ZDNet至顶网软件频道消息: 直到上个月,微软Office团队的组织结构还是和以前一样的:分为Office客户端和Office服务器/服务器产品线。
企业副总裁Jeff Teper负责Office服务器和服务;企业副总裁Kirk Koenigsbauer负责Office客户端和服务。作为去年夏季进行的“一个微软”重组中,这两大块业务都被划归到执行副总裁陆奇的应用和服务(ASG)部门下。
在2014年2月,陆奇罗列了一份内部备忘录,记录了他部门下多个团队的职责,包括Bing、MSN、广告和Office。
上个月,陆奇采取措施进一步细化了Office这块业务,我的知情人这样透露。陆奇围绕着一些关键跨平台群组对Office业务进行了重组,而不是划分出客户端/产品线来加强Office。
彭博社在6月2日报道,Office服务器业务负责人Teper已经转向了一个新的角色,现在负责企业并购/战略。(我听说Koenigsbauer仍然在Office客户端团队工作。)但是这并不是陆奇部门最近重组中的唯一变化。
取代Teper,至少部分取代他的是Rajesh Jha,我听说。截至到5月中旬,Jha的头衔是Office服务和服务器企业副总裁(这是Teper以前的头衔)。Jha负责Office 365等产品,他还负责Exchange、Outlook以及Outlook.com,我的联系人这样表示。
Exchange/Outlook/Outlook.com的结合是新的Office业务中心之一。其他部分包括OneDrive/SharePoint Online综合业务,由企业副总裁Chris Jones负责,Skype/Lync团队,由企业副总裁Gurdeep Singh Pall负责。
通过这些综合部门,至少是理论上的,就没有软件和服务的区分了,也没有消费级和企业级的区分。专注于云存储的团队都可以坐到一起。所有专注于电子邮件的团队可以坐到一起,同理还有专注于统一通信的。
然后接下来,就是OneNote了。
微软一直反复试图让OneNote成为它的招牌产品之一。OneNote功能丰富且跨多个平台,可以运行在iOS、Mac OS X、Android、Windows、Windows 8、Windows Phone等等。但对普通人来说要想快速上手并且高效使用起来,还是有些难度的。
尽管如此,微软管理层坚定地相信OneNote仍然可以成长为微软的主打产品之一。这就是为什么微软在自己的Surface Pro 3中包含了一个“打开OneNote”的按钮。
尽管OneNote仍然是Office套件产品的一部分,但它也是独立的一项业务,与其他三个跨平台支柱是平起平坐的,包括OneDrive/SharePoint;Exchange/Outlook;Skype/Lync,据我的知情人这样表示。OneNote以前是Office内和Word以及Publisher一样的创作小组,现在它被设置为一个独立运作的单元,直接向陆奇汇报。
这四个新的跨平台群组(OneNote、Exchange/Outlook、OneDrive/SharePoint、Skype/Lync)相比Office本身,将成为陆奇和微软未来要投下更多重注的地方。
好文章,需要你的鼓励
新加坡国立大学研究人员开发出名为AiSee的可穿戴辅助设备,利用Meta的Llama模型帮助视障人士"看见"周围世界。该设备采用耳机形态,配备摄像头作为AI伴侣处理视觉信息。通过集成大语言模型,设备从简单物体识别升级为对话助手,用户可进行追问。设备运行代理AI框架,使用量化技术将Llama模型压缩至10-30亿参数在安卓设备上高效运行,支持离线处理敏感文档,保护用户隐私。
阿里达摩院联合浙江大学推出VideoRefer套件,这是首个能够精确理解视频中特定物体的AI系统。该系统不仅能识别整体场景,更能针对用户指定的任何物体进行详细分析和跨时间追踪。研究团队构建了包含70万样本的高质量数据集VideoRefer-700K,并设计了全面的评估体系VideoRefer-Bench。实验显示该技术在专业视频理解任务中显著超越现有方法,在安防监控、自动驾驶、视频编辑等领域具有广阔应用前景。
OpenAI推出新AI模型GPT-5-Codex,能够在无用户协助下完成数小时的编程任务。该模型是GPT-5的改进版本,使用额外编码数据训练。测试显示,GPT-5-Codex可独立工作超过7小时,能自动发现并修复编码错误。在重构基准测试中得分51.3%,比GPT高出17%以上。模型可根据任务难度调整处理时间,简单请求处理速度显著提升。目前已在ChatGPT付费计划中提供。
Sa2VA是由UC默塞德等高校联合开发的突破性AI系统,首次实现图像视频的统一理解与精确分割。通过巧妙融合SAM-2视频分割技术和LLaVA多模态对话能力,Sa2VA能够同时进行自然对话和像素级物体标注。研究团队还构建了包含7万多个复杂视频表达式的Ref-SAV数据集,显著提升了AI在长文本描述和复杂场景下的表现。实验显示,Sa2VA在多个基准测试中达到业界领先水平,为视频编辑、医疗诊断、智能监控等领域带来新的应用可能性。