在医疗健康方面,联想云承担着保护医疗企业数据安全以及提高业务效率的职责。
在数据为王的时代,企业上云成了必然的选择。互联网的下半场,云服务也自然成为巨头兵家必争之地,从阿里、腾讯、百度、华为到联想,大家不约而同地都踏入了云服务市场。
但实际上,从产品和业务模式上看,联想云倒是显得有些“异类”。在近日于南京召开的国际生命健康科技大会上,镁客网采访了联想云产品与客户成功副总裁张跃华,他和我们谈到了联想做云服务的初衷,以及联想云的特别之处。
联想云是“田里”的业务
在多数人的印象中,联想是一家以PC为主的硬件公司,但实际上,如今的联想早已经将业务的触角伸到各个新兴场景。
张跃华用一个形象的比喻点明了联想的三个战略方向:以PC和手机为主的“碗里”业务;企业及服务在内的“锅里”的业务;最后一块则是“田里”的业务,主要是端到端、以云为中心构建的新业务。
而联想云无疑就属于“田里”的业务,它是联想从硬件设备商向云服务商转型的关键环节,也是联想“设备+云”业务的突破口。
值得注意的是,随着云服务市场的发展与增长,各大云服务厂商陆陆续续找到自己的优势并打出了特色牌,联想云也在企业级应用市场找到了适合自己的发展路线。
当前,联想云主要聚焦在云基础设施改造和云协同办公两个方向。
以云基础设施改造为例,联想十分熟悉企业IT业务的痛点,对于很多大企业来说,“上云”说起来容易,但实际运作起来却存在不少技术难题。
面对这块痛点,联想提出了超融合的方案。
超融合是一种新兴的技术架构,它将计算、存储和网络功能采用软件定义方式集成到单一设备中,充分发挥硬件性能。
张跃华表示,“联想的超融合可以帮助企业以开箱即用的方式,快速搭建企业的基础设施,让IT人员将更多地精力放在主要业务上。”
一方面是改造基础IT设施的搭建,降低成本投入,联想云另一个重点业务线是变革传统办公模式的企业网盘,它可以提高数据安全和工作效率,帮助企业优化业务流程,启发业务创新等。
与阿里、腾讯、AWS等这些云服务厂商不同的是,联想云通过为企业推出专属的公有云、融合云以及私有云,从而积累特定行业的know-how,向企业用户提供匹配行业特性的差异化解决方案。
联想云+医疗健康,一拍即合
谈及联想云在医疗健康领域的布局,也离不开上述提及的两个主要业务线。
近年来,市场对超融合的关注度越来越高,联想作为最早投入到超融合架构建设的企业之一,也一直在基于业务场景提供更灵活的解决方案。
比如传统IT架构和超融合架构的兼容性问题,以及企业在使用超融合架构时可能面临的计算和存储资源需求不匹配等。张跃华阐述了联想云的解决方法,“企业可根据业务情况动态扩充计算节点和存储节点,灵活调用。举个例子,我们可以把经常使用的放在超融合中,频度稍低的放到超融合的SSD里,长时间不用的放到低端存储里,这样整个存储差异性和成本也能兼顾到。”
目前,联想云已经为一些医疗企业搭建基于超融合架构的私有云方案。除此之外,他们的企业网盘在医疗行业也发挥了不俗的作用。
联想企业网盘除了承担基本的办公工作之外,更为关键的是它对企业业务的“渗透”影响:在保证企业数据安全的同时让企业数据价值最大化。
张跃华表示,“我们没有把企业网盘当做一个基础通用的工具,联想更希望它能改变业务的效率,优化业务流程或进行业务的创新。”
比如帮助医疗设备制造厂商优化产品的营销流程,通过智能数据分析判断销售机会和潜在的商机等。
张跃华直言,“联想企业网盘超越了一般人对网盘的认知。”
总而言之,在医疗健康方面,联想云承担着保护医疗企业数据安全以及提高业务效率的职责,“我们通过超融合IT架构提高企业底层IT系统的安全性、可靠性、灵活性,再依托企业网盘确保医疗数据分发的安全、可控、可追溯,优化业务流程。”
最后:
2017年,联想云业务正式开始独立运营,如今已经过去了两年。在这几年和企业客户打交道的过程中,张跃华很明显地感知到整个云服务市场大环境的变化。“大家越来越重视企业级市场,私有化部署越来越多,一些头部厂商的实践案例也让更多企业客户愿意通过新兴的技术优化业务流程,降本增效。”
云服务走到2019年,已经形成多家巨头割据的市场局面,但大家普遍的观点是,云服务是企业服务市场,很难出现一家独大的局面。一超多强,或者多强并存的状态应该会持续下去。
正如张跃华最后总结,“未来的企业级的云市场肯定是百花齐放,主要比拼的是你对行业客户痛点和场景的理解,这才是未来赢得关键。”
本文转自镁客网,作者巫盼
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。