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
是德科技高级副总裁兼通信解决方案事业部总裁Kailash Narayanan现场指出,算力固然重要,但如果能耗过高,技术的实用性将大打折扣,因此,所有的高速、高性能计算,都必须在极低的功耗下实现,这是AI等技术能否大规模落地的核心前提。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
来自上海交通大学和浙江大学等机构的研究团队开发出首个AI"记忆操作系统"MemOS,解决了AI系统无法实现人类般持久记忆和学习的根本限制。该系统将记忆视为核心计算资源进行调度、共享和演化,在时间推理任务中相比OpenAI记忆系统性能提升159%。MemOS采用三层架构设计,通过标准化记忆单元实现跨平台记忆迁移,有望改变企业AI部署模式。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。