2018年2月5日,戴尔科技集团大中华区总裁黄陈宏博士宣布,“在大中华区,从今天开始,戴尔易安信品牌正式开始启用。” 一个月后,3月7日戴尔易安信第一次大中华区渠道战略发布会在北京举行,戴尔易安信副总裁兼大中华区商用渠道总经理王忠分享了不久前在美国拉斯维加斯举办的戴尔易安信全球内部的销售大会上,戴尔易安信的渠道策略和具体到大中华区的渠道政策。(详细渠道策略参考:戴尔易安信在大中华区发布全新渠道战略及渠道合作伙伴计划)
通过王忠的分享和交流,可以看到戴尔易安信形成一个健全的渠道组织。而2019财年戴尔易安信大中华区全新渠道战略将有五大战略重点,其中四六级城市的覆盖率、提升合作伙伴盈利、向客户提供更多服务价值以及建设健康渠道生态四大战略是之前戴尔策略的延续,新增的促进存储增长战略可以说是戴尔易安信新品牌一个新的渠道战略。
王忠分享的新的渠道主要销售团队各个业务负责人,主要包括负责分销业务的张蔚文,分别负责T1、T2(CSG/ GCN)合作伙伴的周明和毛柏林, CSG商用解决方案事业部,商用台式机、笔记本、工作站;GCN部门主要是包含了服务器和网络产品。负责成铭(为中国专门设计制造的产品品牌)业务的茹建军,以及负责整个T1和T2合作伙伴业务的杜术清(过去易安信渠道销售负责人)等等。
除了销售团队之外,戴尔还有一个渠道的专门支持部门,这些部门都是职能部门,他们是百分之百专门支持大中华区的渠道销售工作。有销售战略规划部门,还有渠道运营部门、渠道政策部门、渠道的赋能,同样存储有专门的人,售前支持部门主要是支持存储和数据中心业务,
可以看到戴尔易安信渠道销售团队是分工非常清晰,而且比较健全。无论在大中华区内部的渠道体系组织建设,还是对于渠道的支持,包括渠道生态体系的建设,戴尔易安信已经有了相当健全的组织。
王忠表示对于存储增长战略,虽然存储的营业额占整个大中华区营业额并不是特别大,最大的营业额来自于戴尔的服务器,其次是商用客户端产品。但是存储对对于戴尔易安信意义很大,因为戴尔易安信整合以后,存储生意做的好做不好,是整合的成功与否是最重要的一个指标。
因此戴尔易安信成立专门的存储销售团队,现在把所有跟原来戴尔合作的渠道合作伙伴以及原来跟易安信合作的合作伙伴,放到一个数据库里进行数据分析。通过过去8个季度的数据分析,把偏向于做存储,当然这里面包含戴尔的存储和易安信的存储,叫做Storage Strong Partner这部分的合作伙伴来说,戴尔易安信精力聚焦在以存储为主的合作伙伴身上,支持他们把存储的生意做的更好。
那么戴尔易安信全球渠道策略与大中华区的渠道策略是一个什么关系?对于至顶网这个问题。王忠表示:
戴尔易安信大中华区的模式和全球有不同,但是也有相同。相同就是全球渠道项目,可预测、简单、可盈利,这个合作伙伴全球是相同的。
它还是有一个单独的系统在管理,所有的这些渠道合作伙伴的返点政策,未来他们完成率怎么样,得到什么样的奖励政策,他们都是在一个专门的系统里,这个全球是统一的。基本理念跟中国没什么不同,包括让合作伙伴可预测自己未来的发展,可盈利,包括全球统一的整合网站,项目报备的管理,市场合作基金,能力认证,包括商业保理的项目,支持他的资金,这些东西都是比较相似的。
两个最大的不同:第一,组织结构不同,大中华区销售团队的组织结构和所有的都不一样,我们是单独跟全球汇报,整合的时候设计了组织结构,根据中国的情况组织这样设计符合中国特色。组织不同就意味着工作开展方式不一样。第二,渠道的策略不太一样。中国的市场T4-6市场,这个策略在海外是没有的。海外渠道更加强调的是解决方案提供商这方面渠道的能力,渠道的认证,渠道的订单报备。在中国要做好如何对四六级客户覆盖,如何有效满足客户需求,无论是产品还是服务。
好文章,需要你的鼓励
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。