科技飞速发展的今天,市场的竞争也日趋激烈,在这种大环境下,如何实现并保持高速稳定增长是每个企业都需要面临的难题,不仅要提升企业竞争力,还要寻找新技能与新的业务模式以应对当前局势。
近期,联想举办了题为“移动未来,互联天下”——联想大客户企业行业移动互联顾委会,联想与客户齐聚一堂,共同探讨在移动互联大潮下的企业制胜之道,分享联想对移动互联时代的趋势洞察和全新业务布局。
联想集团大客户事业部新兴行业总经理王云峰与大家分享了联想成立三十年所经历的大事件,包括2004年收购IBM个人电脑业务、2013年成为全球最大PC厂商等,同时联想也在去年年底做出了重大抉择,分别收购了IBM X86服务器与摩托罗拉移动,这也为联想提供了更大的发展平台。
现在是一个SoLoMo的社会,也就是社交(social)、本地(local)、移动(Mobility)的时代。企业员工的办公环境不再受到地域、空间等因素的限制,而他们的生活也逐渐被碎片化,那么怎样才能把这些时间加以利用呢?
联想集团中国区大客户事业部移动互联行业应用总监王磊表示抓住客户的变化才能在未来的竞争中取得成功。联想希望通过大客户企业行业移动互联顾委会与客户一起探讨降低成本、提高生产效率、快速迎合客户需求的解决方案。
同时,王磊还讲到了联想移动互联行业的策略,包括:一、建立高效地大单与中小项目的支撑体系;二、建立专业的技术支持体系,时刻响应客户需求;三、完善、高效的售后服务和运维体系;四、完善渠道/ISV联盟体系,建立行业解决方案库;五、打造大客户专属产品,提升产品定制能力。
联想集团中国区大客户事业部企业行业总监张力超也表示,希望与客户共同搭建移动互联的新型业务模式。
基于IDC的标准,联想把企业行业进行了细分,制造业里面分成了电子制造、装备制造、基础建设和快消品。而流通业以及一部分制造业、一部分服务业合并成大连锁,主要都是以连锁经营为主的业态和客户群体,最后是服务业里面最有活力的那部分,叫做信息服务。这是联想对于行业的分布,这样也能让联想服务于这种行业客户。
张力超在接下来的访问环节中补充道,联想比较看好以SFA销售展业为主的制造业、流通和商业培训这三方面。
王云峰也发表了他的观点,他认为企业行业在将来会有很大的机遇,因为有很多行业、子行业都在孕育当中,一旦成熟之后需求量会非常大,尤其是有移动工作性质的终端人员。
王立峰表示,联想在接触移动互联的客户定制需求时遇到了两点困惑,第一:客户本身对做移动互联的终极目的到底是什么想得不是特别清楚,因此,对做这样一件事的投入产出分析得也不够透彻,会造成投入前期可能非常积极,后来突然丢失兴趣的情况;第二,有一些客户缺乏顶层设计和系统思考,可能开始的时候觉得有某种需求,但是随后又发现跟后台并没有真正关联起来,又需要另外一套解决方案,但是两者之间预算是不一样的。
他表示目前这个行业并不成熟,缺乏真正的行业专家来给大家指出方向、模式。但是,这同时也是机遇,联想成立大客户企业行业移动互联顾委会的目的也是想要借助这个平台与客户们一同探讨、碰撞,最后形成应对不同行业的应用模式,促进整个移动互联产业做大做强。
随着移动互联技术的发展,越来越多的行业用户选择改变固有思维,他们希望利用先进的技术手段达到提高生产率、降低成本的目的,这不仅包括改变其传统的业务模式,就连与客户沟通的方式、服务的方式等方面也在变化。
移动互联行业,我来了,你在哪?
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。