至顶网软件频道消息:本周微软举行了面向专业人士和开发者的Ignite大会,微软公司首席执行官Satya Nadella在开幕主题演讲中,阐述了微软如何寻求利用各种技术来革新几乎所有行业,包括人、人工智能和混合现实等技术。Nadella表示,微软也将超越现有的技术范例,走向超级强大的量子计算机(其计算速度可能要远远高于现有的计算机)等前沿领域。
下面就是Nadella在Ignite 2017主题演讲中提到的5大要点。
现代化工作场所
微软将继续强调提供软件以实现一种现代化的工作场所——从7月的重组以及重新调整战略重点开始。Nadella在他的主题演讲中表示,工作的性质“不再是常规的任务——而是释放你企业组织内部的创造力”以及“超越个人生产力到释放团队的力”。Microsoft 365软件捆绑包(包括Office 365、Windows 10、设备管理和安全功能)因此成为了一种“战略数字资产”,不仅适用于日常工作,还用于获取和连接员工所持有的知识。迄今为止,这一点在实践中的一个例子,就是Microsoft Graph API,现在它将Office 365与微软自己的专业人士网络LinkedIn进行集成;例如API可以帮助员工更轻松地找到具有某些技能和专长的工作伙伴。
业务应用
Nadella表示,在业务应用方面,现代化的企业组织“不能禁锢于旧的做事方法”。相比过去,现在的应用需要更加模块化和更加自动化。例如,Dynamics 365云CRM和ERP系统现在将提供很多模块化的应用,这些应用在该平台内提供有限的功能块。例如其中一个模块化应用“Attract”将专注于帮助用户找到合格的职位候选人。
与此同时,Nadella还谈到了“AI为先”的业务应用的承诺,这种业务应用的核心就是人工智能。微软将利用自己的人工智能技术来处理现在客户服务和支持请求,例如惠普公司就在使用微软这项技术来达到同样的目的,Nadella这样表示。“这只是构建这些以AI为先的业务应用完整新旅程的一个开始。”
智能云和智能边缘
Nadella呼应了自己在7月Inspire合作伙伴大会上的观点,在这次Ignite大会主题演讲中表示,有一种新兴的计算模式可以归结为“智能云和智能边缘”。这些技术例如微软的Azure云平台和服务,通过“持续集成和部署新软件的敏捷性来提供巨大的生产力”。Nadella谈到,在智能云/智能边缘这个大的主题下,今年秋季很多客户将开始启动的多种技术解决方案。其中,就包括一款由Trimble开发的软件解决方案,用于构建矿山的数字可视化,可以预测采矿作业中会发生什么情况等。与此同时,Land O' Lakes正在使用微软的多项技术,来实现更精确的农业经营和提高作物产量。他说:“这些智能云和智能边缘应用并不是未来的发展方向,而是眼下正在各行各业发生的。”
混合现实
与以往相比,有一个领域是Nadella在这次主题演更加关注的——混合现实。上周微软刚刚公布将会扩大对微软HoloLens混合现实头戴设备的测试,Nadella这次在主题演讲中就展示了HoloLens平台是如何与微软Teams相结合,在设备视图中实现与同事进行协作的。Nadella表示,除了AI为先的业务应用之外,很多客户也在构建“混合现实为先”的应用,另外一个现实世界中的例子就是Trimble采矿软件。
量子计算
在技术前沿领域,Nadella谈到了微软在量子计算方面取得的进展——量子计算的目标是通过利用量子物理学原理,提供远远高于目前水平的计算能力。现在微软正在致力于开发量子计算机所需的应用,同时也在致力于软件方面,以及让开发者参与其中。本周微软表示,微软将会打造一种用于量子计算的编程语言,并计划到2017年底前为开发者提供相关的调试和模拟器工具。Nadella表示,这么做的目的就是让量子计算“解决目前我们仍然面对的一些最大的挑战”。
好文章,需要你的鼓励
OpenAI和微软宣布签署一项非约束性谅解备忘录,修订双方合作关系。随着两家公司在AI市场竞争客户并寻求新的基础设施合作伙伴,其关系日趋复杂。该协议涉及OpenAI从非营利组织向营利实体的重组计划,需要微软这一最大投资者的批准。双方表示将积极制定最终合同条款,共同致力于为所有人提供最佳AI工具。
中山大学团队针对OpenAI O1等长思考推理模型存在的"长度不和谐"问题,提出了O1-Pruner优化方法。该方法通过长度-和谐奖励机制和强化学习训练,成功将模型推理长度缩短30-40%,同时保持甚至提升准确率,显著降低了推理时间和计算成本,为高效AI推理提供了新的解决方案。
中国科技企业发布了名为R1的人形机器人,直接对标特斯拉的Optimus机器人产品。这款新型机器人代表了中国在人工智能和机器人技术领域的最新突破,展现出与国际巨头竞争的实力。R1机器人的推出标志着全球人形机器人市场竞争进一步加剧。
上海AI实验室研究团队深入调查了12种先进视觉语言模型在自动驾驶场景中的真实表现,发现这些AI系统经常在缺乏真实视觉理解的情况下生成看似合理的驾驶解释。通过DriveBench测试平台的全面评估,研究揭示了现有评估方法的重大缺陷,并为开发更可靠的AI驾驶系统提供了重要指导。