
微软公司资深副总裁、微软亚太研发集团主席张亚勤表示,中国在云的快速发展,离不开研发团队,Microsoft Azure在存储、云计算、以及商业智能、大数据等方面很多都是在上海的研发团队完成的。
与此同时,微软还专门成立了面向中国的创新团队。媒体云、城市云、智慧城市、智慧农业,都有微软云创新中心工程师的背影。
张亚勤强调,另一方面很重要的一点,不仅仅是要创新,更重要的是与合作伙伴一起创新,不仅仅和大企业一起创新,而且要和小的企业一起创新。
因此,微软在一年半之前成立了一个叫“微软云加速器”,现在叫“微软创投加速器”,目的就是希望扶持初创的企业,让他们很快能使用云的技术,降低创业的门槛。目前,微软已经孵化66个公司,有各种不同的应用。
在此基础上,Microsoft Azure还支持开放性。比如,两个月前在上海成立了一家叫微软开放技术公司。这个公司是微软在中国成立第二个法律实体,目的就是要和开源社区进行合作,支持基本上所有重要的开源包括大数据方面编程的语言、系统、实时。微软开源技术公司把700多个开源的虚拟镜像放到Microsoft Azure,这里面包括了十几个中国开源开发的应用。
此外,微软也和中国的学术界、政府、产学研密切合作,成立了微软中国云体系产业创新战略联盟。
张亚勤指出,过去几年微软研发的资源都投入在了云和端方面,最近提的“云优先、移动优先”成为战略新的发展阶段。
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。