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
近期有观点认为,大规模使用生成式AI和大语言模型会增强人类左脑的逻辑分析能力,同时削弱右脑的创造力,导致人类社会逐渐成为左脑主导的群体。但研究表明,左右脑功能分工理论缺乏科学依据,大脑两半球在创造性和逻辑性任务中都会协同工作。此外,AI不仅能辅助逻辑思维,同样可用于诗歌创作、图像生成等创意任务。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
微软全球AI巡展在迪拜举行,宣布启动Microsoft Elevate UAE项目,计划为超过25万名学生和教育工作者以及5.5万名联邦政府员工提供AI技能培训。该项目是微软152亿美元投资计划的一部分,旨在加强AI基础设施建设,培养本地人才能力。微软还将与G42和JAHIZ平台合作,为联邦公务员提供技术培训,支持阿联酋成为AI领域的区域和全球领导者。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。