AI和分析领域的领导者SAS正加强合作伙伴在公司战略中的作用,以促进业务增长、推动创新并为客户赋能。SAS将其合作伙伴计划提升到了一个新的高度,制定了创新性的举措,以期助力客户和合作伙伴取得成功。
“在我们的专业技能与客户关系的坚实基础上,进一步发展战略合作伙伴关系是价值增长的关键。”SAS首席执行官办公室执行副总裁Gavin Day表示:“合作伙伴与我们共同成长。他们的知识和技能能够增强我们世界一流的AI和分析能力,助力我们为客户实现价值。”
AI实现数据价值最大化
SAS与行业领导者开展合作,不断开发基于AI等新兴前沿技术的全新解决方案。
SAS®Viya®的AI和决策功能现已部署于包含Snowpark容器服务(私人预览版)的Snowflake数据云中。用户无需在平台之间移动数据,就可以享受这两者强强联合带来的高性能服务——SAS提供了行业领先的AI和分析平台,而Snowflake的优势是安全的弹性处理引擎。在整个分析生命周期中,用户能够更快地获得数据洞察,在降低风险的同时取得最大收益。
SAS健康(SAS Health)是面向医疗保健行业的全新云原生产品(其中涉及SAS与SingleStore的合作)。它基于SAS强大的AI和分析平台SAS Viya,能够简化健康数据管理,并利用AI更快地进行数据分析。SAS健康构建了基于行业标准的公共健康数据模型,提供了企业级的、端到端的健康数据与分析解决方案。该模型将作为连接健康数据与关键运营信息的中枢节点,以提高互操作性,加快获得洞察并降低总运营成本。
SAS与英特尔继续开展合作,在英特尔最新的第四代至强处理器上部署了全球最先进的SAS AI和分析平台。通过将SAS分析与英特尔软硬件集成,客户可以借助至强系列处理器的独特功能来提高性能并降低业务成本。英特尔还赞助了SAS的很多关键项目和活动,包括SAS年度黑客马拉松、SAS创新大会和SAS Explore大会。
“通过与客户开展互动活动,我们洞察到如何在现在和未来为他们提供更好的支持,这是非常宝贵的收获。”英特尔全球人工智能与分析高级客户总监Teck Joo Goh表示:“我们与SAS已有数十年的合作关系,通过携手合作,我们的客户和我们的业务都取得了巨大的成功。”
加强合作伙伴关系,提升客户体验
近日,在SAS Explore大会上,SAS举办了2023年客户颁奖典礼。中东地区领先的SAS解决方案提供商Linktera获得了SAS颁发的杰出合作伙伴奖。12年来,Linktera一直致力于为客户创造价值,持续使用SAS技术,深耕金融、风险和分析领域。除了在数字、银行和金融领域开展日常业务外,Linktera还积极参加社会公益活动。今年土耳其大地震发生后,Linktera看到了构建救灾协调与应急系统的迫切需要。作为SAS的合作伙伴,Linktera使用SAS Viya开发了一项解决方案,简化了决策流程,从而更有效地分配资源,为受灾人群提供帮助。该解决方案使用开源工具整合来自社交媒体和卫星图像的数据,以确切掌握受灾地区的现状,并将信息实时传递给应急响应人员。这一解决方案是Linktera与EPAM的合作项目,二者共同组成Linktera4Good团队,参加了2023年SAS黑客马拉松并荣获了欧洲、中东和非洲地区的冠军。
“Linktera和SAS已经合作十多年了。我们打造了一个伟大的生态系统,并见证了业务的高速增长。过去五年中,我们的业务规模扩大了三倍,目前正专注于数字银行业务。当我们发现有必要建立快速、高效和智能的救灾应急与协调系统时,我们立即将目光投向SAS Viya,”Linktera首席执行官Task?n Osman Aksoy表示:“通过利用SAS分析,我们不仅帮助客户满足了业务需求,还对社区产生了直接影响,使其变得更加美好。”
扩大分销规模
为了扩大间接渠道业务,SAS招募了两家全球领先的技术分销商:TD SYNNEX(负责美洲、欧洲和亚洲的大部分地区)和Carahsoft 科技公司(可信赖的政府IT解决方案提供商®,负责美国公共部门)。SAS的解决方案提供商合作伙伴将受益于这两家分销商在垂直领域的技能,以及区域影响力和广泛覆盖的销售网络。这是SAS首次采用两级渠道分销模式,将助力SAS解决方案提供商扩大规模、开拓新市场并获得更多的配套工具。
“TD SYNNEX致力于整合技术解决方案,帮助客户收获今天,赢得未来,实现业务持续增长。”TD SYNNEX全球数据、AI与物联网解决方案副总裁Clay Davis表示:“SAS已成为我们产品组合的一部分,我们将协助SAS合作伙伴更轻松地发展业务,利用新的AI和分析功能来提升客户数据价值。”
浏览SAS合作伙伴,关注最新消息,了解最新的合作伙伴新闻、洞察和发展动态。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。