5月8日,华为中国合作伙伴大会2023在深圳召开。华为发布了面向NA、商业、分销三类市场的策略,发力构建“伙伴+华为”的开放合作体系,并对相应的合作策略做了解读。
华为中国政企业务副总裁许超在会后接受了媒体采访,解读了如何理解“伙伴+华为”体系、怎样调整分销网络、如何加速推进数字化进程等大会中大家关注度颇高的几个关键问题。这些问题的答案,最终指向了华为将通过构建“伙伴+华为”体系,在数字化发展浪潮中,实现客户、伙伴、华为的三赢。
华为中国政企业务副总裁 许超
“伙伴+华为”:双向奔赴、互为伙伴
“伙伴+华为”体系本身是华为针对中国政企业务的重大升级,这个体系的前提,是华为把伙伴放在了前面。
许超称,做To B业务,伙伴是必不可少的角色,华为将伙伴放在前面,就是希望伙伴和华为一起,构建一个共同面向最终用户提供服务的商业体系。他指出,在这个体系中,“伙伴+华为”有两个变化:
第一,对外来讲,不只追求伙伴的数量,更追求伙伴的质量和能力,以及管理好与伙伴合作的规则和秩序,这是华为对外与伙伴合作的基本原则;
第二,对内来讲,华为做了更好的面向伙伴服务的组织构建,打造了让伙伴能够更好做生意的IT平台,也提出了更多激励措施。
这也正是华为在本次合作伙伴大会上多次强调的基于“规则、秩序、激励、平台”四项重要变革措施,构建双向奔赴、互为伙伴的“伙伴+华为”体系。
分销市场:简化、下沉
在“伙伴+华为”体系之下,华为将中国政企业务划分为NA、商业、分销三类市场,这之中,分销市场是华为今年变化最大的市场。
许超说,华为今年在分销网络结构上有两个明显的变化,即:简化和下沉。
华为分销市场一直都有,此前的分销通路是“总经销商-分销金牌-分销精英-工程商/安装商”,这次调整之后,分销通路变为“分销金牌-分销精英-工程商/安装商”三层结构。
在分销市场中,产品本身要求快速交易,如果流程过长,整体交易就会变得不顺畅,所以华为这次首先简化了分销通路。不过,许超也表示,总经销商未来还会继续发挥平台作用,但会尽可能少地出现在分销通路中。
新的分销通路中,分销金牌承载了原来总经销商的能力。
许超指出,分销基本含义分两部分,一个是分货,一个是销货,此前分货是由总经销商来分的,以后分货将由分销金牌来进行,分销金牌会按省认证。分销金牌最终是要能够将货很好地收敛、汇聚,把货很好地贴近二三线城市,了解市场并很好地“分”出去。
此外,在华为分销体系中,分销精英的管理也发生了很大的变化。
分销精英是真正能够下沉到市、县、镇工程商/安装商中的重要角色。在此前华为的管理体系中,是无法直接触达分销精英的,如今的分销体系中,华为将会直接管理分销精英,通过分销精英快速了解客户需求,突破下沉市场。
在华为如今的分销体系中,“分”在分销金牌,“销”在分销精英,这样就构成了一个更简单、更贴近下沉市场的分销销售网络。
中小企业:数字化转型的必然延伸
分销市场不仅业务设计的变化大,华为给予的激励也不小,在华为中国政企业务投入的50亿元伙伴激励总额中,有15亿元投向了业务占比并不高的分销市场。
为什么会将这么大的激励力度投入到以中小企业为主的市场中?
许超从三个方面解释了这一问题:
首先,从外部看,中国有48万家规模以上企业,每年新增企业又有两三千万家,虽然华为客户众多,但与这一数字相比,华为的企业覆盖率还远远不够。这也是华为自身业务发展的需要,在华为中国政企业务为自己制定的目标中,未来依然要保持30%以上的增速,对于聚焦ICT产业的华为而言,需要将客户群继续扩大,保持业务持续增长。
同时,这也是华为公司的愿景使然。华为的愿景是把数字世界带入每个人、每个家庭、每个组织,构建万物互联的智能世界。在这个愿景之下,致力服务好中小企业的数字化也就成为了必然。
最后,信息化、数字化、智能化已经是企业发展的必然趋势,在这样的发展趋势中,也有其发展规律,如今的数字化进程已经从大型央国企、一线及超一线城市带头进行数字化转型,逐渐延伸到了中小企业的数字化发展需求。
因而,华为面向中国政企市场的业务调整,既是大势所趋,也是华为自身愿景使然,在这之中的种种变化,最终是华为希望构建一个伙伴在前、更为开放的合作体系,以此实现客户、伙伴、华为在数字化进程中的三赢。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。