ZDNet至顶网软件频道消息:5月21日,第六届中国云计算大会在京举行,微软全球资深副总裁、微软亚太研究集团主席张亚勤在接受ZDNet采访时表示,公有云市场价格战不会长久,“当前公有云价格战主要集中在IaaS层面,而公有云的真正价值存在于PaaS平台及其上面的SaaS应用。随着时间的沉淀,公有云供应商在经验、规模、稳定性这些方面的差异将逐渐缩小,真正能左右用户选择的是,公有云平台的开放性、提供工具的多样性,及云服务质量的优劣。”
微软全球资深副总裁、微软亚太研究集团主席张亚勤
微软有三大云优势
据张亚勤介绍,Microsoft Azure已有超过100万台服务器,数据中心已从8个地区扩充到16个地区,微软在基础建设方面的投入超过150亿美元。目前,55%的财富500强企业都在使用Microsoft Azure,其计算量是2000年全球计算量总和的10倍。
相较其它云厂商,微软拥有三大优势:首先,微软是一个全球化的互联网公司,推出了很多互联网产品,如Bing,Office 365, Microsoft Exchange,XBox,XBoxLive等等。微软对于运营大规模云服务非常有经验。第二,微软提供灵活的解决方案,既有私有云,也有公有云解决方案,混合式解决方案是现在很多客户都非常需要的。第三,微软提供一个开放的平台,不仅仅支持在自己的平台上进行开发,也同样支持其他的平台,这也是微软将Windows Azure更名为Microsoft Azure的理由。目前,微软已经支持绝大多数的开放标准和开源软件环境,Linux、Hadoop、MongoDB、Drupal、Joomla等常用开源环境都可以运行在微软平台上。
今年3月Azure在中国正式商用,目前在国内,已经有超过3000家用户部署了Azure公有云服务,其中160多个用户已经或即将在Azure上投入商业运营。Azure的客户涵盖了从政府、大企业、中小企业、外企、初创公司到开发者的各行业用户群体。
据张亚勤介绍,2014年微软在云计算领域的研发重点有四个:第一,建立大型数据中心,第二,推行以人为本的IT,第三,提升大数据洞察,第四,提供更为丰富的开发工具。
张亚勤表示,过去的IT世界发展是将物理世界进行数字化,其中包括信息、商业流程的数字化,将这些信息用互联网连接起来。而在未来十年,IT的发展则是从虚拟世界向物理化的发展,具体体现在3个方面:第一,互联网的技术开始扩展到真实的技术和实体中,比如智能汽车、穿戴设备等;第二,对于传统行业来说,互联网商业模式有很好的启示作用,比如以用户体验为先,快速迭代的产品发布,以及病毒式营销等等;最后,互联网将会给传统行业带来颠覆式影响。
互联网向物理化的发展将为中国企业带来很多的机会,张亚勤表示,“在某些方面,中国可能会领先美国或者别的国家,因为中国有很多的传统实体制造业企业,有很大的市场、用户规模,而谈到大数据整个的规模效应,谈到对传统行业升级转型,中国的需求量都是最大的。同时,中国企业也具有很好的开放性思维,他们的这种企业家精神甚至可能超过美国。”
微软在人工智能和机器学习方面已经耕耘了十几年,微软投入了很大的精力,现在也获得了一些突破,特别是在机器的深度学习方面。据张亚勤介绍,目前,机器已达到5、6岁孩子的智能程度,而再过10年到20年,其智能水平将会赶超成年人水平。张亚勤表示,人工智能的发展让人感到非常兴奋,它将颠覆人们已有的一切技术,而这在过去几十年中都是不存在的。
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。