四年前,当Mats Hultin接任爱立信集团首席信息官一职的时候,公司决定重新评估他们的大型外包合同。与此同时,由云服务副总裁Johan Sporre Lennberg领导的云团队强调了现代化和明确的云战略。
Hultin说:“我们选择把筛选合作伙伴和向云端迁移结合起来,投入大量精力研究如何搭建现代协作框架。我们知道,我们需要一个负责系统集成和基础设施的云合作伙伴,而我们的作用是将生态系统聚合在一起。”
为了弄清楚这个模式应该是什么样的,以及对各个合作伙伴有什么要求,整个采购过程漫长而彻底,所有主要的系统集成商都必须参与其中。
“通过这种方式,我们获得了灵感,能够打造出我们的最终模型,所以这是一个共同创造的过程,”他说。
共有10多个潜在合作伙伴参与其中,但爱立信最终选择了全球共享服务公司HCL作为主要合作伙伴。当需要开展合作并开始大规模云迁移时,新冠疫情爆发了,这加剧了紧迫性。
“问题很快就从‘我们如何做到这一点’变成‘我们多快能做到这一点’,”Sporre说。
云迁移背后的策略,很大程度上是基于他们对于能够更快识别和使用新技术的日益增长的需求。IT部门长期依赖的交付周期一直是6个月和12个月,这是不可持续的。对于获取新技术、创收和实施基础设施而言,速度变得至关重要。
所需的前期工作
在整个采购流程的同时,爱立信还围绕风险、强大的信息管理和监管合规性开展了其他工作,为云铺平道路。
Hultin说:“你要做的就是更深入地进行信息管理和分类。”
整个过程还受到商业和法律方面审查小组的持续监控,并且他们还需要一种新的运营模式。
Sporre表示:“我们引入了敏捷工作方法和敏捷生产,因此当我们开始与服务提供商合作时,这些就已经就位了。这是奠定基础文化之旅的一个组成部分,如果不这样做,组织就无法准备好接受新的工作方式、政策和流程。”
雄心勃勃的目标
爱立信还设定了80%这个目标,即有多少核心应用将进入云端。
“我们设定这个目标是为了让每个人都有正确的心态,并且我们会挑战既定的流程和文化,” Sporre说。
这个目标定得很高,但被认为是可以实现的。
“我们非常清楚我们自己的潜力,我们通过测试10家供应商来验证我们可以迁移多少的假设,我们测试了迁移到云的技术可行性,以及业务能够迁移和管理多少,然后我们发现80%是可行的,”Sporre补充说。
超出预期
最初迁移的两年之后,超过90%的应用如今都位于公有云中了。所有应用中,有约30%是新的,约20%已经停止使用。
“剩下的10%是由于法律要求或技术债务而留在本地的,”Sporre说。
爱立信的IT部门采用了全部三大云提供商(微软、AWS和谷歌),这消耗了大约一半的资源,另一半则在业务之外,他们面临的一个重要的问题是,如何在可以轻松获取容量和工具的情况下管理成本,尤其是财务流程是最难实施的流程之一,需要进行重大的文化变革。
Hultin说:“过去,成本控制的责任在于基础设施团队,现在在于运营,这就需要大量的管理工作,还有一些可以使用的措施,例如限制预算等。”
迁移业务系统
迁移的很大一部分是将业务系统从SAP迁移到云端,这个过程大约花费了六个月的时间。
“我们的SAP环境是全球最大、最复杂的环境之一,因此这是一项重大的举措,”Sporre说。
为了取得成功,他们的规划是与所有合作伙伴密切合作完成。
Hultin说:“积极与专家合作是我们成功的一大因素,我们知道SAP在AWS云中是能够良好运行的。”
核心系统本身在一个周末就完成了迁移,超过300人轮班工作,严格的规划发挥了作用。
“接下来周二的时候,财务部门的人说,‘下周末迁移的时候,我希望你每小时打电话一次,这样我就知道是否会出现任何问题’,我们不得不解释说,这次迁移实际上已经完成了,”Sporre说。
速度的重要性
Hultin认为,像爱立信这样的快速迁移可以说是成功的典范。
“我们不允许对替代基础设施策略进行任何程度上的修改,一切都可以比你想象更快速的完成。我们制定了严格的时间表并努力地工作,但是当你把超过50%都迁移到云端的时候,整个IT组织就会发生变化。我认为如果你拖下去的话,这就会演变成一个更痛苦的过程。”
Hultin还认为,仅关注成本是不够的。
“我们一开始就考虑了削减成本的因素,但我们更多地着眼于整体,”他补充说,业务位于云端,让他们现在更具凝聚力,IT和业务也在以新的方式进行同步。
特别节省成本的是他们获得了基础设施和工具。
“当人工智能等新技术出现时,我们可以立即使用起来,我们可以利用云提供商数十亿美金的投资,而不是自己花费数百万美金进行开发,在这方面参与竞争是很难的,”Hultin说。
好文章,需要你的鼓励
新加坡国立大学研究人员开发出名为AiSee的可穿戴辅助设备,利用Meta的Llama模型帮助视障人士"看见"周围世界。该设备采用耳机形态,配备摄像头作为AI伴侣处理视觉信息。通过集成大语言模型,设备从简单物体识别升级为对话助手,用户可进行追问。设备运行代理AI框架,使用量化技术将Llama模型压缩至10-30亿参数在安卓设备上高效运行,支持离线处理敏感文档,保护用户隐私。
阿里达摩院联合浙江大学推出VideoRefer套件,这是首个能够精确理解视频中特定物体的AI系统。该系统不仅能识别整体场景,更能针对用户指定的任何物体进行详细分析和跨时间追踪。研究团队构建了包含70万样本的高质量数据集VideoRefer-700K,并设计了全面的评估体系VideoRefer-Bench。实验显示该技术在专业视频理解任务中显著超越现有方法,在安防监控、自动驾驶、视频编辑等领域具有广阔应用前景。
OpenAI推出新AI模型GPT-5-Codex,能够在无用户协助下完成数小时的编程任务。该模型是GPT-5的改进版本,使用额外编码数据训练。测试显示,GPT-5-Codex可独立工作超过7小时,能自动发现并修复编码错误。在重构基准测试中得分51.3%,比GPT高出17%以上。模型可根据任务难度调整处理时间,简单请求处理速度显著提升。目前已在ChatGPT付费计划中提供。
Sa2VA是由UC默塞德等高校联合开发的突破性AI系统,首次实现图像视频的统一理解与精确分割。通过巧妙融合SAM-2视频分割技术和LLaVA多模态对话能力,Sa2VA能够同时进行自然对话和像素级物体标注。研究团队还构建了包含7万多个复杂视频表达式的Ref-SAV数据集,显著提升了AI在长文本描述和复杂场景下的表现。实验显示,Sa2VA在多个基准测试中达到业界领先水平,为视频编辑、医疗诊断、智能监控等领域带来新的应用可能性。