微软于7月1日启动了2021财年首次大规模重组,这次重组的目标是其现场销售部门。这次重组工作的一个重要部分是创建新的微软咨询服务团队,该团队将由新任命的跨行业解决方案企业副总裁Omar Abbosh领导。
微软在7月4日美国假期之前就预告了此次重组工作的一些细节,并于7月8日在内部正式公布了重组的细节。
微软正在将更多的销售人员转移到该公司的客户成功部门(Customer Success Unit),在此次重组之中,该部门将成为更大的客户体验与成功(CE&S)部门的一部分。企业副总裁Mala Anand负责CE&S,现在由Mark Souza领导的客户成功部门(Customer Success unit)和由Yvette Smith领导的企业支持部门(Enterprise Support)都将移交给CE&S。客户服务和支持部门(Customer Service & Support)仍将留在CE&S。
微软的全球商业企业执行副总裁Judson Althoff在一份介绍该公司2021财年“一项商业策略”的备忘录中表示,作为这次重组工作的一部分,微软将继续增强其咨询部门的存在感。
Althoff对团队表示,“客户将继续依赖我们推进他们的数字化转型工作,并提供能够满足其业务需求的垂直和水平解决方案,因此,咨询业务在微软变得前所未有地重要。”
Omar Abbosh是新的跨行业解决方案企业副总裁,他负责的业务包括微软咨询服务。Abbosh最近离开了埃森哲(Accenture),此前他是该公司的首席执行官,在埃森哲工作了31年,最近负责的是传媒和技术部门。
在过去三年多的时间里领导微软服务部门Kristin Johnsen在与Abbosh完成了新职位的交接之后,将“探索她的下一个机会”。她的LinkedIn资料显示,她的部门有16000名咨询和支持服务团队成员,以及一个60亿美元的公司损益中心。
新的微软咨询服务部门将替代现有的微软服务部门。该组织将专注于三个技术领域——目前专注的领域是六个:Raymond Yates手下的Azure云和人工智能,其中包括安全基础架构、数据和人工智能以及应用程序;Paul Mirts领导的商业应用(Business Applications)——负责处理Dynamics 365;以及Sarv Saravanan领导的Modern Work,专注于基于Microsoft 365的解决方案。
微软内部一份关于此次重组的备忘录透露,新的咨询服务部门计划引入一种新的咨询运营模式——“与我们的客户一起做令人兴奋的事情,并赢得大笔交易,从而增加对微软三款云服务的消费”。
微软将于下周召开Inspire大会,这是该公司的全球合作伙伴大会,今年它将以数字化的形式召开。我不确定微软的高管们计划在这次活动中谈论多少关于新的咨询部门作用的内容,但是我敢肯定这一定是很多合作伙伴非常关心的话题。
正如我在一周前指出的那样,到目前为止,我还没有听说过微软计划因为今年的销售重组工作而裁员。但是仍然可能会出现一些裁员。
微软官方并未对此次重组发表评论。如同我之前说过的,该公司通过一位公司发言人给出的唯一官方声明是:“我们正在不断提升我们为客户提供服务的方式,以帮助他们实现数字化转型。”
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。