Engage2024城市行-上海站:黄浦江畔论道数字化,70+龙头企业共话新增长

简介: 12月4日,Engage2024城市行—上海站在外滩蓝森号游轮成功举行,吸引了70多家行业龙头企业的近百位精英参与。活动围绕数字化建设、业务增长和企业出海等话题展开深入交流,特灵科技、博世等企业分享了数字化转型经验,强调了合作共赢的重要性。亚马逊云科技则分享了企业出海的关键洞察,强调了全球化思考与本地化运营的必要性。

12月4日,Engage2024城市行—上海站在外滩蓝森号游轮成功举办,吸引了特灵科技、江森自控、伊顿公司、米其林、博世、易格斯等70+行业龙头企业近百位行业精英到场参与,在美丽的黄浦江风景中围炉夜话,零距离面对面围绕数字化建设趋势、业务增长破局点、企业出海路径等话题进行了深入交流与探讨。
微信图片_20241209093324.jpg
微信图片_20241209093333.jpg
微信图片_20241209093359.jpg
微信图片_20241209093359.jpg
会议现场座无虚席,气氛热烈。博世、江森、永达、数聚股份等企业代表踊跃交流,分享各自企业在数字化转型中的经验,共同探讨行业难点,提出创新见解,引发与会者对数字化发展前景的深入思考。

作为最早一批进入中国市场的跨国企业,特灵科技亚太区IT副总裁林琼分享道,特灵科技深耕中国30余年,对中国市场有着深刻的理解,在本土化进程中,也建立了完整的研发、生产和服务体系,且注重倾听中国客户的真实需求。通过与销售易3年多的合作,特灵科技以NeoCRM平台为基础,全面实现了中国区核心业务的数字化和智能化,以CRM驱动业务的持续增长。在数字化的进程中,企业应找到可信赖的合作伙伴共创共赢。希望中国能有越来越多像销售易这样的软件供应商,让跨国企业的中国分支机构有底气、有能力在本土数字化道路上稳步前行。
微信图片_20241209093712.jpg
“双向奔赴,共创价值”是销售易一直坚持的合作理念。企业客户是共同成长的伙伴,销售易也始终致力于与客户携手并进,实现互利共赢的可持续发展。

销售易创始人兼CEO史彦泽表示:“与企业建立信任是一个循序渐进的过程,作为软件服务商既要具备处理复杂业务场景的能力,也要深入理解并满足客户的多样化需求。非常感谢新老客户的信任,与我们一同共创产品,不断提出宝贵的建议和需求。正是这种紧密合作,让销售易在过去几年内实现了产品能力的快速迭代升级。随着产品能力的不断增强,我们能够为客户提供更优质的服务,这反过来又帮助销售易与客户建立起更稳固的长期合作关系,形成良性循环。作为企业数字化‘背后的力量’,销售易希望提供的不仅仅是产品与功能,更是助力客户实现增长与盈利,让赚钱更容易的软件,真正为客户创造实际的业务价值。”
微信图片_20241209093813.jpg
与此同时,亚马逊云科技作为销售易的重要生态伙伴,拥有丰富的企业出海服务经验。其制造行业华东区业务拓展经理张冬菲以《全球化思考,本地化运营》为主题,分享了企业出海的关键洞察。他指出,各地区市场特点、法规政策和文化差异显著,企业必须制定符合当地实际的运营策略,否则将在市场准入、用户接受度和合规性等方面面临挑战。
微信图片_20241209093908.jpg

相关文章
|
12月前
|
机器学习/深度学习 人工智能 分布式计算
【AI系统】混合并行
混合并行融合了数据并行、模型并行和流水线并行,旨在高效利用计算资源,尤其适合大规模深度学习模型训练。通过将模型和数据合理分配至多个设备,混合并行不仅提升了计算效率,还优化了内存使用,使得在有限的硬件条件下也能处理超大型模型。3D混合并行(DP+PP+TP)是最先进的形式,需至少8个GPU实现。此策略通过拓扑感知3D映射最大化计算效率,减少通信开销,是当前深度学习训练框架如Deepspeed和Colossal AI的核心技术之一。
531 15
【AI系统】混合并行
|
12月前
|
机器学习/深度学习 人工智能 PyTorch
【AI系统】数据并行
数据并行是一种在分布式AI系统中广泛应用的技术,通过将数据集划分成多个子集并在不同计算节点上并行处理,以提高计算效率和速度。在大规模机器学习和深度学习训练中,数据并行可以显著加快模型训练速度,减少训练时间,提升模型性能。每个计算节点接收完整的模型副本,但处理不同的数据子集,从而分摊计算任务,提高处理速度和效率。数据并行按同步方式可分为同步数据并行和异步数据并行,按实现方式包括数据并行、分布式数据并行、完全分片的数据并行等。其中,分布式数据并行(DDP)是当前应用最广泛的并行算法之一,通过高效的梯度聚合和参数同步机制,确保模型一致性,适用于大型NPU集群和AI系统。
590 7
【AI系统】数据并行
|
12月前
|
监控 供应链 搜索推荐
不同行业DTC业务模型的差异化分析
DTC营销模式通过直接面向消费者,整合产业链、打造极致单品、培养超级用户等策略,实现利润快速增长。本文深入探讨DTC的定义、特点、优势、适用场景及实施策略,强调数据驱动和品牌与消费者紧密连接的重要性。
530 14
|
12月前
|
人工智能 Serverless 数据处理
通过图片视觉理解,结构化提取属性信息
邀请您参加图片信息提取挑战!使用AI技术提升数据处理效率,通过部署应用并上传图片信息截图,即可赢取南瓜蒲团坐垫,每日限量50个,先到先得。活动截止至2024年12月27日16:00。立即访问活动页面参与吧!
187 8
|
12月前
|
关系型数据库 MySQL 数据库
数据库数据恢复—MYSQL数据库文件损坏的数据恢复案例
mysql数据库文件ibdata1、MYI、MYD损坏。 故障表现:1、数据库无法进行查询等操作;2、使用mysqlcheck和myisamchk无法修复数据库。
|
10月前
|
分布式计算 Spark
【赵渝强老师】Spark RDD的依赖关系和任务阶段
Spark RDD之间的依赖关系分为窄依赖和宽依赖。窄依赖指父RDD的每个分区最多被一个子RDD分区使用,如map、filter操作;宽依赖则指父RDD的每个分区被多个子RDD分区使用,如分组和某些join操作。窄依赖任务可在同一阶段完成,而宽依赖因Shuffle的存在需划分不同阶段执行。借助Spark Web Console可查看任务的DAG图及阶段划分。
442 15
|
12月前
|
机器学习/深度学习 存储 人工智能
【AI系统】昇思MindSpore并行
本文介绍昇思MindSpore的并行训练技术,包括张量重排布、自动微分等,旨在简化并行策略搜索,提高大规模模型训练效率。文章探讨了大模型带来的挑战及现有框架的局限性,详细说明了MindSpore如何通过技术创新解决这些问题,实现高效的大模型训练。
333 20
【AI系统】昇思MindSpore并行
|
12月前
|
存储 机器学习/深度学习 人工智能
【AI系统】完全分片数据并行 FSDP
本文深入探讨了AI框架中针对权重数据、优化器数据和梯度数据的分布式并行实现,特别是在PyTorch框架下的具体方案。文章首先回顾了通用数据并行和分布式数据并行的概念,重点讨论了同步与异步数据并行的差异。接着,文章详细介绍了如何在PyTorch中实现弹性数据并行,特别是完全分片数据并行(FSDP)的机制,包括其如何通过分片模型状态和剩余状态来减少内存消耗,提高训练效率。此外,文章还探讨了混合精度训练、损失缩放和内存消耗估算等关键技术,为理解和实施高效的分布式训练提供了全面的指导。
486 9
【AI系统】完全分片数据并行 FSDP
|
12月前
|
机器学习/深度学习 人工智能 PyTorch
【AI系统】计算图原理
本文介绍了AI框架中使用计算图来抽象神经网络计算的必要性和优势,探讨了计算图的基本构成,包括标量、向量、矩阵、张量等数据结构及其操作,并详细解释了计算图如何帮助解决AI工程化中的挑战。此外,文章还通过PyTorch实例展示了动态计算图的特点和实现方法,包括节点(张量或函数)和边(依赖关系)的定义,以及如何通过自定义Function实现正向和反向传播逻辑。
465 7
【AI系统】计算图原理
|
11月前
|
存储 Java BI
java怎么统计每个项目下的每个类别的数据
通过本文,我们详细介绍了如何在Java中统计每个项目下的每个类别的数据,包括数据模型设计、数据存储和统计方法。通过定义 `Category`和 `Project`类,并使用 `ProjectManager`类进行管理,可以轻松实现项目和类别的数据统计。希望本文能够帮助您理解和实现类似的统计需求。
285 17