如果微软公司的员工还没有意识到云计算和人工智能远比历史悠久的Windows软件更有力地推动微软的未来,那么现在他们就肯定知道了。
微软首席执行官Satya Nadella今天宣布了一系列重大举措,将对微软在几个关键领域的部署进行重组。
这一举措背后的主要推动因素是即将离职的Terry Myerson,他是微软21年的老员工,担任Windows和设备事业部执行副总裁。Nadella在致员工的一封公开信中写道,Myerson还将留在微软数月时间以帮助完成这一计划。
Moor Insights&Strategy总裁兼首席分析师Patrick Moorhead表示:“这首先让我想到了云和服务正在变得越来越重要,而人工智能是产品的一个重要组成部分。我希望Windows即服务和Azure堆栈能够加速发展。这一直在计划中,但是当我看到这位负责Windows和Azure的Office 365领导者也负责Windows Server时,我期待能看到更快的过渡。”
Windows的新方向
作为重组的一部分,Windows的相关工作将被划分到两个部分。首先是成立的一个新部门,将专注于用户体验,属于体验和设备集团下。Nadella选择让Office 365集团执行副总裁Rajesh Jha来领导这个部门。
除了Windows之外,体验和设备部门的职责范围还包括生产力套件、第三方应用和硬件。后一个领域似乎是Nadella重组的重点。
Nadella已经任命微软设备部门负责人Panos Panay为首席产品官,负责硬件开发工作。 Moorhead认为这是微软在硬件方面做出努力的积极信号。
他表示:“任命了一位首席产品官,表明微软正在更多地倾向于硬件产品,而不是远离硬件。我们可以期待着看到更多的智能家庭和办公设备,甚至更多的个人电脑和混合现实硬件。”
与此同时,Enderle Group分析师Rob Enderle认为微软重新重视起硬件,是为了避免落后于竞争对手。“像亚马逊Echo这样的产品现在已成为未来的发展趋势,而Alexa数字助理也在通过电视和汽车等各种产品进入市场。追逐亚马逊可能不比追逐苹果更有趣,微软显然不想让亚马逊得到像苹果和谷歌所获得的巨大领先优势。”
云与人工智能的结合
体验与设备部门将负责微软的硬件和Windows用户体验,操作系统核心组件的开发则由Jason Zander负责。他是微软Azure公有云新任负责人。根据Nadella称,之所以决定将两个平台组合在一起,是为了“加快建立统一的分布式计算基础架构和应用模型”。
Jason Zander接替Scott Scott Guthrie先前担任的职位,而后者将担任另一个名为Cloud + AI Platform部门的负责人,负责开发Azure和快速成长中的人工智能工具组合,这些工具很大一部分将托管在Azure云平台上。
Moorhead表示:“看起来人工智能和云是相互依存的关系,这具有重大意义,因为云是保存有大多数数据。一些人工智能部门被并入产品部门,在我看到,这表明了人工智能正变得更加真实,并且是更广泛地融入产品,而不仅仅是一项研究。”
由Microsoft技术研究员Alex Kipman领导的一个团队(曾打造了微软的HoloLens头戴设备)将负责Azure的语音、视觉和其他机器感知服务以及混合现实技术的开发。微软其他人工智能工具大部分都将迁移到一个新成立的人工智能认知服务和平台部门下。
最后Nadella表示,微软正在组建一个内部委员会,以确保其人工智能工作符合道德标准。就在一年前,DeepMind做了类似的事情,引发围绕使用病人数据进行算法开发的争议。微软显然是希望在加快人工智能发展的同时避免任何此类事件的发生。
好文章,需要你的鼓励
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。