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
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。