【中国,深圳,2016年6月2日】今日, SAP携手华为,共同举办主题为“数字经济下的商业重构”的SAP|华为 论坛·深圳。双方与众多客户共同探讨数字经济大潮下,企业如何迎接变革,重塑商机。作为工业4.0时代的技术创新引领者,SAP与华为致力于在互联网驱动的新一轮产业变革下,通过战略合作的不断深化,持续进行联合创新,提供全新解决方案,合力助推企业实现商业变革。
SAP全球高级副总裁、大中华区总裁纪秉盟表示:“华为是SAP重要的全球技术合作伙伴之一,我们的战略合作由来已久并已取得了很大成功。目前,双方正携手在工业4.0、物联网、大数据和云计算等方面开发解决方案。通过不断地联合创新,SAP与华为致力于打造更多端到端解决方案,帮助共同客户加速获取商业价值、实现数字化转型。”
华为企业BG中国区总裁蔡英华表示:“企业的数字化是把企业内的人和物全部联接起来,实现企业所有生产活动的自动化和智能化。在企业的数字化转型过程中,华为聚焦在提供一个基础设施平台,并联合合作伙伴打造一个更开放的生态圈,为企业客户创造价值。SAP是全球领先的企业应用软件解决方案提供商,双方的强强联手也必将为用户带来更多、更有价值的企业级解决方案。”
SAP全球高级副总裁、大中华区总裁纪秉盟与华为企业BG中国区总裁蔡英华
SAP与华为联手打造的基于物联网概念全新解决方案Smart Inspection(智慧货检)在本次论坛上亮相。全新解决方案充分融合了双方各自优势,采用华为端到端的硬件设备、SAP HANA一体机解决方案和云平台方案;运用SAP HANA平台和丰富的行业应用方案,为用户提供完整的解决方案,实现实时业务运营,提升运营效率,高效地应对物联网和工业4.0时代的转型挑战。
同时亮相本次论坛的还有近期获得SAP HANA认证的华为FusionSphere 5.1虚拟云平台融合型系统。FusionSphere基于OpenStack的开源架构,拥有数以千计的企业级增强功能,是SAP HANA和关键企业应用的理想选择云计算基础架构平台。该产品充分展现出双方致力于通过不断的技术创新、优化业务流程,为客户带来更高的用户价值和用户体验。
华为与SAP建立起来的战略合作解决方案已获得全球广大客户的认可与信赖,例如中国石化集团客户采用华为SAP HANA解决方案建设了87TB超大型SAP HANA数据仓库集群,提升企业经营分析性能;以及西班牙石油采用KunLun SAP HANA解决方案,建设单节点6TB的ECC on HANA系统,提升企业生产效率。安琪酵母采用华为SAP HANA解决方案打造新一代商务套件系统和电商平台 。基于华为服务器的SAP HANA一体机在制造、能源、零售、高科技、烟草、金融等行业已有大规模应用,华为也成为SAP HANA一体机主流供应商之一。
关于华为
作为全球领先的信息与通信(ICT)解决方案供应商,华为坚持以丰富人们的沟通和生活为愿景,坚持围绕 客户需求的持续创新,与合作伙伴开放合作,在电信网络、企业网络、终端和音视频等领域构筑了端到端的解决方案优势。通过全球专注敬业的17万名华为人,致 力于为运营商客户、企业客户和消费者创造最大的价值,提供有竞争力的ICT解决方案、产品和服务。目前,华为的业务遍及全球170多个国家和地区,服务全 世界1/3以上的人口。华为公司成立于1987年,是一家由员工持有全部股份的民营企业。欲了解更多详情,请参阅华为官网:www.huawei.com
了解华为在企业市场的更多信息,请访问:http://enterprise.huawei.com
在新浪微博上关注 @华为企业业务 :http://weibo.com/hwenterprise
在微信公众号查找“华为企业业务中国”,或通过微信”扫一扫”功能扫描二维码进行添加:
好文章,需要你的鼓励
TAE Technologies在最新一轮投资中获1.5亿美元,累计融资约18亿美元。公司利用 AI 技术优化融合反应堆设计,目标于 2030 年代商业化发电,谷歌等巨头均参与合作。
这项来自KU Leuven、中科大和上海Memory Tensor公司的研究探索了如何利用拼图游戏训练多模态大型语言模型的视觉推理能力。研究发现,现有模型在未经训练时表现近似随机猜测,但通过强化学习能达到近乎完美的准确率并泛化到更复杂的拼图配置。有趣的是,模型能否有效学习与是否包含明确推理过程无关,且复杂推理模式是预先存在而非突然出现的。此外,研究证明强化学习在泛化能力上优于监督微调,挑战了传统的模型训练范式。这些发现不仅揭示了AI视觉理解的机制,还为未来多模态模型研发提供了重要参考。
Nvidia 正在全球数据中心推广 AI 芯片,其最新 Blackwell 架构在 MLPerf 基准测试中获得最高性能,大幅加速下一代 AI 应用的训练与部署。
这项研究提出了LoHoVLA,一种用于长时序实体任务的统一视觉-语言-动作模型,融合了高层任务规划和低层动作控制功能。与传统方法不同,它利用单一预训练视觉语言模型同时生成语言子任务和机器人动作,并采用分层闭环控制机制增强鲁棒性。研究团队构建了包含20个长时序任务的LoHoSet数据集,实验结果显示LoHoVLA在Ravens模拟器中显著优于现有方法,展现出统一架构在实现可泛化实体智能方面的潜力。