亚太地区——新加坡——2022年10月28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,任命Terry Smagh为Infor高级副总裁兼亚太及日本地区总经理。Smagh将常驻新加坡,负责在澳大利亚和新西兰、大中国区、日本、印度、东南亚和韩国等国家和地区的主要市场推动Infor的业务增长,并助力客户取得成功。
( Terry Smagh , Infor高级副总裁兼亚太及日本地区总经理 )
Infor执行副总裁兼国际业务总经理Wolfgang Kobek表示:“Terry是亚太地区企业级软件市场的资深专家,在推动营收和市场指数级增长方面拥有20多年的国际经验。我们很高兴他能加入Infor,带领正蓬勃发展且充满机遇的亚太及日本地区的业务发展。随着亚洲地区企业技术投资规模的不断扩大,他们正在积极寻求能够帮助企业快速且大规模提高业务灵活性、效率、韧性和创新性的软件。Terry为人热情向上,长期致力于推动和提供以客户为中心的卓越服务,我相信他将带领我们的团队和客户更上一层楼,进一步巩固Infor在亚太及日本地区的发展根基。”
Smagh将为Infor带来“软件即服务”(SaaS)和数据分析领域的深厚行业专业知识,他在帮助整个地区的客户实现业务转型和增长方面拥有良好的业绩。在加入Infor之前,他曾在BlackLine、IBM和Qlik等公司担任高级领导职务,在推动公司营收增长机会和提升盈利能力方面发挥了重要作用。
Smagh是新加坡人,对当地和区域市场的细微差别和增长机会有深入了解。他职业生涯的大部分时间都是在该地区度过的。
由于具有创业背景,Smagh热衷于扩大业务规模和培养领导者,他坚信“有了合适的团队,接下来的事就水到渠成了”。 Smagh表示:“我们的行业讲求以人为本,我认为领导者应当具备同理心、谦逊和尊重他人等品质。领导者要能够培养和激励高绩效团队,让团队同心协作,在压力下茁壮成长,并享受每一天的工作。我相信,树立企业文化和不断加强整体客户参与和体验将有助于我们取得成功并践行承诺。我在保留和招聘人才方面的目标很简单——那就是,我们必须持续关注并满足员工的需求,为员工营造最佳工作环境。”
Smagh表示:“如今,企业已经不仅仅局限于应对经济复苏和不确定性等挑战。相反,他们正在加倍努力,积极投资于能力、技术和技能建设,以便在新的商业时代实现快速发展。云将继续在这方面发挥关键作用。我很荣幸能够加入Infor大家庭,我相信凭借Infor为特定行业打造的CloudSuite解决方案,我们将能够很好地满足企业需求,并助力企业加快实现更大价值。这对企业而言将成为一个日益重要的竞争优势,我期待着与我的团队密切合作,共同为客户提供这一重要优势。”
Smagh将负责带领Infor团队在亚太及日本地区的工业制造、食品和饮料、汽车、高科技、分销与物流等多个行业实现业务增长。
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。我们为重点行业提供完整的解决方案。Infor 的任务关键型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 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,帮助客户达成业务目标。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 与客户建立持久、共赢的关系。
好文章,需要你的鼓励
微软高级软件工程师Alice Vinogradova将自己用SAP ABAP语言编写的向量数据库ZVDB移植到了搭载Z80处理器的经典计算机Sinclair ZX Spectrum上。她发现ABAP(1983年)和Z80(1976年)几乎是同时代产物,都诞生于内存珍贵、每个字节都很重要的计算时代。通过应用Z80优化技术,尽管时钟频率相差857倍,但代码运行速度仅慢3-6倍。她认为这些老式优化技术具有普遍适用性,在现代硬件上依然有效。
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
韩国电子巨头三星宣布收购美国西雅图数字健康技术公司Xealth,进一步扩大在健康领域的布局。Xealth专注于帮助医疗专业人员将数字健康技术整合到日常实践中,与70多家数字健康技术供应商合作,应用覆盖美国500多家医院。此次收购将推动三星向连接医疗保健平台转型,结合其在传感器技术和可穿戴设备方面的优势,完善Samsung Health平台功能。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。