5年前,微软仍然有一些主要的服务没有运行在自己的Azure云上,从那时起,微软一直致力于改变这个现状。现在微软很快就将宣布,所有第一方服务(包括Office 365、Xbox Live和Bing服务)都将运行在Azure上。
对于包括微软在内的任何公司来说,希望将其所有云服务托管在一个通用基础设施上是有充足理由的。因为这样微软和其他公司就可以更快地开发新产品;满足特定的合规需求;利用微软Graph API等跨云基础技能;更快地进行扩展;将自身Azure托管服务用作客户案例进行展示;最后也是最重要的,省钱。
10年前微软曾承诺将Office 365迁移到Azure。与Bing和Xbox Live一样,Office 365是运行在微软自己的数据中心内的,实际上并未托管在Azure上。最近在进行询问的时候,微软承认,Office 365仍未完全运行在Azure上,但已经相当接近了。
微软Azure首席技术官Mark Russinovich在一份声明中称:“如今大多数Microsoft 365服务(包括Teams、SharePoint Online和Office Online)以及Xbox Live服务已经运行在Azure基础设施上了。 用于Exchange Online和Outlook.com的邮箱存储也正在迁移到标准Azure基础设施上。”
最近微软发布的一些博客文章中称,微软在Azure上运行所有服务,几年前并非如此,但是去年6月一篇有关Azure团队的文章中提到:“Azure是支持所有微软云服务(包括Microsoft Teams)的云平台。我们的工作负载运行在Azure虚拟机(VM)中,我们的旧服务通过Azure云服务部署,而新服务则部署在Azure Service Fabric上。”
早在2016的时候,微软进行了一个名为“CloudOptimal”的内部项目,该项目被特许用于在Azure上获得微软服务。CloudOptimal项目的任务是在Azure上迁移并运行所有第一方服务。所有新服务例如Teams、Windows Virtual Desktop和xCloud游戏服务则是从一开始就设计运行在Azure上的,但当时某些旧服务(尤其是某些规模较大的服务例如Exchange Online)并未迁移,因此现在这部分是需要迁移的。
我发现有一位微软员工在他们的LinkedIn资料中提到了“CloudOptimal”。微软至少有一个关于CloudOptimal的内部会议,旨在培训数百名微软工程师如何迁移到Azure,或者在Azure中构建第一方商业服务。甚至还有CloudOptimal T恤,在eBay上出售的二手价格为24.99美元。
一位Azure程序经理的LinkedIn资料显示,他的工作是让微软服务通过CloudOptimal项目“虚拟化工作负载并运行在Azure上”。资料显示,“这个项目帮助我们朝着融合微软分散基础设施、带来Azure新能力、降低COGS(销售成本)的长期愿景迈进了一步,并影响着微软季度财报中所有三个细分业务方向的收益情况。”
据说,Exchange和SharePoint的关键部分仍然运行在为专门为其设计的Autopilot裸机系统上,在某些情况下,这些服务的前端服务器是运行在Azure虚拟机中的。但是更为复杂的数据库和邮箱服务器还没有做到这一点。不管怎样,微软10年前许下的将自身服务前部迁移到Azure上的承诺似乎终于要实现了。
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。