能力明显不足,Andreani面临云化选择。
在此过程中,Andreani不仅在寻求云服务供应商,也在寻找技术合作伙伴,帮助自身设计和思考技术革新和云转型。“经过一段时间的测试、对比,Telefonica和华为在云技术、网络和服务响应上给我们留下了深刻的印象。因此,Andreani最终选择了Open Cloud 作为自己云转型的服务供应商。” Gustavo表示。
2016年10月,华为与西班牙电信企业解决方案公司(Telefonica Business Solutions)携手在智利、巴西、墨西哥三国发布了Telefonica Open Cloud公有云服务,并于2017年扩展至秘鲁、阿根廷和美国。Open Cloud的推出,确立了双方共同帮助传统企业IT上云的合作伙伴关系。基于双方的合作条款,华为提供包括服务器、存储、网络、云操作系统在内的创新软硬件解决方案,并为Open Cloud提供专业技术支持。
Gustavo介绍,通过引入Open Cloud公有云服务,解决了Andreani四项业务瓶颈。首先,解决了Andreani原来多云管理,没有统一平台的窘境,提升了运维效率;其次,为电商平台提供了弹性伸缩可拓展的资源,提升了用户体验;第三,为SAP ERP系统提供了本地云服务节点的服务支撑,并且满足了其保证物流系统实时稳定的MPLS互联专线的诉求,提升了应用系统的用户体验和网络延迟。第四,协助Andreani的WMS DC 上云。降低了整体的TCO成本,双AZ备份,保证服务不中断。
据介绍,Andreani向云整体迁移分为3个阶段,首先将电商平台迁移上Open Cloud,应对黑色星期五等营销高峰的用户体验;其次,SAP系统上云,提高内部生产环境的开发体验,提升效率。华为、Telefonica为Andreani帮助其设计了基于双活架构的容灾环境,解决了容灾备份的痛点;另外,基于OpenStack开放架构的Open Cloud支撑了仓库管理系统(集成所有承载关键业务的核心系统),使Andreani获得了完整的混合云解决方案,节约了成本。
“目前,Andreani整体的云化规划执行到第二阶段,Andreani相信,在目前Open Cloud技术解决方案的支撑下,Andreani在物流领域将继续保持领先地位。” Gustavo表示
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。