至顶网软件频道消息:
在探讨G&J百事可乐瓶装饮料的相关研究与生产议题时,我们有幸与微软公司集团副总裁Brad Anderson进行交流,旨在探讨云计算为IT实施者带来的种种机遇与挑战。
Anderson谈到IT领域瞬息万变的特性,并表示用户对于应用程序及解决方案的最低预期在于以无缝化方式同其消费级技术进行对接。
Anderson解释称,“我认为整个世界正随着IT专业人士极快的发展变化速度而出现根本性转变。数据开始由移动设备端移动至云环境下,但仍然要求我们对其加以严格保护。这意味着传统的、基于周边保护思路的安全模式已经无法继续起到应有的防御作用。”
“其次,攻击活动的复杂程度正在逐步提升,其更具针对性且技术水平更高; 第三,用户的期望亦在不断增长,这就要求IT专业人员努力高潮满足用户的要求与预期,帮助其将数据全部转移至云环境当中以支撑业务流程,同时满足其对于随时随地处理工作的客观需要。”
通过数十年来的Office生产力经验与自身用户及软件管理专长加以结合,微软公司已经构建起一套基于云的新型框架,负责确保IT人士能够支持移动用户并保证必要的安全性与控制能力。
Anderson解释称,“我们拿出一整套用于简化IT日常工作的解决方案,其能够摆脱一切移动部件兼容性所带来的复杂因素,且无需将这些移动部件整合起来——相反,其能够以综合性方式考量企业的移动性要求。”
他同时补充称,凭借着Office 365带来的随时随时地生产力交付能力,用户将继续拥有其熟知的应用环境。IT管理者能够利用Azure Active Directory实现身份管理与单点登录,Intune则可用于对设备进行配置及管理——而无需设定任何操作系统种类限制。微软方面将云计算的功能与用户的行为分析加以匹配,同时根据用户及设备的位置外加其它因素共同决定访问的限制条件。
他进一步解释道,“通过对云计算、机器学习以及人工智能等能力的运用,我们实际上已经能够基本确定遭到盗用或者被用于组织攻击活动乃至数据窃取的用户帐户。我们面对的七成以上攻击与数据泄露事故皆来自用户身份冒用,因此我们相信随着生产力、管理、身份以及安全性机制的深度结合,这类综合性解决方案将帮助企业在最大程度发挥员工生产力的同时迎来良好的数据保护成效。”
尽管仍有相当一部分受众认定云计算服务的安全性不及内部解决方案,但Anderson指出微软的云服务采用率一直在快速增长。
他回忆称,“几年之前,很多客户都会强调这样的事实:我们只打算使用云服务处理某项特定任务,其它的都不谈。但时至今日,这样的说法已经越来越少。事实上,整个世界对于云服务更加认可且包容,我认为面向Office 365的转变已经使得越来越多的企业获得更为强大的安全保护能力。”
他同时指出,在医疗卫生以及金融服务这类对于安全风险极为敏感的行业当中,企业对于云计算方案的接纳态度也越来越开明。他表示,“在看到这些企业开始投身于云端时,我意识到我们已经解决了安全性与可靠性这两大难题。”
对于考虑采用或者扩展云服务的企业而言,Anderson建议称“我个人认为首先应该认真考量您将要开始采用的核心方案,思索其是否适合移动生产力要求?邮件是否具备安全保障?身份信息是否受到严格保护?具体来讲,大家首先应当设置一套具体的场景,而后为其设置目标与发展里程碑,例如在特定日期之前我们应当将使用量提升至怎样的水平或者在特定日期之前对多少位用户的身份信息加以保护。”
“通过设置这些积极的目标、敦促每位相关人员参与其中并为其分配明确的责任与职能,这些目标与进度日程都将得到逐步实现。在此之后,大家只需要继续保持专注并尽快行动及部署即可。”
好文章,需要你的鼓励
OpenAI在最新博客中首次承认,其AI安全防护在长时间对话中可能失效。该公司指出,相比短对话,长对话中的安全训练机制可能会退化,用户更容易通过改变措辞或分散话题来绕过检测。这一问题不仅影响OpenAI,也是所有大语言模型面临的技术挑战。目前OpenAI正在研究加强长对话中的安全防护措施。
北航团队推出VoxHammer技术,实现3D模型的精确局部编辑,如同3D版Photoshop。该方法直接在3D空间操作,通过逆向追踪和特征替换确保编辑精度,在保持未修改区域完全一致的同时实现高质量局部修改。研究还创建了Edit3D-Bench评估数据集,为3D编辑领域建立新标准,展现出在游戏开发、影视制作等领域的巨大应用潜力。
谷歌宣布计划到2026年底在弗吉尼亚州投资90亿美元,重点发展云计算和AI基础设施。投资包括在里士满南部切斯特菲尔德县建设新数据中心,扩建现有设施,并为当地居民提供教育和职业发展项目。弗吉尼亚州长表示这项投资是对该州AI经济领导地位的有力认可。此次投资是谷歌北美扩张战略的一部分。
宾夕法尼亚大学研究团队开发出PIXIE系统,这是首个能够仅通过视觉就快速准确预测三维物体完整物理属性的AI系统。该技术将传统需要数小时的物理参数预测缩短至2秒,准确率提升高达4.39倍,并能零样本泛化到真实场景。研究团队还构建了包含1624个标注物体的PIXIEVERSE数据集,为相关技术发展奠定了重要基础,在游戏开发、机器人控制等领域具有广阔应用前景。