IBM正在竞标一项价值数亿英镑的英国邮政局合同,这距离该公司被付费解除其赢得的替换有争议的Horizon系统合同已有十年之久。
Computer Weekly获悉,这家美国科技巨头正在参与邮政局替换富士通Horizon系统计划的合同竞标,DXC作为其合作伙伴参与了这次竞标。
这并不是IBM首次竞标邮政局的重大合同。2013年,一项价值1亿英镑的多供应商合同开始实施,其中包括IBM,但该合同在2015年被取消。邮政局不得不向IBM支付数百万英镑的纳税人资金,用于补偿已完成的工作。
这份与IBM的合同由Computer Weekly在2015年6月报道,当时西北莱斯特郡前议员安德鲁·布里奇根表示,他拥有一封证明邮政局正寻求替换Horizon系统的电子邮件。
但在2024年5月的邮政局丑闻公开调查听证会上,2014年加入邮政局的首席财务官阿利斯戴尔·卡梅伦表示,在没有富士通支持的情况下理解Horizon系统存在问题。
"我们很快就遇到了困难,因为没有人知道Horizon是如何工作的...在没有富士通帮助的情况下重建它是极其困难的,"他说。"我们真的怀疑它能否在富士通合同结束之前正确完成并推出,所以我们延长了与富士通的支持合同以争取更多时间。"
与IBM的交易从未完成,有争议的Horizon系统至今仍在使用。
在最近接受Computer Weekly采访时,邮政局的IT负责人保罗·阿纳斯塔西表示,富士通将在明年夏天出局,到2030年将不会有Horizon系统的任何痕迹,该系统有80多个组件。
IBM目前竞标的这份价值3.23亿英镑的合同将让成功的投标者接管现有的Horizon服务。这将包括为分邮政局长提供应用支持、应用开发和发布管理、从本地数据中心向云迁移,以及建立云原生后台和渠道平台。
这是邮政局招标的第1标段,有几家供应商入围候选名单。
价值1.6亿英镑的第2标段寻求供应商提供现成的电子销售点(EPOS)系统来替换Horizon前端。有十多家供应商竞标这份价值1.69亿英镑的合同,但只有三家进入候选名单。
其中有一个熟悉的面孔。正如Computer Weekly去年7月透露的,曾为邮政局Horizon系统提供中间件的EPOS软件制造商Escher正在瞄准第2标段。
邮政局不愿就供应商问题发表评论,因为招标流程正在进行中。所有供应商的标准之一,都非常清楚Horizon问题,是希望在邮政局纠正问题。
邮政局丑闻最初由Computer Weekly在2009年曝光,揭露了七名分邮政局长的故事以及他们因Horizon会计软件遭受的问题,这导致了英国历史上最广泛的司法错误。
Q&A
Q1:IBM为什么要再次竞标邮政局合同?
A:IBM正在竞标价值数亿英镑的邮政局合同,用于替换富士通的Horizon系统。这是IBM第二次竞标邮政局重大合同,上次在2013年赢得合同但在2015年被取消。
Q2:Horizon系统存在什么问题?
A:Horizon系统是一个有争议的会计软件系统,存在严重缺陷。该系统导致了英国历史上最广泛的司法错误,许多分邮政局长因为系统错误而被错误起诉。
Q3:邮政局计划如何替换Horizon系统?
A:邮政局制定了分两个标段的替换计划。第1标段价值3.23亿英镑,负责接管现有Horizon服务并建立云原生平台;第2标段价值1.6亿英镑,提供电子销售点系统替换Horizon前端,预计到2030年完全移除Horizon系统。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。