
Uber即将收购微软必应的部分资产,包括专注于必应图片收集的约100名员工。换句话说,Uber从微软获得了大量数据收集工程师,以加强自己的地图服务。
微软和Uber已确认了这笔收购,但两家公司都没有透露交易条款。考虑到两家公司的规模,这笔交易不会在财务方面带来较大的影响,而其中的技术转移更值得关注。
Uber的应用本质上是带插件的地图,因此Uber希望获得这一领域的工程师并不出人意料。另一方面,微软可能也希望减少非核心产品的研发力量。
过去多年中,微软一直表示不会出售必应业务。对于这笔交易,微软表示,必应搜索仍是微软家族的重要一员,但必应的其他服务并非如此。
这笔交易也反映了Uber的目标。如果没有特定的计划,科技公司不可能一次性收购100名专注于同一领域的工程师。此前在微软,这些工程师主要负责将图像数据导入必应,给必应地图带来了3D、航拍和街景图片。可以想象,Uber也将提供类似的功能。
微软和Uber均表示,这笔交易中一些“资产”将会转移。不过两家公司拒绝透露具体是什么样的资产。业内人士猜测,微软将把图片集出售给Uber,但微软仍将获得这些图片的授权。此外,微软还将把部分知识产权出售给Uber。
好文章,需要你的鼓励
Adobe研究院与UCLA合作开发的Sparse-LaViDa技术通过创新的"稀疏表示"方法,成功将AI图像生成速度提升一倍。该技术巧妙地让AI只处理必要的图像区域,使用特殊"寄存器令牌"管理其余部分,在文本到图像生成、图像编辑和数学推理等任务中实现显著加速,同时完全保持了输出质量。
香港科技大学团队开发出A4-Agent智能系统,无需训练即可让AI理解物品的可操作性。该系统通过"想象-思考-定位"三步法模仿人类认知过程,在多个测试中超越了需要专门训练的传统方法。这项技术为智能机器人发展提供了新思路,使其能够像人类一样举一反三地处理未见过的新物品和任务。
韩国KAIST开发的Vector Prism系统通过多视角观察和统计推理,解决了AI无法理解SVG图形语义结构的难题。该系统能将用户的自然语言描述自动转换为精美的矢量动画,生成的动画文件比传统视频小54倍,在多项评估中超越顶级竞争对手,为数字创意产业带来重大突破。
华为诺亚方舟实验室提出VersatileFFN创新架构,通过模仿人类双重思维模式,设计了宽度和深度两条并行通道,在不增加参数的情况下显著提升大语言模型性能。该方法将单一神经网络分割为虚拟专家并支持循环计算,实现了参数重用和自适应计算分配,为解决AI模型内存成本高、部署难的问题提供了全新思路。