北京——2022 年 8 月 17 日——为特定行业提供商业云软件的全球领先供应商Infor近日宣布,Gartner 公司在其《2022 年仓库管理系统(Warehouse Management Systems,WMS)魔力象限》报告中连续第四年将 Infor 评为领导者,以表彰 Infor 卓越的执行力和前瞻性。
点击此处免费下载《2022 年 Gartner 仓库管理系统魔力象限》报告。
Gartner 在报告中指出:“尽管仓库管理市场已经非常成熟,但近期的业务中断依然促进了市场创新。这对于一些供应商和地区来说极具挑战性,但预计到 2026 年,整体市场规模仍将以超过 13% 的五年复合年增长率(CAGR)增至 40 亿美元以上。仓库管理软件产品在可用性、适应性、决策支持、上下游市场的可扩展性、新兴技术的使用及生命周期成本等方面仍然存在差异。此外,客户也越来越青睐于能够支持端到端供应链和物流流程编排的供应链套件。Gartner 将这些领域称为供应链融合与供应链运营融合(与运营活动的融合有关)。”
Infor 产品管理副总裁 Vishal Minocha 表示:“由于市场环境瞬息万变、产品组合持续变化、复杂性日益增长以及劳动力市场不断变化,企业需要充分利用自动化并更好地利用资产来促进盈利性增长。我们相信,Infor 连续第四次被评为 Gartner 仓库管理系统魔力象限的领导者,意味着我们通过 Infor WMS 帮助企业提高敏捷性的能力得到了肯定。
Infor WMS 将先进的仓储功能、高度可配置的规则以及内置劳动力、任务和库存管理与3D 可视化整合为一个简单直观的解决方案。这种统一的方法有助于企业从整体上评估要求、融入增值服务、确定任务优先级并消除瓶颈。得益于这种方法,Infor 能够按照一致标准履行订单,同时提升业务处理能力并降低成本。”
Infor WMS 的目标是将敏捷性与云的强大功能结合起来,帮助企业让新仓库尽快投入运营,并帮助客户更快上手。这一敏捷的、基于云的系统旨在帮助企业丰富服务级别并提高产品流转速度。Infor WMS 的设计易于配置,使用起来也非常直观,可为下一代技术增强型全球仓储运营提供支持。
Gartner,《仓库管理系统魔力象限》,Simon Tunstall、Dwight Klappich、Rishabh Narang,2022 年 6 月 1 日。
Gartner 不对其公开发表的研究结果中说明的任何供应商、产品或服务背书,也并未建议技术用户仅选择具有最高评分或其他指名的供应商。Gartner 公开发表的研究结果包含Gartner 研究组织的意见,不应被视为事实陈述。Gartner 不对本研究提供任何明示或暗示的保证,包括对适销性或适用于特定用途的任何保证。
Gartner 和魔力象限(Magic Quadrant)是 Gartner 有限公司和/或其附属公司在美国和国际上的注册商标,经许可在此使用。保留所有权利。
关于 Infor
Infor 是为特定行业提供商业云软件的全球领先供应商。我们提供完整的解决方案,覆盖工业制造、分销、医疗健康、食品饮料、汽车、航空以及高科技行业。Infor 面向关键业务的企业级应用和服务旨在提供高安全性的可持续运营优势,帮助企业更快实现价值。Infor 致力于帮助客户创造更好的业务成果,不断创新以应对新的业务和行业挑战。Infor 旗下 17,000 名员工为超过 175 个国家和地区的 60,000 家客户提供服务,通过其深厚的行业经验帮助客户应对市场挑战并达成业务目标。作为科氏工业集团的一员,Infor 的财务实力、股权结构和长期承诺将助力 Infor 与客户、员工和合作伙伴之间建立持久、共赢的关系。
好文章,需要你的鼓励
2025年1月,OpenAI、软银、甲骨文和MGX联合宣布"星际之门"计划,承诺投资5000亿美元,部署高达10GW算力基础设施。如今,该项目已从白宫发布会上的宏大承诺,演变为一场前所未有规模的基础设施建设实验。项目已扩展至德克萨斯、威斯康星、俄亥俄等多地,并延伸至阿布扎比和挪威。然而,融资争议、合作伙伴摩擦、能源压力及政策监管收紧,正考验着这一"AI工业园"模式能否真正落地。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
加密货币交易所OKX正式推出AI智能体交易市场OKX AI,允许AI代理相互雇佣、自主结算,并建立基于区块链的可携带信誉档案。该平台经过50家早期服务商封测后向开发者开放,依托稳定币和链上支付基础设施,支持全天候微支付。OKX创始人徐明星表示,传统金融基础设施为人类而建,智能体经济需要为自主软件专门设计的基础设施。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。