虽然没有技术背景,但在领域内摸爬15年的马林,却非常关注产品的质量细节。在他的手机里,甚至至今仍保留着1年前参加浪潮全国洽谈会时所拍的产品照片。
服务器、存储等机箱的板材、主板架构设计、托架塑料材质……种种大家关注或容易忽略的细节,都在马林关注的范围内。
“像塑料托架这种小零件,对设备性能的影响不会很大。”马林认为,但它直接体现出一个品牌对产品细节和品质的重视程度。因此,甚至包括螺丝的材质和做工,他也都会关注。
马林拍下图片,带回公司,展示给了同事。毕竟,南京大雄与国外品牌合作近15年,期间甚至没有碰过其他生意。可以想见,南京大雄要在这种背景下决议品牌转型问题,管理层内部难免“纠结”——即便是在需借转型应对未来市场趋势变化的当下。
马林对产品细节的关切在于他希望与同事证实一点:浪潮产品与国际水平是否存在差距。不过在继而与同事的沟通中,问题不置可否。
“其实我自己也经常动手拆装机。”马林说,在看了浪潮产品的工艺,包括架构和模块设计等方面后,自己对产品的疑虑也就消失了。
产品自然只是品牌选择的依据之一。毕竟,产品技术与市场表现从来都不是完全正相关的两维。和很多区域合作伙伴一样,品牌的市场份额仍是左右合作关系的关键因素。
在与浪潮接触前的约1年时间里,马林与南京大雄的同事们,都已经观察到了浪潮发展的势头。尽管一些调研公司的数据正在佐证马林对浪潮势头的判断,但他还是更相信“眼见为实”。
2014年,南京大雄业绩规模约9千万元,年均增速约30%,在当地属于较大规模的区域分销商与方案商。其中,分销业务给了马林大量与区域合作伙伴沟通的机会。
“前几年谈生意,合作伙伴很少谈国产。”马林说,在公司有意无意的调查中,发现很多原有基于国外品牌的合作伙伴不止谈论,甚至已经开始做国产品牌的业务,“其认可度、普及率都比之前高了很多。”
一些下游合作伙伴甚至告诉马林,他们与浪潮的“对抗”越来越多,“其赢单率还是比较高的”。
“她正在逐渐占领更多的市场份额。”马林说,公司也感觉到,合作的前景将颇为“光明”。这种感觉最终推动了南京大雄尝试开始与浪潮接触。
作为行业老兵,马林是谨慎的。与浪潮的沟通持续了大半年的时间。最终,浪潮存储的区域分销业务被南京大雄收归帐下。
尽管浪潮服务器如日中天,后继发力的浪潮存储分销业务,仍有不小的挑战,需要马林和他的同事们去面对。
浪潮存储分销第一单让马林记忆犹新。就在马林刚开始提及浪潮存储的时候,对方的第一个反应让马林颇感意外:对方打开了电脑上的文件,分列了戴尔、联想、IBM和惠普共四个品牌的存储产品报价单。他要先做价格比较,之后再谈选择问题。
马林的回复言简意赅:第一,在项目中完全看价格,即便成本很好,也很可能赚不到钱;第二,虽然是流量存储产品,浪潮这款在扩展性、软件附加值,以及特殊的混插等产品特性方面,是竞品没有的。这又对应了利润率和赢单率。
合作伙伴最终被马林说服,并在AS520E-M1到货后去南京大雄看了产品样机。对方的两点反馈是积极的。一是浪潮存储对配件的整合度更高,避免了国外品牌昂贵的配件选择问题;二是高整合度对应了便利性,操作简单、即插即用,且扩展性强。
这一单最终以合作伙伴选择浪潮存储而圆满结束。马林回忆说,客户比较满意,因为自己所言不虚,而且,他最终拿到了自己比较满意的利润。
年中,一个检察院系统约300万元的海量存储项目又落地南京大雄。这是一个典型的用浪潮品牌替换国外存储品牌的案例。项目结束后,客户的满意度再次验证了南京大雄对浪潮品牌的选择。
除客户满意度外,面对客户的终端渠道对利润和赢单率最为关心,品牌并非第一要素。这一现实,也就给了实力厂商争夺市场份额,准备了充分的空间。在马林看来,来自厂商和分销商的综合支持力度,只要足够强,终端渠道就会考虑合作。
“重点是哪个厂商跟他们贴的更近,贴的更紧。”马林说,当厂商和分销商在整个支持环节将细节做得更加到位,终端渠道得到的“被关怀感”就越强,向客户推荐该品牌的意愿也就越强。
在与浪潮近1年左右的合作中,马林感受到的正是这种“被关怀感”。“浪潮强大的技术团队在售前、售中和售后都提供了很大的支持。”他说,这包括了对南京大雄这样的分销商的支持,也包括了对终端渠道的支持。
基于浪潮存储分销业务势头良好的开端,南京大雄也已经开始基于此,考虑未来的业务战略方向。
在存储这个较服务器产品复杂度更高的产品领域,方案商的增值空间也更大。马林说,未来,南京大雄重要业务方向之一,将是在浪潮存储海量分销业务的基础上,拓展更多中高端存储方案业务,并借此成为专业的解决方案提供商。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。