尽管微软一直在不断努力,让领先的软件和服务供应商进驻Azure,但该公司自己的LinkedIn部门仍在建立独立的数据中心和云基础架构之上。
当微软最初收购LinkedIn时,许多人都认为LinkedIn将会尽早转移到微软的Azure云中。但是这种情况并没有出现。近期似乎也没有任何这方面的计划。
从某些方面说,LinkedIn不运行在Azure上并不奇怪。微软的官员们多年来一直承诺说Office 365有朝一日会迁移到Azure中,可是到现在仍未兑现。Xbox Live也没有运行在Azure上。相反,微软似乎专注于以Azure服务的形式引入这些新功能,而将现有遗留下来的Office 365 和Xbox Live留在原地(运行在它们自己的数据中心里)。
但是从其他方面来看,LinkedIn的数据中心独立性确实令人惊讶,尤其是考虑到微软在过去几年中一直致力于让尽可能多的ISV(独立软件供应商)和服务提供商将Azure作为他们的“首选云”。微软已经巩固(并大肆宣传)了与Adobe、SAP、Box等公司的合作伙伴关系,并以此作为Azure的重要证明。
当微软在2017年初任命LinkedIn首席技术官Kevin Scott为首席技术官时,我们就曾想过这是否表明了微软高层领导将LinkedIn和微软云端联合起来的意图,但答案似乎是否定的。
2017年4月,一位LinkedIn高管公开表示,LinkedIn计划在可预见的将来继续管理和控制自己的基础架构。2018年2月2日,LinkedIn工程副总裁Sonu Nayyyar发表了一篇题为《从LinkedIn数据中心之旅中吸取的经验教训》,他在文章中也指出,LinkedIn将继续运营自己独立的数据中心。
在2012年,Nayyar解释说,LinkedIn意识到需要改变其数据中心战略。他指出:“不依赖于第三方数据中心供应商,我们需要运营和管理自己的数据中心。这是一个关键的决定,为我们创造了一个新的原则:‘控制自己的命运’。”
LinkedIn决定采用分散的方式,从多个数据中心站点提供应用程序。这家当时还是独立的公司在2013至2015年期间,每年都建设一个新的数据中心。它也选择了超大规模的建设和发展,最终导致了LinkedIn的“Altair项目”,它的数据中心结构“可以水平缩放而不改变网络的基本架构或在升级过程中中断其核心。” 2016年,LinkedIn开设了使用Altair项目设计的俄勒冈州数据中心(本文开篇的照片就是该数据中心)。
展望未来,LinkedIn计划继续建设自己的数据中心。Nayyar提到了LinkedIn的Open19项目,该项目旨在使数据中心硬件更具互操作性和高效性。(Open19项目听起来几乎与微软的 “Olympus项目”和开放计算项目(Open Compute Project)内容一模一样。)Nayaar在博客文章中表示,LinkedIn还在研究OpenFabric和软件驱动的基础架构。
当微软在2016年收购LinkedIn时,微软的官员们表示,他们打算基本上采取不干涉的方式来管理其最大的一起收购资产。他们似乎真的说到做到了。
在过去的一年中,微软和LinkedIn已经实现了首席执行官萨提亚.纳德拉(Satya Nadella)为该公司设定的几个集成里程碑,并且正在努力将他们各自的数据图结合在一起。就在本周,微软开始推出其承诺的Resume Assistant,它为Windows上的Office 365用户将Word 2016和LinkedIn进行了集成。
但是,将微软Azure和LinkedIn云平台进行整合似乎仍然不在待办事项列表之中。很好奇的是,它究竟是否还会在待办事项列表中出现。
好文章,需要你的鼓励
在“PEC 2025 AI创新者大会暨第二届提示工程峰会”上,一场以“AIGC创作新范式——双脑智能时代:心智驱动的生产力变革”为主题的分论坛,成为现场最具张力的对话空间。
人民大学团队开发了Search-o1框架,让AI在推理时能像侦探一样边查资料边思考。系统通过检测不确定性词汇自动触发搜索,并用知识精炼模块从海量资料中提取关键信息无缝融入推理过程。在博士级科学问题测试中,该系统整体准确率达63.6%,在物理和生物领域甚至超越人类专家水平,为AI推理能力带来突破性提升。
Linux Mint团队计划加快发布周期,在未来几个月推出两个新版本。LMDE 7代号"Gigi"基于Debian 13开发,将包含libAdapta库以支持Gtk4应用的主题功能。新版本将停止提供32位版本支持。同时Cinnamon桌面的Wayland支持持续改进,在菜单、状态小程序和键盘输入处理方面表现更佳,有望成为完整支持Wayland的重要桌面环境之一。
Anthropic研究团队开发的REINFORCE++算法通过采用全局优势标准化解决了AI训练中的"过度拟合"问题。该算法摒弃了传统PPO方法中昂贵的价值网络组件,用统一评价标准替代针对单个问题的局部基准,有效避免了"奖励破解"现象。实验显示,REINFORCE++在处理新问题时表现更稳定,特别是在长文本推理和工具集成场景中展现出优异的泛化能力,为开发更实用可靠的AI系统提供了新思路。