ZD至顶网软件频道消息: 5月18日,由中国电子学会主办、ZD至顶网协办的第八届中国云计算大会在北京国家会议中心隆重举办,业内主流的云计算服务企业云集于此,各抒己见。(第八届中国云计算大会大会直播地址:点击查看)
作为本届大会重要的合作伙伴,微软(中国)有限公司 Microsoft Azure公有云事业部总经理徐明强博士接受了ZD至顶网的独家视频专访。在徐明强看来,微软Azure通过拥抱开源技术,为开发者提供更多的开发支持,帮助企业更专注于业务创新。
微软(中国)有限公司 Microsoft Azure公有云事业部总经理徐明强博士
ZD至顶网记者:本届中国云计算大会的主题是“技术融合,应用创新”,您如何看待这些新技术在商业运营或社会发展中所起的作用?
徐明强:现在诞生了很多新技术,比如给奶牛身上放一个传感器就可以提高奶牛的产量,在医院部署传感器可以增强医院的卫生监控,在电梯上装传感器采集数据可以增强电梯的安全性等,这些数字型的技术可以影响到社会的方方面面。那么,要做好数字化技术应用必须要能够可以对大量的数据进行采集、存储、过滤,以及数据预测性学习等方面的能力,才能让这些技术的应用更好地为整个社会发展起到积极作用。
ZD至顶网记者:你刚说几个方面很有意思。那么,微软Azure这方面,在未来主要发展路线图是什么样的?
徐明强:微软Azure未来的发展主要分为三方面:首先,微软全面拥抱开源,尤其现在微软内部Java、Linux技术的工程师受到非常高的尊重,从开源技术方面也会吸引各种开源的数据库技术,使用开源的操作系统和开源开发工具;
其次,我们看到很多数字化技术最常见的应用场景是混合云的场景。 比如,银行要做抢红包这样一个项目,抢红包客户的数据一般是放在私有云,而抢红包的过程需要充盈的带宽、有弹性的计算资源和存储,这些资源会选择使用公有云来承载。所以,经常是要将客户数据通过脱敏放在公有云上,然后在抢红包过程中,要确保数据的交换、安全;
最后,相对于过去,应用的目的主要为了提高企业内部人员的生产效率,现在的新型数据的应用更关注帮助企业更好地经营客户,提升企业的运营效率,以及企业业务的真正转型,这些给开发人员带来非常大的压力。微软是为开发者提供开发工具的厂商,而且这也是微软非常擅长的领域。我们的主要目的是把这些压力从开发人员身上移走,让他们更专注于开发,从而实现应用的快速迭代,快速满足企业不断增加的业务需求。
ZD至顶网记者:就像您刚刚说的,应用越来越新,迭代也越来越快。这种情况下,Azure在企业商业创新中会发挥哪些优势?
徐明强:举例来讲,电商企业需要对电商用户的行为做一些处理,在处理中需要很多的第三方数据,从而形成精准的用户画像。但是,从第三方数据当中找到类似客户的信息,就需要将这些第三方的数据拿来做数据的挖掘。在开源技术中,Hadoop可以实现这种数据挖掘,用大批量的处理单元进行大数据的处理。那么我们在这个客户原来自己部署时机,自己把这些数据导入到这些虚机上面去,非常繁琐。现在,Hadoop 平台即服务可以支持开发者只通过点击就可以创造一个Hadoop集群,数据也是存在Azure的存储,并且可以非常高效地将数据导入微软PaaS平台的服务,从而大大提高了开发人员的生产力。
ZD至顶网记者:您如何看待开源技术在企业用户商业创新中的变化和作用?
徐明强:现在开源技术有个特点,其开源社区非常活跃,它包含了各种各样的技术,包括各种各样的客户端技术、后台服务端技术,以及手机端的移动技术。各种开源技术组成一个非常完整的可以让开发人员来创建的数字型平台。
ZD至顶网记者:Azure具体是如何拥抱开源的?
徐明强:我们对开源技术的拥抱,主要包括这样几个层次:首先,在过去开发者需要把开源技术用虚机的方式打包封装,投放到云上面去,这样给运维人员带来了很多运维的负担。现在,我们通过PaaS平台服务,来封装这些开源的技术,比如说我们提供的PaaS平台的Hadoop服务等。通过使用这些服务,节省了开发人员和运维人员的工作开销,大大的提高他们的开发生产力。另外,在开发工具当中也提供很多内制项目的模板,通过这些模板可以很快创建一个开源的项目,这也给开发人员提供了更多的方便。
ZD至顶网记者:说了这么多,我们也已经对于微软Azure有一个初步的认识了。请您用一句话来介绍一下,您对本届中国云计算大会的观感?
徐明强:我觉得无论从国家,还是运营商,以及运营商为他们交付的应用的合作伙伴,现在看来这个生态环境比起前几年已经开始逐渐形成,并慢慢走向完善,所以这对公有云项目来说也是一个非常可喜的事情。
好文章,需要你的鼓励
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。