科技行者 11月9日 北京消息(文/孙封蕾):清华大学校长邱勇说,这是他作为校长身份第一次参加企业的庆典活动,这个庆典活动就是微软亚洲研究院20周年庆典。
在为期三天的微软亚洲研究院系列庆典活动中,包括中国科学院(CAS)院士、美国国家科学院(NAS)外籍院士、美国计算机协会(ACM)院士姚期智等五位图灵奖得主,以及北京大学校长郝平、清华大学校长邱勇都出席了系列活动。
1998年,微软在北京创建亚洲研究院
时间定格到1998年11月的北京,微软亚洲研究院正式成立,是微软设在美国本土以外规模最大的研究机构。
对于那时的微软而言,把亚太地区的基础及应用研究机构设立在北京,是微软创始人比尔·盖茨的决定。
“23年前比尔·盖茨先生到访中国,专程访问了北京大学。在北大校园他感受到了深厚的学术氛围,决定在中国设立基础研究机构。三年后(1998年)北京大学迎来了一百周年的校庆,与此同时,微软在北京正式成立了微软亚洲研究院。”北京大学校长郝平这样道出了微软与北京大学的渊源。
而比尔·盖茨与清华大学的渊源也如出一辙。1997年,比尔·盖茨访问清华的时候见到了清华学生,比尔·盖茨当时这样形容清华大学的学生:“清华的学生非常聪明,充满热情和创新精神,给我留下了深刻的印象,由此促使我决定要在北京建立一个亚洲研究院”。这是清华大学校长邱勇对这段历史的描述。
微软亚洲研究院在北京的地址从知春路的希格玛大厦,到中关村丹棱街5号,也始终保持在与清华大学和北京大学不到五站地之隔的距离。
中国IT互联网行业的黄埔军校
说起微软亚洲研究院与中国IT互联网人才的培养,北京大学和清华大学的校长都列举了一系列数字:
北京大学校长郝平说,二十年间,有900多位北大学生到亚洲研究院实习,24人获得微软学者奖学金。北京大学与微软亚洲研究院共同开设的10门课程中,有3门被评为教育部精品课程。
清华大学校长邱勇表示,过去二十年,清华大学有二百多个校友在微软亚洲研究院工作过,有1300多名清华学生在微软亚洲研究院实习过。现在微软的副院长有八位,其中有三位清华校友担任微软亚洲研究院的副院长,他们是刘铁岩、周明、张冬梅。
这些数据足以佐证,当初比尔·盖茨的选择是正确的,有这样的人才基础,奠定了微软亚洲研究院的良好基础。同样,中国IT互联网圈子的一系列名人也都出自微软亚洲研究院,微软亚洲研究院也在反哺产业,这些耳熟能详的名字包括:
创新工场创始人、董事长兼CEO,创新工场工程院院长 李开复
百度公司总裁 张亚勤
原金山软件CEO、源码资本投资合伙人 张宏江
阿里巴巴技术委员会主席、阿里云之父 王坚
字节跳动副总裁 马维英
商汤科技创始人 汤晓鸥
百度高级副总裁,AI技术平台体系(AIG)总负责人 王海峰
小米集团创始人、总裁 林斌
联想集团CTO、高级副总裁 芮勇
地平线机器人创始人及CEO 余凯
对此,微软全球资深副总裁、微软亚太研发集团主席兼微软亚洲研究院院长洪小文有些“纠结”:有很多人说我们是中国的IT或AI界的所谓“黄埔军校”,也有很多人说我们留不住人才,这也是我常常思考的问题。
图:洪小文, 微软全球资深副总裁、微软亚太研发集团主席兼微软亚洲研究院院长
“可是后来我想通了,大家讲我们是黄埔军校这件事情,十年前也讲,五年前也讲,三年前也讲,今天还这么讲,我想用时态来讲绝对不是过去式,至少是现在完成进行式。人才一定有他的选择,而且在不同的阶段会选择做不同的事情,这个事情绝对是无可厚非。人才有走,当然有进,所以微软亚洲研究院肯定还会吸引一些年轻人的加入。”
就在大家为微软亚洲研究院20周年庆生的时候,微软创始人比尔·盖茨也低调的现身微软亚洲研究院20周年庆典的酒店,他并没有出席这次的公开活动,但他仍然是庆祝活动中,不断被大家提到的“主角”。
图:微软创始人比尔·盖茨低调现身
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。