继今年8月发布浪潮云新战略后,近日浪潮云发布了打造全业务渠道模式销售的“云行计划”,发展8000+云市场、云方案、平台技术等六大领域合作伙伴,并在未来3年向合作伙伴、市场客户发放30亿元“红包”,助力浪潮云迅速实现云服务生态布局。
据了解,浪潮云在今年8月份提出了全新浪潮云战略,成为今天“云行计划”出炉的先导。“云行计划”将浪潮云在政务、企业管理等领域的云服务市场优势,通过全业务渠道销售模式(All By Partner)与合作伙伴一起推动浪潮云生态的建立。该计划将发展8000+云转销、云市场、云方案、平台技术、区域服务、认证培训这六类合作伙伴。这些合作伙伴各具分工,1500+云转售伙伴将浪潮云的业务覆盖到区县;2000+云市场合作伙伴,将向市场提供标准化的云产品,全面丰富浪潮云的产品线,而3000+的云方案合作伙伴将基于浪潮云的为各个行业的客户提供整体解决方案。不仅如此,浪潮云还通过与区域服务商、平台技术伙伴一起,完成在全国31个省会城市以及70个重点地市布局,实现云服务本地化的咨询、销售运维等。
值得一提的是,基于全业务渠道销售模式,未来所有浪潮云客户都将通过合作伙伴进行咨询、销售与服务。客户将在本地一站式获得基于浪潮云安全、可靠的云咨询、云方案、云运维、云迁移等“云+应用”服务,并通过浪潮长期服务政府、企业信息化的市场优势,连接更多政府、企业、金融与行业资源。可以预见,在2018年,中国云计算市场将看到一个“普遍”存在于经济社会发展各个微观领域的浪潮云。有不同上云服务需要的政府、企业客户,都能通过遍布到县一级的服务网络,找到浪潮云。
在当天的发布会上,浪潮集团执行总裁王洪添认为,今天云计算市场的变迁正沿着浪潮提出的业务上云——数据整合——应用创新这一路径前进,浪潮云此时高调发布“云行计划”,打造浪潮云生态正基于这种市场前瞻性的洞察。他表示,接下来的一年将是浪潮云全力打造合作生态,快速发展的一年。
王洪添指出,随着云时代的到来,原有零散的数据中心建设正在消失,信息化的格局已经改变,将来中国只会存在5朵云,这些大的云服务商将满足中国超过80%的IT需求。特别是PaaS平台作为原生应用的核心载体快速成长,将大量挤占原有IT产业中间件厂商的生存空间,同时也正创造出云化应用、数据治理、应用创新等更多新业务、新机遇,越来越多的企业正面临再次转型选择。可以毫不夸张的说,能否抓住云的浪潮就决定了企业未来二十年的生存还是死亡。
事实上,随着全球云服务市场高速蓬勃发展,“云”已成为信息化产业发展演进的全新形态,蕴藏着无限机遇。知名市场研究公司Gartner在2017年11月发布的报告称,到2020年全球云计算市场的规模将达到4110亿美元。其中,全球基础设施即服务(IaaS)营收的复合年增长率将达到顶峰,成为云计算市场最大的一块“蛋糕”。而今年的软件即服务(SaaS)营收到2020年将增长到997亿美元,复合年增长率达到15.65%,超过了整体市场增速,成为最具潜力的市场。
众所周知,经过多年耕耘,浪潮云已经成为国内公认的政务云市场翘楚。作为中国信息化建设主力军,数十年的信息化积淀以及早在2010年就提出向云计算战略全面转型,让浪潮具备了涵盖IaaS、PaaS、DaaS、SaaS四个层面的全球领先整体解决方案服务能力。截至目前,浪潮已在全国建立了北京、济南、上海、重庆、昆明5大核心云数据中心和34个地市云数据中心,为130余个省市政府及千余家大中型企业提供了云服务。同时,浪潮云已经成为中国企业上云中的骨干力量,在山东、浙江、江苏等多个省份服务企业上云。
今天,浪潮云与中泰证券,使分析师依靠大数据分析明天成为金融解决方案供应者;浪潮云与360一起,让今天的网络安全服务商,未来像因特尔在IT时代扮演的角色一样,成为DT时代对信息与数据保护的幕后英雄。而浪潮云与贵州政府打造的云上贵州,让今天贵州政府72家政务用户总计455个应用系统上云,让精准扶贫、管理城市拥堵、空气污染、追溯食品安全与卫生等民生问题,成为可视化的算术题。
据了解,为进一步赋能合作伙伴,浪潮云还计划未来3年渠道整体投入30个亿的“红包”,其中渠道激励投入15个亿,市场活动投入10个亿。人员赋能投入5个亿。
云行千里以致远,只有对产业深刻把握才能助力中国经济社会信息化转型。当前,中国云计算产业概念跌出、玩法各异,中国经济社会发展正需要一种基于对政府、民生,制造业与关键行业深刻理解的云版图生态。此时,浪潮云的“云行计划”,对于当前的中国云计算市场,乃至未来智慧城市发展来说,来得正是时候。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。