
过去的几个月里,Windows Azure已经不知不觉的来到了我们身边:《狄仁杰之神都龙王》的CGI特效由Windows Azure公有云平台支撑完成;Windows Azure媒体服务用于了NBC在2014索契冬奥会的赛事视频发布和直播;在马年春晚,中国网络电视台(CNTV)通过多语种、多平台进行了央视春晚的全球直播,背后的技术支持也是微软Windows Azure云服务。
这些事实都在陈述:Windows Azure已经准备就绪,微软亚太研发集团首席运营官申元庆在接受采访的时候表示,企业用户可以从容的使用公有云,就证明了公有云的安全可靠,微软自己用公有云更加以身试法的证实了这一点,他还劝告业界,正确看待云计算的发力点,要把重点放在PaaS层上。
图:微软亚太研发集团首席运营官申元庆
从去年五六月份,Windows Azure开始公测,最初开放了5000个名额,后来又增加了3000个名额,总共有8000个名额,除此之外,通过微软云创投加速器计划,把Windows Azure也开放给了47家初创企业。
申元庆指出,初创企业规模虽然小,但他们可以开放各种各样不同的样式。现在,有些初创企业的移动用户端用户已经达到了千万级的水平,量非常大,其中也括网游厂商。
虽然还处在公测的状态中,但在去年12月31号之前,已经有部分应用做了商业的运营。哪怕是在公测的范围之内,微软仍然跟企业用户也签署了99.95%的服务质量的预期,没有达到这个预期的话,微软会按照要求赔款。哪怕在公司范围内,微软服务了很多家企业用户,这些企业正在使用微软的公有云。
申元庆说:“在这个过程中,微软学到了很多东西,比如云计算怎么以有效的方式去部署、监控,在互联网开放的模式中有三个环节是非常重要的,第一个是生产,第二个是测试,生产之后要测试评估,第三是经验。对于微软超过5万名的工程师来讲,这都是行为准则,评测到测试,测试之后总结经验,反过来再回归到应用上。Windows Azure在国内的公测也是按照这样的方式在进行。”
在整个公测过程中,目前开发的过程已经结束,进入到了完善阶段,申元庆表示,针对中国市场,Windows Azure基本的工作已经完成。
“我们有这样一个理念,企业用户如果能接受云计算,那么,对于个人用户来说,就不是问题,所以,微软就是要先让企业用户用上云计算。”申元庆说。
第三方调查机构IDC针对云计算了大量的分析预测,他们认为,2017年全球超过70%的企业都会采用混合云的方式。
在微软内部,也做了非常详细的分析,特别是针对世界500强企业,微软对他们的企业应用做了一些很有力的分析。结果显示,企业在自己的网站上会用到云计算,在电子邮件、通讯等方面也会用到混合云。他们的企业内部协同作业的应用,也都采用混合云、公有云。
通过分析,微软也看到有些公司内部的ERP系统,目前还不太放心使用混合云,但以后会逐步开始使用。
申元庆介绍,微软作为黑客最想攻击的目标,在内部仍然越来越多的尝试使用公有云,目前微软有相当多代码开发过程中逐渐应用到公有云。如果微软能够吸引全球工程师利用公有云来做开发平台,那么,微软借此就证明了公有云的可靠性。
当下有很多声音,认为云计算没有找到真正的应用,或是有很多的误解,申元庆指出,其实,在中国,云计算的发展还要一些误区。
很常见的一个误区,就是把云计算等同于服务器,买服务器搭建服务器是最容易做到的,从硬件角度切入云计算,是不对的。
另一个误区更是导致了很多资源的浪费,在服务器、存储等方面下大力气,把精力放在了硬件竞赛上,加内存,买带宽,放越来越多的服务器,结果就是血本无归,而且底层的技术含量相对较低,门槛只是在硬件上,花钱就可以实现,这些钱砸下去,却解决不了快速部署和有限监控的问题。
申元庆强调,现在最重要的误区是,很多人是忽略了PaaS这块硬骨头, 现在有很多的云服务,比如邮箱、网游,微博、微信,这些服务未来会不会和别的公有云对接,通过不同的移动应用可以实现网购、通讯等等。所以,中间的PaaS就是硬骨头,如果越过了这一层,只做底层的东西,还是达不到应有的效果。
好文章,需要你的鼓励
这项由Snowflake AI Research发表的研究挑战了传统语言学对大型语言模型的批评,通过引入波兰语言学家Mańczak的理论框架,论证了LLM的成功实际上验证了"频率驱动语言"的观点。研究认为语言本质上是文本总和而非抽象系统,频率是其核心驱动力,为重新理解AI语言能力提供了新视角。
freephdlabor是耶鲁大学团队开发的开源多智能体科研自动化框架,通过创建专业化AI研究团队替代传统单一AI助手的固化工作模式。该框架实现了动态工作流程调整、无损信息传递的工作空间机制,以及人机协作的质量控制系统,能够自主完成从研究构思到论文发表的全流程科研工作,为科研民主化和效率提升提供了革命性解决方案。
德国马普智能系统研究所团队开发出专家混合模型的"即时重新布线"技术,让AI能在使用过程中动态调整专家选择策略。这种方法无需外部数据,仅通过自我分析就能优化性能,在代码生成等任务上提升显著。该技术具有即插即用特性,计算效率高,适应性强,为AI的自我进化能力提供了新思路。
Algoverse AI研究团队提出ERGO系统,通过监测AI对话时的熵值变化来检测模型困惑程度,当不确定性突然升高时自动重置对话内容。该方法在五种主流AI模型的测试中平均性能提升56.6%,显著改善了多轮对话中AI容易"迷路"的问题,为构建更可靠的AI助手提供了新思路。