国产ERP软件商:技术仍停在10年前

SAP中国研究院总裁芮祥麟表示,中国软件厂商过于热衷概念炒作而非潜心研究技术,并指出国产软件技术水平可能停留在十年前。同时,他认为国产厂商应更注重底层技术研发。面对中国制造业困境,SAP强调通过流程管理和成本控制来应对。

SAP名言:“全球500强,400强都是SAP客户,我们不能有像OUTLOOK这样的桌面产品,可以让用户能容忍DOWN机。”

 

用友的全球第一款基于SOA架构的管理软件,金蝶引领SAAS模式,今年以来,中国的软件厂商似乎成了企业级管理软件技术的领跑者,对此跨国巨头如何看呢?

 

“中国的软件厂商过于热衷概念炒作,而不潜心研究技术。”SAP中国研究院总裁芮祥麟日前在上海张江软件园接受记者专访时称。据悉,今年的SAP全球技术大会将于11月5日再次登陆上海。

 

国产厂商技术留在十年前?

 

芮祥麟认为,对于去年流行SAAS或者SOA,而国内厂商今年就公开宣布推出基于SOA的产品,或者转型SAAS模式,“这是不可能的,一种新架构的研发就像猴子进化成人一样,需要时间。”芮祥麟甚至犀利地指出,目前国产软件厂商的技术水平还停留在10年前客户端架构的水平。

 

每年都有新概念新热点,从五年前的可适应性计算,到两三年前的网格计算,如今最热门的概念是云计算,芮祥麟认为国产厂商潜心研发底层架构,比单独炒作概念更重要。他举例说,目前国内厂商要么是基于微软.NET架构或者开源架构,“技术研发底层技术完全依赖微软,这也是很危险的”,比如SAP中国研究院五年前就开始研究这种“需随应变”类似云技术的概念,“全球五百强,四百强都是SAP客户,不能有像OUTLOOK这样的桌面产品那样让用户能容忍DOWN机。”所以尽管SAP有专门的小团队在大规模测试云技术,而且SAP自己已在应用云技算技术,但目前还没有正式推向客户。

 

强化流程缩减成本重压

 

从德国制造业的经验看,德国在金属加工技术和材料技术上有很强竞争力。另一个就是整个流程已经高度自动化。“我在德国最大的钢铁厂工作过两年,虽然他们整个生产设备比宝钢差十年,但能效上还是比得上德国克鲁勃,是因为整个流程管理方面的差异。”

 

对于目前中国制造业面临的困境,这家来自德国的为制造业提供软件服务的厂商如何看待呢?以东莞为例,很多代工厂处于微笑曲线的最低端,脖子掐在别人手上,不知道客户在哪儿,没有任何设计能力,如果哪天比如耐克这样的客户把制造转移了,你就失去了饭碗。

 

对于目前让跨国公司人人自危《反垄断法》出台,SAP如何评价呢?“像微软在操作系统方面的垄断是不争的事实,比如欧盟和美国都遭遇过反垄断诉讼,但SAP不存在这个问题,SAP即使在高端市场也还仅占不到1/3的份额。

 

IT服务商解密 珠三角制造困局

 

在日前广东科技厅、广东信产厅主办的广东省制造业信息化论坛上,再次打出用“信息化重塑广东制造”的口号,在这轮珠三角制造业面临困局之际,在产业链上为珠三角制造业厂商提供软硬件服务的厂商们如何看待他们客户的生存现状呢?

 

用友副总裁郑雨霖

 

内需市场开始启动

 

尽管大经济环境低迷,我们认为未来两年管理软件行业将进入高增长期。因为制造业的模式变化,对管理流程的需求越来越旺盛。

 

以东莞为例,过去的代工模式,由美国沃尔玛设计好,香港公司设计,再由内地代工,被两边盘剥。目前一些做外销的客户,签单速度放缓,民企老板开始转做内销市场,扩招业务人员,从外贸到内销,产供销一体化之后,我们的签单额大大提升。对管理软件来说是利好。

 

金蝶华南区负责人

 

实力制造厂逆市扩张

 

过去制造业产能高,但附加值低。过去珠三角制造类厂商确实存在着管理过于粗放的问题,如个别客户,库存管理可谓触目惊心,连自个哪个产品赚钱、哪类亏钱都不清楚,现在这些企业通过优化成本结构,准确判断每个产品的利润回报,关掉一部分不赚钱的产能。

 

联想集团大中华区商用总监张国人

 

凤凰涅

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/15027527/viewspace-429658/,如需转载,请注明出处,否则将追究法律责任。

转载于:http://blog.itpub.net/15027527/viewspace-429658/

训练数据保存为deep_convnet_params.pkl,UI使用wxPython编写。卷积神经网络(CNN)是一种专门针对图像、视频等结构化数据设计的深度学习模型,在计算机视觉、语音识别、自然语言处理等多个领域有广泛应用。其核心设计理念源于对生物视觉系统的模拟,主要特点包括局部感知、权重共享、多层级抽象以及空间不变性。 **1. 局部感知与卷积操作** 卷积层是CNN的基本构建块,使用一组可学习的滤波器对输入图像进行扫描。每个滤波器在图像上滑动,以局部区域内的像素值与滤波器权重进行逐元素乘法后求和,生成输出值。这一过程能够捕获图像中的边缘、纹理等局部特征。 **2. 权重共享** 同一滤波器在整个输入图像上保持相同的权重。这显著减少了模型参数数量,增强了泛化能力,并体现了对图像平移不变性的内在假设。 **3. 池化操作** 池化层通常紧随卷积层之后,用于降低数据维度并引入空间不变性。常见方法有最大池化和平均池化,它们可以减少模型对微小位置变化的敏感度,同时保留重要特征。 **4. 多层级抽象** CNN通常包含多个卷积和池化层堆叠在一起。随着网络深度增加,每一层逐渐提取更复杂、更抽象的特征,从底层识别边缘、角点,到高层识别整个对象或场景,使得CNN能够从原始像素数据中自动学习到丰富的表示。 **5. 激活函数与正则化** CNN中使用非线性激活函数来引入非线性表达能力。为防止过拟合,常采用正则化技术,如L2正则化和Dropout,以增强模型的泛化性能。 **6. 应用场景** CNN在诸多领域展现出强大应用价值,包括图像分类、目标检测、语义分割、人脸识别、图像生成、医学影像分析以及自然语言处理等任务。 **7. 发展与演变** CNN的概念起源于20世纪80年代,其影响力在硬件加速和大规模数据集出现后真正显现。经典模型如LeNet-5用于手写数字识别,而AlexNet、VGG、GoogLeNet、ResNet等现代架构推动了CNN技术的快速发展。如今,CNN已成为深度学习图像处理领域的基石,并持续创新。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值