ZDNet至顶网软件频道消息:周一早上的XChange大会会场人头涌涌,一众解决方案供应商坐在一起听微软合作伙伴销售主管Eric Martorano做主题发言。Martorano称,对软件巨头微软来说,这是一个“新时代的开始”。
四年前,Martorano在XChange大会上首次谈到云会为营收提供大好的机会。
“我总是不停地告诉他们,云要来的。嗯,云现在已经来了,还是主场。”Martorano告诉与会者,他对四年以来云取得的成就感到惊叹。
Martorano也告诉微软合作伙伴,五年后,他们现有业务的30%都无法以现在的方式存在。解决方案提供商必须把重点放在业务转型上。
Martorano指出,微软“未来的合作伙伴”要在以下四个领域吸引客户:那就是交易、以产品为基础的服务、管理服务和应用程序、IT领域。
Martorano表示,“我们的合作伙伴生态系统有更大的商机,他们还可以在上述全部四个领域试着找增值的方法。”
Martorano还与Infusion执行副总裁Steve Ellis在台上进行了讨论。Infusion是个在全球各地拥有600名员工的系统集成商,侧重于用微软产品提供无缝和创造性的工程服务。
Ellis告诉与会者,Infusion采取的方法是向用户展示最终的结果是什么样子,“向他们展示创新是绝对可能的;不是他们需要害怕的东西;是他们可以接受的东西。”
Ellis在主题发言结束后告诉记者,微软技术的深度和广度、一流的合作伙伴计划和策略是Infusion成功的关键。
他称,“他们有最好的合作伙伴策略。他们诚心对待Infusion,确实提升了我们。而我们则填上他们的空隙,我们在一起构成一个宏大的团队。”
Ellis告诉记者,Infusion模式的优势是围绕用户体验不断地、以迭代的方式开发。“这样的说法能与我们的客户产生共鸣。不是什么一鸣惊人的方法。只是要采取这些步骤提供更多的功能,交付、交付、交付。”
Ellis表示,他的公司专注于提供快速、迭代式的解决方案,重点在最终用户体验的突破上,这种突破是销售增长的动力。他告诉记者,“我们的客户不愿意做又大又笨的单一项目,投入了一年的时间和金钱,然后项目失败或是不能达到预期的目标,这样的项目客户是不愿意做的。”
Ellis称,“他们想尝试不同的东西,他们想尝试一种接纳新技术和交付变化的迭代方法。他们需要有人来告诉他们怎么做,他们想在内部实践这样的做法。Infusion的定位正是在这里。”
微软合作伙伴一族里另一类的代表是Rick Kreiser。他是Carney's Business Technology Center的总裁,入行35年,主要业务是为小企业提供解决方案。他告诉记者,自己在加利福尼亚州的Bakersfield初起炉灶时只有两台Selectric打字机和一个Thermofax。
Kreiser表示,“看着他们改变是件有趣的事。微软似乎需要几年的时间才能搞定一份在我的眼里还不错的商业计划书。”
Kreiser称,Office 365开始推出的时候就苦苦挣扎——一众合作伙伴需要一个更好的、可预测的利润率。
Kreiser指,现在微软“上了康庄大道”。
Martorano谈到四个“今天看得到的大趋势”:移动、社交、云和大数据。
他在发言里称,“世界在变,微软也在变。我们与合作伙伴一起在这个世界上的位置是唯一的,我们的成功是必然的。”
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
浙江大学等高校研究团队开发的VolSplat系统,通过"体素对齐"替代传统"像素对齐"方法,实现了快速高质量的3D场景重建。该技术仅需6张普通照片即可生成精确3D模型,在RealEstate10K等标准数据集上显著超越现有方法,为机器人导航、增强现实、建筑设计等领域提供了新的技术选择,代表了3D重建领域从二维思维向三维思维的重要转变。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
武汉大学团队与字节跳动公司合作,提出MAPO混合优势策略优化方法,解决AI训练中的"一刀切"问题。该方法能根据问题难度动态调整评分策略,避免传统方法中的优势反转和优势镜像问题。通过轨迹确定性判断和权重动态调整,在几何推理和情感识别任务上都取得显著提升,为AI自适应学习提供新思路。