ZDNet至顶网软件频道消息: 美国科技博客ReadWrite今天刊登题为《纳德拉证明微软并未改变》(Satya Nadella Proves That Microsoft Hasn't Changed At All)的评论文章称,微软CEO萨提亚·纳德拉(Satya Nadella)周四发给员工的公开信证明,该公司并没有彻底转变观念,没有把人放在第一位,而是重点吸引企业的IT部门,并一厢情愿地希望引导用户如何将设备用于工作。
以下为文章全文:
微软满脑子想的都是怎么让你工作,至于你的个人生活,并不是他们的重点。
微软CEO萨提亚·纳德拉在周四发给员工的公开信中阐述了公司的核心战略,以及未来几年的愿景和重点。
纳德拉今年早些时候曾经表示,该公司将在一个“移动为先,云端为先”的世界中,专注于发展“普适计算和情境智能”。而在周四的公开信中,它将这一模糊的概念进一步细化。
纳德拉说:“我们的核心战略是,在移动为先和云端为先的世界里,成为一家生产力和平台公司。我们仍将再造生产力,以便帮助地球上的每个人和每个组织获得更多的收获。”
在纳德拉的那份声明中,生产力成为了第一关键词,其余的一切似乎都成了次要内容。“生产力”(productivity)一词在纳德拉的那封信中出现了20次,而这个词的变种“工作”(work)出现了27次。
他表示,微软必须成为一家高度关注其客户的企业。但从纳德拉的这封信可以看出,你我并非他的客户。
纳德拉所谓的客户并不是我们这些整天用电脑和智能手机工作的人,我们只是结果而已。纳德拉真正的客户其实是各大企业和组织的IT部门,是决定企业使用何种生产力工具的决策者。
纳德拉似乎忘记了一件最重要的事情:过去7年间,全世界的企业设备领域最重要的趋势已经变成了“员工自带设备”(BYOD)。而在此期间,最受追捧的设备,绝大多数都与微软没有多大关系。
“我们将针对移动为先和云端为先的世界,提供一种重新设计的数字化工作和生活体验。最重要的是,这些体验将照亮生产力。因此,人们将更加方便而高效地召开会议、展开协作。”纳德拉说。
虽然纳德拉始终在强调移动为先的理念,但他对生产力的关注却未必能够赢得这一市场。在他看来,雇主是第一位的,人是第二位的。在纳德拉的整封信中,个人生活总是放在生产力之后。微软内部的甚至有一个名为“数字化工作和生活体验”的部门——工作在先,生活在后,这似乎并非巧合。
纳德拉说:“我们认为,人们的生产力、团队和整个组织的商业流程,是一个相互联系的数字基板。我们还在为个人、IT和开发者设想各种相互交织的平台。这种全面的视角使得我们可以在一个数字化程度日益加强的世界中,解决更加复杂、更加微妙的现实挑战。这也为庞大的增长机遇打开了一扇大门——随着生活和工作等方方面面的数字化程度逐步加强,技术开支在整个GDP中的百分比也将增长。”
微软在设备、操作系统、云计算和服务领域的最大竞争对手是苹果和谷歌。纳德拉并未具体提到这两家企业,但对工作和生产力的关注是微软区别于谷歌和苹果的关键所在。
苹果和谷歌都关注人——苹果甚至比谷歌更关注人。无论是Mac OS X还是iOS,苹果首先想到的都是为人们提供提供高品质的产品,至于是否要利用这些设备来工作和提高效率,完全由人们自己决定。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。