
昨天,光明网宣布依托微软Windows Azure打造国内首个“媒体云”平台。对微软来说,光明网不仅仅是其在国内开拓“媒体云”市场的首家客户,更是重要的合作伙伴。微软中国Windows Azure事业部总经理严治庆在接受CNET采访的时候称此次合作是一次“战略性”合作。且让我们分析一下其战略意义在何处,共赢蓝图有哪些。
微软全球高级副总裁、大中华区董事长兼CEO贺乐赋(左),光明网总裁、总编辑陆先高为“光明网媒体云平台”揭牌。
光明网:不仅仅是媒体这么简单
我们对光明网的了解,如果仅仅停留在光明日报向网络的延伸、国家重点新闻网站、它只是一家网络媒体,那就太狭隘了。
面对移动互联网的发展大势,光明网其实很早就把准了脉。早在2010年,光明网就推出了国内第一个跨媒体信息服务平台——光明云媒。2011年联合方正集团推出国内第一个移动媒体出版平台——云端读报。
对于光明网来说,以内容的生产和传播为核心,其业务触角其实还在向网站建设、在线培训、移动互联信息服务等业务延伸,俨然一家互联网公司。单就网站建设,光明网就先后支持中国长安网、共产党员网、中国改革网等一系列国家级网站的建设。而在线培训业务方面,已经为辽宁、天津等地提供党员培训,并承担了两项国家职业资格培训的在线教学业务。
光明网与Windows Azure共拓媒体云市场
在与微软Windows Azure的合作中,仅仅在一星期之内,光明网的“在线培训”和“英语频道”两大业务就部署到了Windows Azure公有云平台上。
对于这一部署速度,严治庆坦言“光明网自身的技术实力比较强,核心工作都是光明网的技术部门在做”,从这一角度也看出,单纯把光明网看做一家媒体,可能有些低估了光明网的技术实力。微软Windows Azure在与光明网的合作中,一些经验可能对开拓更多的“媒体云”客户有重要的借鉴意义。
另外,光明网本身承担着很多国家级网站的建设任务,其对于Windows Azure的推广,可能比微软来得更直接。光明网副总裁兼总经理杨谷在接受采访的时候表示:“光明网的客户可以自己考虑是否采用Windows Azure。”但言外之意,其实光明网对这些客户是否采用微软Windows Azure是拥有建议权的。
对于微软来说,一方面借助与光明网的合作,让这一示范效应借助光明网在国内媒体行业的知名度和影响力快速传播;另一方面,光明网在帮助其网站客户建设网站过程中,其实潜移默化的会把Windows Azure向客户进行推广。
从这一角度上认为这是一次“战略性合作”,一点都不为过。
光明网与微软:从“端”到“云”的合作
几个月前,微软Skype宣布与光明方正合作,向中国用户提供即时短讯、文件分享以及音频、视频通讯服务。根据新版Skype页面介绍,光明方正成为Skype在中国地区独家/战略合作伙伴,共同开拓中国市场。
光明方正是光明网与北大方正的合资企业,可见在此次双方在Windows Azure上合作之前,已经建立了合作基础。
如果微软Skype与光明方正的合作是“战略性”的,目的为共同开拓中国市场,那么此次在Windows Azure上的合作必将拥有想象空间,说其为“战略性”合作不为过,而共同开拓中国市场也是有可能的。从Skype到Windows Azure,从“端”到“云”。
当然在“战略性”合作之上,微软和光明网也在强调这是一次“商务的合作”,杨谷强调“光明网支付了现金”。
就此次合作来说,光明网的“在线培训”和“英语频道”两大业务已经部署到Windows Azure公有云平台上,在未来几个月内,光明网以视频、流媒体服务为主的“光明都市传媒”、“云端药鉴”等新业务也会向Windows Azure迁移,而光明网移动互联部门未来也会考虑依托Windows Azure平台。
自2013年5月落地中国以来,微软Windows Azure已经向超过3000家客户提供了公有云服务,其中有约160家企业级客户的业务已经在Windows Azure上正式运营。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。