微软首席执行官萨蒂亚·纳德拉(Satya Nadella)表示,他愿意去做一些“大事”,而不是进行一次大规模的收购,纳德拉认为,在当下的“后后PC时代”,微软所推出的12英寸全新Surface Pro平板电脑将能够取代笔记本电脑,并表示微软并没有要分拆Xbox游戏部门的计划,也没有变卖Bing搜索引擎的打算。
自今年二月份从微软前任首席执行官史蒂夫·鲍尔默(Steve Ballmer)手中接管CEO一职以来,这是纳德拉的首次公开访谈,纳德拉还表示,虽然我们的创始人比尔·盖茨提供的建议一直是“有用的”,但我们却从未混淆过谁正在负责掌管这家世界上最大的软件制造商。
当地时间本周二,纳德拉在首届Code大会的开幕主题演讲上说道:“我是首席执行官,我负责经营这家公司。”
在包括智能手机、平板电脑和搜索这些主要市场中,微软因未能与其竞争对手(如苹果和谷歌等)并驾齐驱而受到了批判,在这种局势下,纳德拉接手微软担任了CEO一职。而在过去的三个月里,纳德拉一直在宣扬微软为信奉“移动第一,云第一的世界”做出的努力,以及该公司为其Windows操作系统以外的平台提供微软软件和服务所付出的辛劳。他向科技公司的CEO们、业内人士和有影响力的观众表示,今年四月,微软为苹果的iPad平板电脑推出了微软最畅销的办公软件应用,这个决定是种致胜的“方法”。
纳德拉表示:“这样做的目的是要确保我们的服务能够适用于所有设备,市场上不仅会出现更多Windows设备,还会出现更多其他设备,而我们必须确保我们的服务能够在所有设备上运行。”
此外,微软还在本次大会上展示了一种近实时语言翻译技术,专为微软Skype视频会议服务设计运行,该视频服务已拥有3亿多已连接用户。到今年年底,Skype的实时翻译将会支持多国语言,在为其他平台发布该应用前,它将会作为一种应用最先向Windows 8用户开放。
微软表示,该公司一直致力于翻译软件的语音识别和翻译技术,时间已超过10年。在向与会者展示了Skype如何进行英语-德语互译后,微软Skype部门企业副总裁Gurdeep Pall在一篇博客文章中写道:“这一技术还处于早期发展中,但《星际迷航》中的通用翻译设想并非遥不可及。”
作为在微软工作22年的老将,纳德拉也被迫谈到了在他任职期间公司的失误。“这是一个有趣的问题,我应该为此烦恼呢,还是应该对我们正在做什么更加关心呢?”
微软在本月推出的Surface Pro 3凭借其大屏幕为平板电脑开创了一个新类别。纳德拉说道,Surface Pro 3标志着微软的一段“改善之旅”,它已经在平板电脑市场落后于苹果的iPad以及搭载谷歌Android移动操作系统的各种设备了,他称Surface是“有希望的”,并笑着指出:“任何并未轰动一时的东西都是有希望的。”
至于该公司已于上月以72亿美元完成的诺基亚智能手机业务的收购,纳德拉拒绝表示他最初对这项交易持有的态度是支持还是反对。而他所言为,微软承认拥有一个“完整的”硬件、软件和服务系统的价值,它不能让公司的合作伙伴或原始设备制造商们承担为其软件和服务开发硬件的所有风险。
当被问及微软是否有兴趣进行一次大规模收购时,纳德拉表示:“我们需要做的是一些大事。”
所谓的大事或许会包括研制一个新的平台。对Facebook首席执行官马克·扎克伯格(Mark Zuckerberg)最近以20亿美元对Oculus公司的虚拟实境体验机的收购,纳德拉表示:“我们所有人都在寻找下一个大的设备平台。”但他说道:“对我来说,不用耗资20亿美元,有许多更便宜的方式去找到这个平台。”
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。