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
多伦多大学研究团队提出Squeeze3D压缩框架,巧妙利用3D生成模型的隐含压缩能力,通过训练映射网络桥接编码器与生成器的潜在空间,实现了极致的3D数据压缩。该技术对纹理网格、点云和辐射场分别达到2187倍、55倍和619倍的压缩比,同时保持高视觉质量,且无需针对特定对象训练网络,为3D内容传输和存储提供了革命性解决方案。
浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法,通过整合不同类型的参数高效微调技术,解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法,同时大幅降低训练参数和计算成本,为大模型高效微调提供了新的技术路径。
耶鲁、哥大等四校联合研发的RKEFino1模型,通过在Fino1基础上注入XBRL、CDM、MOF三大监管框架知识,显著提升了AI在数字监管报告任务中的表现。该模型在知识问答准确率提升超过一倍,数学推理能力从56.87%提升至70.69%,并在新颖的数值实体识别任务中展现良好潜力,为金融AI合规应用开辟新路径。
加州大学圣巴巴拉分校研究团队开发出能够自我进化的AI智能体,通过《卡坦岛拓荒者》桌游测试,这些AI能在游戏过程中自主修改策略和代码。实验显示,具备自我进化能力的AI显著超越静态版本,其中Claude 3.7模型性能提升达95%。研究验证了AI从被动工具向主动伙伴转变的可能性,为复杂决策场景中的AI应用开辟新路径。