ZDNet至顶网软件频道评论(文/蒋湘辉): 7月23日,微软发布了截止到6月30日的2014财年第四季度及全年的财报。财报显示,2014全年微软收入为868.33亿美元,同比增长11.5%,首次突破800亿美元。净利润达220.74亿美元,同比增长0.97%,为微软历史上第二高的利润。而微软第四财季收入为233.8亿美元,同比增长17.52%;净利润为46.12亿美元,同比下滑7.11%。尽管微软目前正值历史最大规模的1.8万人裁人之际,但纵观微软2014财年却有几大亮点值得点出:
一是微软公司在2014财年公司市值增长了40%以上,是2000年互联网泡沫至今年市值增长幅度最大的一年。微软目前市值超过了3700亿美元,虽然仍然落后于苹果(亿美元左右)和谷歌(4000亿美元左右),但领先接下来几位的三星电子(约2200亿美元)、IBM(约1900亿美元)、Facebook和甲骨文(约1800亿美元)的幅度仍然较大。
二是微软的云计算战略已经取得了很大成功。2014财年微软云计算业务超过了预期,云计算整体年化收入已达44亿美元,其中商业云服务同比增长147%,接近1.5倍。而44亿美元的收入规模意味着微软已经成为目前在云计算领域领跑的厂商,这一规模已经超过Salesforce公司2014财年全年40.71亿美元的收入,以及亚马逊公司2013年不超过39.34亿美元的云计算收入。另外微软和IBM的公布的2013年44亿美元云计算收入刚好一样多,但微软的云服务均为软件,利润率会超过IBM。此外,相比甲骨文和SAP公布的2013年15.56亿美元和12.78亿美元(9.75亿欧元)的云计算收入相比,微软的云收入领先更多。微软披露,Office 365和Azure的收入增长均超过100%,目前的Office 365消费类云用户已达560万,上季度新增用户超过100万。
三是从高利润的核心产品线看,微软有多条产品线的收入四季度的增幅也都超过了两位数:其中微软消费类Office在遭遇传统PC衰退的局面下收入增长了21%; 而在SQL Server和System Center的带动下,微软服务器类产品收入增长了16%。此外,微软的Bing搜索的广告收入增长了40%,在美国市场的份额也达到了19.2%。
四是2014财年微软研发投入为113.81亿美元,同比增长9.32%,在全球IT所有IT厂商中是除三星电子外第二家研发投入超过110亿美元的IT企业。巨额研发投入是微软和谷歌及苹果角逐IT江湖霸主的强大后盾。
当然,从微软披露的2014财年数据看,负面消息也有不少:一是4月份完成并购的诺基亚手机部门业务缩水严重,单季度收入不到20亿美元(19.85亿美元),580万部Lumia智能手机和3030万部功能手机,并不能达到微软缩小和苹果、谷歌在智能手机业务差距的目标。二是主打Surface和XBOX的计算与游戏硬件部门在2014年的收入虽然猛增了49%,但运营利润却下滑了7%,甚至在四季度出现了6.5亿美元的运营亏损。三是微软传统的现金奶牛Windows在OEM收入上增长乏力,四季度只增长3%。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。