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
微软正式确认配置管理器将转为年度发布模式,并将Intune作为主要创新重点。该变化将于2026年秋季生效,在此之前还有几个版本发布。微软表示此举是为了与Windows客户端安全和稳定性节奏保持一致,优先确保安全可靠的用户体验。配置管理器将专注于安全性、稳定性和长期支持,而所有新功能创新都将在云端的Intune中进行。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
人工智能初创公司aiOla推出基于流匹配训练技术的语音AI模型Drax,挑战OpenAI和阿里巴巴等巨头。该模型重新定义语音算法训练方式,能在嘈杂环境中准确识别语音,兼顾速度与准确性。相比OpenAI的Whisper和阿里巴巴Qwen2,Drax采用并行流处理技术,速度提升32倍,词错误率仅7.4%。该模型已在GitHub开源,提供三种规模版本。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。