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
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。