美国当地时间3月29日下午,我们迎来此次甲骨文总部之行的第一个采访,这其实也是最重头的采访,采访对象,是甲骨文公司总裁马克·赫德。在40分钟的采访时间里,马克·赫德回答了包括CNET在内的9个提问。在两年前的甲骨文总部之行、在一年半前甲骨文全球大会(OOW)、在不到一年前上海甲骨文全球大会等多个场合,提及包括IBM、SAP在内的竞争友商,马克·赫德都流露出过“时代车流滚滚向前,且不与他们相提并论”的意思,而今天采访中提及竞争对手,他干脆直言:“我不喜欢大家把甲骨文与Older(老派)的那些公司来比较,新兴公司才是我们的竞争对手。”
甲骨文公司总裁马克·赫德
与IBM不是对手是伙伴
在马克·赫德眼中,IBM已经不是对手,说是合作伙伴更恰当。在记者看来,这一方面基于甲骨文与IBM这样的传统IT企业在共建企业生态方面本来就有很多合作,这是一个“众人拾柴”火焰高的市场;另一方面,言下之意,如果把企业发展看做一场竞速跑,甲骨文、IBM这些传统IT企业都是在进行负重跑,技术、产品、品牌、市场、员工都是成绩也都要背在身上,而身边的对手,应该是那些没有包袱、一身轻松的新兴公司,比如移动互联、社交甚至大数据、云计算的“新贵”们,老是盯着自己的老对手不行,得跑过新对手才行。
对于甲骨文眼中的新对手,马克·赫德特别提到或许是未来改变云计算规则的企业,比如Salesforce.com、亚马逊,但随后他又话锋一转:“这些企业从竞争力来讲有缺陷,有的很小,有的在中国根本没有业务,只是在某些领域有很强的创新能力。”除云计算领域之外,他也提到:“硅谷有些小型企业也可能会改变未来的游戏规则,这些也是我们的新对手。”
以甲骨文现在充足的现金流(在过去12个月中创造150亿美元现金流),不知道对于这些硅谷小型创新型公司,它是否祭出收购的“杀手锏”?最近一段时间甲骨文在收购策略上一直很“克制”这表现在收购企业数量和金额两方面,这也让我们猜测是否接下来它会大举收购一些新兴公司。
企业简化IT:你来使用我来买单
面对对手,马克·赫德强调“了解它们很重要,但了解不是只为超越,还为激励自己。”
对于激励自己的武器,从马克·赫德的话语中,记者感觉还是强调甲骨文技术的深度和广度,还有就是研发投入和创新性力,这些也足以说明这家公司的“工程师文化”,技术、研发永远是第一位的。
在研发方面,在去年研发投入50亿美金的情况下,今年的研发投入依旧是50亿美金。50亿美金是什么概念呢,在最新整个季度,甲骨文的收入是93亿美元、利润26亿美元。
在研发上,对于云计算和集成系统这两大营收增长引擎,想必应该是投入重点。最近一个季度,甲骨文云软件订购收入增长25%,其中云应用软件增长60%,季度收入已接近3亿美元。硬件产品收入增长8%,这也是甲骨文收购Sun以来首次实现增长,而集成系统收入则增长30%。
从研发投入目标上来看,马克·赫德特别提到被甲骨文反复提及的“简化IT”。“在过去传统的IT商业模式中,客户要自己去制定研发预算,未来这个工作由甲骨文来完成,技术沿革、科技创新都是甲骨文要考虑的事情,用户使用IT会更加简单,只要考虑IT如何支撑企业业务创新。”
甚至提到“棱镜门”事件,马克·赫德的回答也透着甲骨文“工程师文化”的思维,他大谈安全,甚至直言历史上还没有人攻破过甲骨文数据库的防火墙。对于“棱镜门”事件中的国产化问题,丝毫不涉及。
其实甲骨文“工程师文化”,也在其公有云落地中国的策略中有所体现。在微软、SAP、IBM、亚马逊这些新老同行的公有云纷纷曲线落地中国的形势下,甲骨文的“较劲”体现出来了,拿马克·赫德的话说,“公有云落地不是投资基础设施就够了,要考虑技术储备和人员都到位了吗?”看来在这一进程上,甲骨文还在等时机。
中国市场坚持四大战略
既然是中国媒体赴总部的活动,甲骨文中国策略不可不谈。马克·赫德谈了强调了四大策略:一是同类最佳,也就是各个业务线产品在市场份额上都要做到排名第一;二是集成系统,他认为在中国,几年前还要解释概念,现在已经有越来越多的客户认同这个产品;三是云计算,他强调在业界,甲骨文是唯一能同时提供SaaS、PaaS、IaaS,涵盖整个企业级服务的厂商,甲骨文在中国云计算市场的投资也会越来越大;四是行业为导向,其中包括强化在零售、银行、电信等行业甲骨文既有的优势,而且在服务大型企业的同时,也重点服务中型企业。
采访最后,马克·赫德希望中国媒体把甲骨文的声音传递给中国客户,这种声音并不在于甲骨文的名气或者知名度,而是甲骨文的技术理念,其中包括集成系统、云计算、数据压缩技术等等。“记住,我们是IT自主知识产权技术含量非常高的企业,做的不是通用产品。”
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。