IT优先级转变,渠道机会不断增加
本周微软Inspire大会在华盛顿Walter E. Washington Convention Center举行,有17000名合作伙伴参加了会议。微软公司首席执行官Satya Nadella在大会上做开幕演讲,下面介绍了他对新一代IT变革的看法,这对微软产品方向以及渠道合作伙伴带来很大机会。

下面就是Nadella近2个小时演讲的5个关键部分,演讲中包含了多个产品展示以及微软客户和合作伙伴的视频。
合作伙伴优先
一开始,Nadella就重申了微软对渠道的专注。"渠道引领将转变为深入到我们所做的一切事情中。"Nadella表示,微软的合作伙伴生态系统在全球范围内覆盖到140多个国家,6400家合作伙伴在售卖微软的云解决方案。
在Nadella的简短演讲之前,微软企业副总裁、微软One Commercial Partner部门负责人Ron Huddleston强调,微软正在努力为合作伙伴创造一个单一联系点,并计划花费2.5亿美元在面向合作伙伴的进入市场工作,以聘用新的渠道经理在销售过程中与合作伙伴合作。
上周,有报道称微软计划对销售部门进行重组,这将导致超过3000人的裁员。有微软合作伙伴表示,重组将导致微软更加强调渠道,加强对行业解决方案的重视。
IT正在转向"智能云/智能边缘"模式
自从2014年2月接替微软CEO一职之后,Nadella就经常把IT产业描述为正处于一个继早期大型机、PC、客户端/服务器和云开发之后的"移动为先、云为先"的阶段。

Nadella表示,现在微软看到真正快速转变到一个新的范式,他称之为"智能云和智能边缘"。
有三大特性定义了智能云/智能边缘。首先是计算任务和体验将涉及到多种设备,包括桌面和移动,这里的多种意味着"触摸"和输入/输出方式。例如,一项最初开始于PC上的工作,可能最后是在智能手机上使用各种不同输入方式、不同数据来源完成的。第二个特点是,每种设备和应用都有内嵌的人工智能功能,以增强应用体验。第三个特点是越来越多地使用容器、微服务和无服务器技术,提供开发、分发和管理越来越复杂的应用。
对渠道提供价值4.5万亿的机会
Nadella表示,以云为先/移动为先模式会创造2.5万亿的IT开支,而在智能云/智能边缘模式下,这将创造4.5万亿美元。
这是因为智能云/智能边缘将扩展通常被认为是"IT系统"的东西。"随着数字化的不断发展,社会和经济的方方面面都因为数字技术的发展而发生了根本的转变。这为微软合作伙伴生态系统中的解决方案提供商合作伙伴提供了巨大的机会。"
微软产品开发的四大重点领域
随着智能云/智能边缘计算的到来,微软正在重新思考产品开发的方向,现在专注于四大领域:现代工作空间、业务应用、应用和基础设施、数据和人工智能。

周一,微软公布了一些新的软件包,整合了微软的很多产品,以更好地应对智能云/智能边缘模式。
其中,对于现代工作空间这一领域,微软推出了Microsoft整合包,其中包括Office 365云生产力应用、Windows 10、企业设备管理和安全能力。对于企业应用,微软推出了Microsoft 365、Dynamics 365云ERP应用集、LinkedIn企业社交网络之间的集成。
Azure迁移到混合云环境
微软在Azure云计算平台上取得了巨大的成功。现在,微软将进一步把Azure转移到混合云环境中,宣布提供Azure Stack对Azure的一个扩展。包括HPE、Dell EMC和联想在内的微软硬件合作伙伴将在他们的硬件系统中出货Azure Stack。并将采用付费即用以及基于容量的定价模式。

除此之外,还推出了Azure Stack Development Kit,用于为Azure混合云环境构建和部署应用。还将提供免费的单服务器SDK部署选项作为试用。
好文章,需要你的鼓励
亚马逊云服务部门与OpenAI签署了一项价值380亿美元的七年协议,为ChatGPT制造商提供数十万块英伟达图形处理单元。这标志着OpenAI从研究实验室向AI行业巨头的转型,该公司已承诺投入1.4万亿美元用于基础设施建设。对于在AI时代竞争中处于劣势的亚马逊而言,这项协议证明了其构建和运营大规模数据中心网络的能力。
Meta FAIR团队发布的CWM是首个将"世界模型"概念引入代码生成的32亿参数开源模型。与传统只学习静态代码的AI不同,CWM通过学习Python执行轨迹和Docker环境交互,真正理解代码运行过程。在SWE-bench等重要测试中表现卓越,为AI编程助手的发展开辟了新方向。
当今最大的AI数据中心耗电量相当于一座小城市。美国数据中心已占全国总电力消费的4%,预计到2028年将升至12%。电力供应已成为数据中心发展的主要制约因素。核能以其清洁、全天候供电特性成为数据中心运营商的新选择。核能项目供应链复杂,需要创新的采购模式、标准化设计、早期参与和数字化工具来确保按时交付。
卡内基梅隆大学研究团队发现AI训练中的"繁荣-崩溃"现象,揭示陈旧数据蕴含丰富信息但被传统方法错误屏蔽。他们提出M2PO方法,通过改进数据筛选策略,使模型即使用256步前的陈旧数据也能达到最新数据的训练效果,准确率最高提升11.2%,为大规模异步AI训练开辟新途径。