新任CEO Henshall在计划中引入更多云、集成与安全性因素。
思杰公司发布三管齐下发展战略。
思杰公司新任CEO已经透露了新的企业发展计划,但必须承认此项计划似乎与原本的运营思路并无多大区别。
在该公司第三季度周报电话会议上,公司CEO David Henshall表示“要理解我们战略背后的背景,大家需要从客户的角度审视并了解这套基础架构。”
“客户正在广泛采用云服务与SaaS应用程序,”但大多数客户“在未来五年内仍将把大部分工作负载保留在内部环境当中。”
因此,思杰公司的新战略将着力于三大重点:建立一套包含多种服务的云体系,确保客户能够从单一供应商处获得全部解决方案; 提供安全产品以管理多云环境; 创建统一的用户体验,帮助企业客户在使用多种SaaS服务及云时实现用户一致性。
Henshall在财报会议上向投资者们解释称,“我们目前的举措旨在为管理、身份验证、交付以及管理工作提供一套综合性方案。思杰公司负责托管管理层,而客户则可凭借其中的大量选项运行来自任何云环境或者任意内部数据中心的工作负载。我们将跨越全部此类环境的管理与控制机制加以整合,允许客户在采用混合云架构的同时,不断降低对特定IT技能的实际需求。”
此项计划将使得思杰公司未来的大部分收入依靠订阅方式实现,而且“通过这项战略,我们预计自身总体市场份额将随时间推移实现超过35%的规模增长。”
“其中的经济效益提升机遇也相当明确,无论是从云服务新客户的单位经济角度来看,抑或是立足于采用思杰云订阅服务的总体客户规模。在这两种场景下,客户皆能够消费思杰云所提供的SaaS或者混合云方案,并根据自身需求随意在二者间作出选择。”
Henshall同时公布了该公司第三季度的强势运营成果。思杰公司本季度营收达6.91亿美元,较上年同期增长3%。净收入为1.27亿美元,折合每股0.82美元,明显优于上年同期的1.12亿美元与每股0.71美元。
SaaS营收猛增32%,按照当前季度推算其年营收可达17亿美元。另外,虽然亚洲市场营收下降1%,但其欧洲、中东与非洲(简称EMEA)地区的营收则快速增长7%。
评论意见:
Henshall的战略其实并不令人意外,因为其对于思杰产品的演进一直保持着稳健的运营思路。该公司在过去几个季度当中一直在强调订阅模式与云服务的重要意义:这位CEO昨天的发言没有包含任何与公司发展新方向相关的内容。相反,他似乎希望思杰公司能够帮助客户消费多种云服务,但由思杰为其提供统一的管理平台以交付应用程序发布与安全服务——至于具体基础设施,客户可随意作出选择。事实上,我们发现这已经成为较为通行的一种发展思路,从VMware到思杰再到其它新一代云环境接入服务中间商,都承诺以单点登录方式为客户提供更为深层且统一的使用体验。
不过这样的转型计划并非以技术为关注重点:Henshall在会议上反复提及新的运营模式,并表示思杰公司将利用一系列新的实践与指标对具体进展加以衡量。
可以肯定的是,任何一家上市公司都必须想办法提高股东价值。然而值得一提的是,就目前来看无需进行技术基础转型抑或增加新的业务提升机遇,思杰公司即可完成自身业务转型——这确实是种相当有趣的现象。
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。