
在2015华为中国合作伙伴大会上,“大服务”这个词频繁出现。从“大服务”产品架构、到“大服务”生态系统,再到“大服务”商业模式,华为的“大服务”到底是怎么样的呢?
讲到服务,这里先提到一个效应:诺兰模型。早在1980年,美国著名管理信息系统专家诺兰通过对数百个公司发展信息系统总结,提出了著名的信息系统进化阶段模型,即诺兰模型。诺兰模型将企业信息化分为初始期、扩展期到成熟期等阶段,每个阶段对ICT服务均存在不同的诉求,阶段越高,对服务的要求也将越高。
服务,在ICT技术驱动企业业务转型的今天,无论客户处于哪一个阶段,都已成为全行业ICT需求的共同特征。作为中国ICT行业最具影响力的品牌,华为,视服务为与合作伙伴打交道的重要方式。
图为采访现场
事实上,服务一直以来都是华为取得成功的核心因素之一,这同时也是华为服务合作伙伴快速增加的秘诀。从2011年时的130多家服务合作伙伴,到2014年的900多家服务合作伙伴,规模增长了6倍多。实际上,华为从2011年企业业务成立起,就坚持”被集成”战略。在完善自身的服务能力和服务解决方案的同时,还想着开创更大的服务业务空间。“大服务”就这么产生了。
华为企业业务中国区交付与服务部部长孙茂录在接受媒体采访时,从两个方面诠释了华为“大服务“的理念:一是产品架构,其覆盖了服务全生命周期,从咨询、规划、设计、建设、运维、优化到提升,是端到端的大服务解决方案。二是深度,相较于传统的基础类的服务产品,华为大服务在广度和深度方面也有明显加强,2014年,华为建立了7大行业能力中心,目的就是为了更为深入地去了解行业客户的需求。
华为“大服务”商业模式包括四条关键路径:首先,服务解决方案是赢利的杠杆,是武器;其次,彼此成就是赢利的法则,是华为对未来的战略部署;再者,人才联盟是兵源,为整个生态系统提供源源不断的有生力量,是赢利的基础;最后,合作伙伴是盟友,合作发展是赢利的保障。
当前,华为企业业务中国区的合作伙伴服务能力已经得到了快速的成长,合作伙伴通过华为认证的工程师总人数已经超过13000人,高端HCIE(华为认证互联网专家)专家工程师达到500人;CSP(认证服务合作伙伴)认证合作伙伴超过900家,其中三钻及以上435家,占比接近50%。
我们可以看到,通过几年的努力,无论从数量和质量上,中国区合作伙伴服务能力都有了快速发展。如果说大服务对华为来说是企业战略,那么对于合作伙伴而言,又意味着什么呢?
中国智能交通系统有限公司首席科学家以及首席技术官关积珍谈到,华为“大服务”有三个大特点:一是华为能够提供很好的基础,具备平台和网络能力;二是赋能,就是华为会通过各种途径来提升合作伙伴的能力;第三则是华为与合作伙伴共同为客户提供服务。
华为的另一合作伙伴,东华软件股份公司总裁吕波表示,大服务全是以用户为核心展开的,目的就是为了把用户的事情做好。具体体现在一些细节上,吕波透露,华为从一开始就深度参与到东华软件的客户项目上,并委派高级技术人员负责跟进,目的就是把服务做好、做细、做深、做精。
华为企业业务中国区交付与服务部部长孙茂录强调,华为大服务的核心要素是基于客户的诉求,其次是包括基础服务能力的提升。“华为提供的是一个综合性的服务解决方案。”他说。
在采访中,关积珍透露,在全国交通系统进化到智能化需求之后,对服务的需求也相应水涨船高。“2000年至2008年间,全国的交通信息化还是以基础设施建设为主,那时,中国智能交通系统有限公司与华为的合作仅限于产品销售。从2008年开始,交通行业的智能化要求越来越高,对数据传输和通讯系统的支撑能力和保障水平提出了很高的要求,同时,在面向服务的过程中对系统服务的可靠性方面也有所要求。”
关积珍表示,与华为的合作包括新系统建设以及已经建成的系统运维保障服务方面,经过数年的合作,中国智能交通系统有限公司获益匪浅。目前,在全国铁路系统已经形成了产品销售到工程交付,再到运维保障的服务能力。
而谈到2015年,华为将继续坚持合作伙伴服务,以寻求更高价值的共赢。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。