微软近日宣布对Cloud Partner Program云合作伙伴计划做一些改动,为合作伙伴提供新的选择,以便在市场中使自己的产品和服务脱颖而出。
Cloud Partner Program计划最初是在2022年10月启动的,当时被认为是Microsoft Partner Network的演进。如今随着这一计划继续发展,微软宣布扩展Solution Partner称号,Solution Partner旨在帮助客户更好地识别出那些能够帮助到他们的合作伙伴组织。
微软首席合作伙伴官、全球合作伙伴解决方案公司副总裁Nicole Dezen在博客文章中解释说,这些称号旨在帮助合作伙伴展示他们在六大关键解决方案领域内为客户提供成功的能力。如今,微软将扩展这些称号以划分独立的软件厂商——那些专注于开发软件的合作伙伴。这个面向独立软件厂商的新称号涵盖了行业、跨行业用例、以及业务领导者特定要求的类别,例如市场营销和销售。
“这些名称区分了应用的特定功能,帮助客户识别那些经过验证的解决方案以满足他们的业务需求,”Dezen解释道。
合作伙伴还将能够通过新的Business Applications专业化在市场上脱颖而出,Business Applications旨在展示企业在特定技术场景中的专业知识和经验,并与微软Dynamics 365的业务应用解决方案领域保持一致,使客户更容易找到理想的合作伙伴,Dezen说。
在金融领域,面向那些能够展示Dynamics 365 Finance知识、丰富经验和成功记录的合作伙伴;在销售领域,面向那些在客户体验转型方面具有丰富经验的合作伙伴;在服务领域,面向在提供个性化服务具有经验的合作伙伴;在供应链领域,面向那些在Dynamics 365 Supply Chain Management方面有经验且有成功记录的合作伙伴。
根据Dezen的说法,微软正在通过Cloud Partner Program计划提供28项专业化,为合作伙伴提供丰富的选择向客户展示他们的专业知识。
除了通过专业知识脱颖而出之外,微软合作伙伴很快会展示他们的多元化和在改善“社会公益”方面所做的努力,这将使客户更容易在微软商业市场中找到多元化主导的企业和解决方案。
Dezen说:“包容促进创新,很多客户正在寻找符合其商业价值的合作伙伴,这就是为什么我们让合作伙伴能够在Partner Center提交相关的多元化和社会公益业务分类,这些分类将出现在他们应用市场的业务简介中。”
尽管微软有很多合作伙伴都是微软的竞争对手,但Dezen表示,微软仍然希望推动彼此展开更多的合作。为此,微软引入了多方专属优惠,使合作伙伴能够聚集在一起,通过自定义支付创建个性化优惠,并通过微软云市场直接向微软客户进行销售。多方专属优惠将于春季推出预览版,并于今年晚些时候全面上市。
最后微软表示,正在面向合作伙伴扩展一系列人工智能服务,包括在Azure Open AI服务中提供ChatGPT。微软表示,从4月开始合作伙伴就能够申请GPT-4的预览权限,这是一种由ChatGPT创始方OpenAI开发的一种更强大的大型语言模型。合作伙伴可以使用GPT-4为他们自己和他们的客户构建预测模型、自动化流程和改进决策。
“我们相信人工智能将从根本上改变每一种类型的软件,开启新一波的生产力增长,我们致力于授权合作伙伴代表全球客户利用这项创新的力量,同时帮助他们引领这个新的技术时代。”
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。