至顶网软件频道消息: 6月7日消息,微软宣布进行内部重组,其中涉及到部分云计算、人工智能和数据平台业务部门。微软云计算和企业集团执行副总裁Scott Guthrie 和人工智能研究部门负责人Harry Shum宣布了一系列变革,其中绝大部分立即生效。
据悉,原来由Guthrie创建的Cloud AI Platform,由微软副总裁Joseph Sirosh率领,改而直接向Shum报告。这个部门将监管Azure 搜索、Azure 机器学习、微软Bot Framework、R Server、算法和数据科学解决方案。
Sirosh曾经负责的Data Platform,以及监管的Cloud&Enterprise部门的数据和机器学习产品和服务,包括SQL Server、DInsight、Azure Data Lake、Document DB / Cosmos DB、Search、Cortana Intelligence套件。这次调整后,SQL Server、其他数据库和数据管理的部分将转移到新成立的Azure + Data Platform Group部门业务的一部分,这个新成立的部门由微软副总裁Jason Zander负责,并向Guthrie汇报。
另外,目前担任微软Business Applications Platform and Intelligence(BAPI)领导人的James Phillips将加入“Customer Engagement Solutions”(即Dynamics CRM),并担任新Business Applications Group的负责人。微软副总裁Phillips已经监管了Power BI、Dynamics ERP系列产品、PowerApps、Microsoft Flo、Azure Portal和SQL Server Reporting and Analysis服务。
消息人士表示,曾经领导Dynamics Customer Engagement Solutions的Jujhar Singh将会在微软内部调整到一个新的、未指定的岗位。不过,确保目前的Dynamics CRM发行版本在公开预览中一切正常,这两个月内暂时还由他担任该岗位的副总裁。
Azure Growth + Ecosystems企业副总裁Charlotte Yarkoni将会将Azure Marketplace和AppSource添加到她目前的职责列表中。Yarkoni目前专注于让更多的开发者、企业、ISV和其他合作伙伴进入Azure。
微软的Developer Evangelism(DX)团队正在经历一系列的组织变革。DX前首席执行官Steven Guggenheimer 5月12日宣布,他将在Shum的带领下工作负责新的业务。他当时表示,其他一些微软高管将会“接管之前属于DX的团队”,这听起来好像DX完全被解散了。
Yarkoni是Guggenheimer所提到的会接管DX团队的高管之一。Guggenheimer在他的博文中表示,负责微软最近创建的One Commercial Partner组织和Technical Fellow John Shewchuk的副总裁Ron Huddleston也将会接管更多的前DX成员。
当然,对于DX部门的变动,微软拒绝评论,不仅如此,对于Cloud + Enterprise和AI + Research的调整,微软也不予置评。
好文章,需要你的鼓励
API管理工具厂商Kong宣布收购开源使用计量和计费平台开发商OpenMeter。此次收购将为Kong Konnect平台增加原生货币化功能,帮助企业大规模计量、定价和货币化API、AI令牌及数据流。随着API成为AI模型和服务的主要接口,传统计费系统面临挑战。整合预计2026年初完成,OpenMeter的7人团队全部加入Kong。
巴黎理工学院研究团队发现了比传统深度伪造更隐蔽的"局部伪造"技术威胁。这种只修改视频局部区域的新型AI造假技术让人类检测准确率下降30%以上,AI检测系统性能下降高达43%。研究团队构建了包含25000个样本的全球首个局部伪造检测数据库FakePartsBench,揭示了现有防御体系面对精细化伪造攻击的脆弱性,为未来开发更强大的检测技术奠定重要基础。
芬兰量子计算初创公司IQM Quantum Computers完成3.2亿美元B轮融资,累计融资总额达6亿美元。本轮融资由美国投资方Ten Eleven Ventures领投。IQM专注于超导量子比特计算机开发,其旗舰产品IQM Radiance提供20至150量子比特选择。公司计划利用资金扩展美国业务,建设云数据中心基础设施和制造产线,目标在2032年前实现百万量子比特规模。
Meta等机构研究发现,让大语言模型学会使用外部工具比死记硬背所有知识更高效。研究通过数学证明和实验验证,传统的参数记忆存在严格容量限制,而工具学习能实现无限扩展且不损害原有能力。这为AI发展提供了新思路:从堆叠参数转向构建智能工具协作系统。