萨蒂亚·纳德拉(Satya Nadella)加冕微软最高领导人之后,忙得没有时间回到自己的祖国旅游,但这并不影响他通过网络电视向在印度召开的首次微软Azure云会议发表讲话,大量开发者、技术决策者及IT专家应邀参加该会议。
萨蒂亚说:“在印度长大的我,以前做梦都没想到自己将来有机会以微软CEO的身份与大家交谈,当时我对板球的关注度要高于技术。”
今天,萨蒂亚关注重点将不再是板球,而是如何让Azure成为印度第一大云平台,Azure是萨蒂亚最近三年负责的Cloud and Enterprise集团的一部分。
迄今为止,Azure进展不错。据微软称,Azure在印度的增长主要得益于客户端优先的云业务,覆盖了包括大私有银行、汽车厂商和卫生保健组织在内的大量领域。
微软印度区总经理Karan Bajwa曾表示:“对Azure而言,印度是增长最快的市场之一。”两年前,Azure还是一个趋势,但现在成为了新标准,每月新增约2000名客户。
微软下一个目标是大量(120万家)中小企业,这些中小企业在运营时缺乏企业技术,微软将之发展为自己客户的时机已经成熟。但是,尽管目标令人垂涎,但这些客户的成本意识特别强烈,会抵制改变现状。
因此,为解决这一矛盾,微软在几天前针对印度中小企业公布了一个折中方案:允许中小企业使用原来的硬件。
借助其1万家实力强大的合作伙伴网络,微软可接触到印度250个城市的中小企业,为自己赢得交易打下坚实的基础。当然,亚马逊在印度市场的发展势头也不可小觑。
好文章,需要你的鼓励
清华大学等多家机构研究团队完成了语音分离技术的全面调研,系统梳理了从传统方法到深度学习的技术演进。研究揭示了"鸡尾酒会问题"的核心挑战,分析了各种学习范式和网络架构的优劣,并通过统一实验框架提供了公平的性能基准。调研涵盖了实时处理、轻量化设计、多模态融合等关键技术方向,为学术界和产业界的技术选型提供了重要参考,推动语音分离从实验室走向实际应用。
浙江大学和腾讯微信视觉团队发现AI图片生成训练中"时机胜过强度"的重要规律,开发出TempFlow-GRPO新方法。通过轨迹分支技术精确评估中间步骤,结合噪声感知权重调整优化不同阶段的学习强度,将训练效率提升三倍,在复杂场景理解方面准确率从63%提升至97%,为AI训练方法论带来重要突破。
谷歌DeepMind发布突破性AI规划技术,让机器人学会像人类一样进行"情境学习"规划。该技术通过Transformer架构实现了快速适应新问题的能力,在迷宫导航、机器人控制等测试中表现优异,为自动驾驶、智能制造、医疗等领域应用奠定基础,标志着向通用人工智能迈出重要一步。
新南威尔士大学研究团队开发了ZARA系统,这是首个零样本运动识别框架,能够在未经专门训练的情况下识别全新的人类活动。该系统集成了自动构建的知识库、多传感器检索机制和分层智能体推理,不仅实现了比现有最强基线高2.53倍的识别准确率,还提供清晰的自然语言解释,为可穿戴设备和健康监护等应用领域带来了突破性进展。