微软的Jason Jones星期二对MSP高管们表示:“作为MSP社区,我们需要你与我们一起踏上这段旅程。”
周二,微软的一位高管表示,为了充分发挥Microsoft Copilot的潜力,公司正在寻求与各个领域客户合作的MSP,促进生成式人工智能的采用。
周二,在CRN的母公司The Channel Company于圣安东尼奥举办的2024年8月Xchange上,微软的Jason Jones和OpenText的Josie Keck对满堂的MSP高管们发表了讲话。
在OpenText会议环节,这些高管们表示,帮助客户完成所需的关键基础步骤(包括网络安全和数据管理)的机会比比皆是。他们表示,目标是让客户从尝试使用微软的Copilot产品转向更广泛地部署提高生产力的生成式人工智能技术。
微软全球合作伙伴解决方案总监Jones表示:“我们现在正站在峭壁之下。”
他表示:“在整个活动期间,我和很多MSP交谈过。”“毫无疑问,每个人都很兴奋,也很不确定。甚至在微软公司也是如此。”
Jones表示,最终,“对我们来说,这是一个巨大的投资领域,我们需要你们作为MSP社区与我们一起走过这段旅程。”
位于宾夕法尼亚州兰开斯特的12:34 MicroTechnologies公司是一家专注于微软的MSP,一直在探索Copilot。对于该公司的首席执行官Alejandro Rosado和这家公司来说,目前最大的问题不是是否接受生成式人工智能,而是如何接受。
他表示:“对我来说,这是我正在努力弄清楚的一件大事——作为一家公司,我要如何接受它?”
Rosado表示,毫无疑问,生成式人工智能技术在未来对MSP至关重要。
他表示:“这和云技术刚刚兴起时的情况如出一辙。那些MSP说,‘我不会去云端,我要留在本地’——如果你不接受云,你就会被淘汰。”“这是同样的情况。是同样的演变。如果你不接受人工智能,你就完蛋了。”
Rosado表示:“换句话说,在人工智能方面,‘能够长期发展的企业’显然是那些能够接受它、理解它并利用它的企业。”
总部位于加利福尼亚州帕萨迪纳市的Micro Trends公司首席执行官Rick Khan表示,Jones在周二会议期间对 Copilot进行的现场演示给他留下了深刻印象。
Khan表示:“这激励了我,”他指出,他可以设想Copilot在他的很多客户那里都有用武之地,包括人力资源、销售和客户服务等方面。
他表示:“我们可以告诉我们的用户,‘我们希望满足你们的需求,我们会帮助你们做到这一点’。”“在我眼中,这可能就是MSP的角色。”
微软的Jones表示,许多MSP可能会希望帮助客户完成Copilot的前期工作,如首先要处理的安全和数据管理。
他表示:“也许你不会从 Copilot 开始。”“这(更)像是‘你的人工智能战略是什么?’还有最重要的一点——‘你的数据管理如何?’”
Jones表示,这一点之所以如此重要,是因为当你推出 Copilot 时,“它会继承已有的数据管理策略和安全策略。”
OpenText 销售团队负责人兼渠道高级客户经理Keck表示,除了提供关键的安全技术外,OpenText 还可以在微软授权、返利和支持方面为MSP提供帮助。她表示:“我们帮助你寻找向上销售和交叉销售的机会,让你赚更多的钱。”
Jones表示,总而言之,MSP希望的是“在踏上这条路之前,要了解MSP可以发挥的作用——无论是评估、对话,你想要什么规则。这就是建立基础。”
好文章,需要你的鼓励
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。