IT瘾微软推荐

微软报告晚上八点后开会的次数在增加

Wed, 18 Jun 2025 22:04:29 CST

微软根据 Microsoft 365 用户匿名数据以及对全球 31,000 名办公室职员的调查发表了年度报告《2025 Work Trend Index》。报告称，晚上八点后开会的次数比一年前增加了 16%；晚上十点后近三分之一活跃员工仍然在查看收件箱；早上 6 点上网用户有四成会查看当天的优先事项邮件；员工平均每个工作日会收到 117 封邮件，大部分邮件在 60 秒内看完；收件人数逾 20 人的群发邮件数量增长了 7%，一对一邮件数量下降 5%；平均每个工作日员工收到 153 则 Team 消息（ Team 是 MS 的协作式消息平台）；近五分之一员工会在周六和周日中午之前查看电子邮件，逾 5% 员工会在周日晚上再次查看邮箱，为新一周的工作做准备。

微软和 ChatGPT 之父下注核聚变：2028 年用上核聚变商业发电

Wed, 17 May 2023 08:27:33 CST

访问原网址

·微软将采购由核聚变初创公司Helion产生的电力，Helion预计2028年前上线50兆瓦核聚变发电项目，但仍面临核聚变技术挑战和发电监管挑战。

·OpenAI首席执行官山姆·奥特曼为Helion注资3.75亿美元，他之所以喜欢OpenAI和Helion这两家公司，是因为如果能降低智能和能源成本，人类生活质量将大幅提高。“如果我们能用越来越少的钱让人工智能系统变得越来越强大，就像我们在Helion试图在能源方面做的那样，我认为这两个项目在精神上非常一致。”

Helion团队在其办公地点合影。

微软日前表示已与核聚变初创公司Helion Energy签订电力采购协议，将在2028年采购由该公司生产的电力。这笔交易是微软对迄今尚未商业化的核聚变投下了一张“信任票”。

而OpenAI首席执行官山姆·奥特曼（Sam Altman）也为Helion Energy投资了3.75亿美元，这是他个人迄今为止最大的一笔投资。“六个月前，也有很多人对人工智能持怀疑态度。”奥特曼说，核聚变目前还有很多巨大的挑战需要解决，但他充满信心。“我认为人们对此表示怀疑是可以的，最终减少疑虑的方式是向人们展示它在商业环境中确实有效，比如交付这笔交易。”

2028年前上线50兆瓦核聚变发电项目

核聚变被誉为清洁能源的圣杯，如果能够在地球上对核聚变加以利用并商业化，它有望产生几乎无限的清洁能源。据CNBC（美国消费者新闻与商业频道）报道，投资者已向核聚变私企投入了50亿美元。

Helion创始人兼CEO大卫·柯特利（David Kirtley）。

Helion成立于2013年，总部位于美国华盛顿州埃弗雷特，目前拥有约150名员工。其早期最重要的投资者之一奥特曼也是开发了聊天机器人ChatGPT的人工智能公司OpenAI的创始人，而微软又是OpenAI的投资方。

迄今为止，Helion已筹集5.7亿美元风险投资，其中奥特曼2021年投资了3.75亿美元。他表示，核聚变的潜力“巨大得令人难以置信”，“如果我们能让它起作用，如果我们能真正实现丰富、廉价、安全、清洁能源的梦想，这将改变社会。这就是为什么我这么长时间以来一直对这个项目充满热情。”

据CNBC报道，奥特曼表示，之所以喜欢OpenAI和Helion这两家公司，“原因是如果我们能降低智能和能源成本，我们所有人的生活质量将大幅提高。”如果对人工智能的需求和使用继续增加，那么对能源的需求也会增加。在他看来，OpenAI和Helion这两个项目对人类的未来同样重要，而且相互关联，“如果我们能用越来越少的钱让人工智能系统变得越来越强大，就像我们在Helion试图在能源方面做的那样，我认为这两个项目在精神上非常一致。”

作为此次电力采购协议的一部分，Helion预计将在2028年之前上线核聚变发电设备，并在商定的一年内达到50兆瓦甚至更大的目标发电规模。当聚变装置全速运转产生50兆瓦的能量时，它将能够为华盛顿州大约4万户家庭提供电力。虽然Helion与微软的协议是让50兆瓦的电力上线，但该公司的最终目标是生产1GW（1GW=1000兆瓦）电力，也就是卖给微软的50兆瓦的20倍。Helion目前正在建造其第七代核聚变装置“北极星”（Polaris），目标是在明年之前发电。

据《麻省理工科技评论》（MIT Technology Review）报道，Helion预计将发电厂建在华盛顿州的某个地方。50兆瓦对于发电厂来说并不多，一个典型的美国天然气发电厂的发电能力现在远远超过500兆瓦。但如果Helion成功了，那将是一件大事，因为经济、商业化的核聚变发电厂可以提供稳定的清洁电力，不存在太阳能和风能的间歇性挑战，也不存在与核裂变技术相关的争议和担忧。

核聚变技术挑战和发电监管挑战

传统核电站的核裂变反应是将原子分开，而核聚变则是在极高的温度下将原子聚集在一起。这就产生了一个新原子，失去了一些质量，损失的质量产生了大量的能量。

大多数其他实验室和初创公司依靠强大的激光或被强大磁体包围的托卡马克（一种利用磁约束来实现磁约束聚变的环性容器）来创造持续发生聚变反应的条件。比如去年12月由美国政府资助的劳伦斯利弗莫尔国家实验室首次成功在激光核聚变反应中实现“净能量增益”，即聚变反应产生的能量大于促发该反应的镭射能量。这也是到目前为止唯一一个实现“净能量增益”的研究小组。

另外，将核聚变商业化的著名途径之一是使用托卡马克装置。法国南部在建的国际核聚变项目ITER（国际热核聚变实验堆计划）正在建造托卡马克。从麻省理工学院分离出来的聚变初创公司联邦聚变系统（Commonwealth Fusion Systems，CFS）已筹集超过20亿美元资金，该公司也在使用托卡马克技术，计划在21世纪30年代初将其第一座发电厂接入电网并出售电力。

据《麻省理工科技评论》报道，Helion在开发的特殊方法是“脉冲不点火聚变系统”，装置是一个6×40英尺（1英尺=0.3048米）的杠铃形状的“等离子体加速器”，它使用强大磁体将气体混合物加热到能让原子分裂的程度，在设备的两端形成被称为等离子体的超高温物质环。磁体会以每小时100万英里（约合161万公里）的速度推动这些环相互撞击，并在装置中间进一步压缩它们，从而产生超过1亿摄氏度的温度，引发核聚变反应，其中原子核碰撞，质子和中子结合，释放出各种粒子，并产生能量。

等离子体加速器。

其他核聚变方法需要额外的步骤将能量转化为电能，但Helion首席执行官大卫·柯特利（David Kirtley）表示，Helion的核聚变过程可以直接回收电力。当等离子体继续加热和膨胀时，它自己的磁场会推动设备周围磁体产生的磁场，这就驱动了带电粒子流，也就是所谓的电流。而这反过来又给一个被称为电容器的能量存储装置充电，该装置为磁体供能发射下一个脉冲。

威斯康星大学麦迪逊分校核工程教授保罗·威尔逊（Paul Wilson）表示，如果一座商业核聚变发电厂在2028年建成并投入运行，他会感到惊讶，但如果真的发生“将是令人兴奋的”。

他同意Helion的方法有固有优势，但也注意到一些弊端。实现核聚变最简单的燃料选择是氢的两种同位素，也就是氘和氚的组合，但Helion用氦-3替换了后者，这将产生更少的中子。氦-3是一种非常稀有的氦，Helion曾从美国政府的战略储备中获取氦- 3，目前也开始自己制造。利用氦-3使获得必要燃料的过程和实现聚变条件所需的工程变得复杂。脉冲方法也使得前期工程更加棘手，威尔逊说，挑战在于能否产生足够大的脉冲来得到足够的能量，然后捕获足够的能量来为下一个脉冲提供能量。“如果他们能够做到这一点，那么他们在系统其余部分可能面临的工程挑战将比其他一些公司正在努力完成的要容易得多。”

除了技术挑战，Helion要想将核聚变产生的电力提供给客户，需要在传输和监管方面进行多年的提前规划。在美国，将新的发电设备接入电网需要数年时间。柯特利表示，公布微软采购Helion电力的消息，原因之一就是可以与相关社区、监管机构和电力公司合作。

媒体报道

终极能源！盖茨、贝索斯押注的可控核聚变：中国公司跟进了 快科技 2023-05-15
微软和ChatGPT之父下注核聚变：2028年用上核聚变商业发电 澎湃新闻 2023-05-16
微软和ChatGPT之父下注核聚变：2028年用上核聚变商业发电 网易科技 2023-05-16
微软和ChatGPT之父下注核聚变：2028年用上核聚变商业发电 钛媒体 2023-05-16

事件追踪

做完GPT-4完整测评，微软爆火论文称初版AGI就快来了

Fri, 24 Mar 2023 16:41:57 CST

图片来源： Unsplash

GPT-4 的能力什么档次？

机器之心报道

机器之心编辑部
1956 年，在达特茅斯学院召开的一个研讨会上，人工智能这一概念正式被提出。
之后这个词一直挑战着心理学家、哲学家和计算机科学家，因为它太难被定义了。1994 年，52 名心理学家联合发文试图捕捉它的本质。
随着时间的推移，研究者开始将注意力转移到特定领域的 AI 系统，如 2016 年 AlphaGo 挑战韩国冠军棋手大获全胜。之后，时间来到 20 世纪 90 年代末和 21 世纪初，研究者不满足于专用 AI，因此开发更通用的人工智能系统呼声越来越高。随之而来的是，通用人工智能 (AGI) 一词开始在 2000 年代初期流行起来。
最近一段时间，如大家所见，大型语言模型 (LLM) 走到聚光灯下，这些神经网络基于 Transformer 架构，并在大量文本数据集上训练而成。尤其是 OpenAI 最新发布的 GPT-4，更是展示了大型语言模型的通用性，在数学、文字、法律、医学等领域样样精通。
我们不禁会问，GPT-4 是迈向 AGI 的重要一步吗？
微软给出的答案是肯定的，在其最近发布的一篇论文中，他们阐述了这个观点。文中对 GPT-4 进行了全面评测。微软认为「鉴于 GPT-4 能力的广度和深度，我们相信它应该被合理视作一个通用人工智能（AGI）系统的早期（但仍不完整）版本。」
微软还表示，「本文的主要目标是对 GPT-4 的能力和局限性进行探索，我们相信 GPT-4 的智能标志着计算机科学及其他领域的真正范式转变。」

有趣的是，这篇火爆的论文还被人发现有大量删减，因此有人找出了未删节版论文。
从未删减版本中，这个博主也扒出了大量隐藏的细节，如 GPT-4 的内部名称为 DV-3，实际上也是该论文的隐藏第三作者，后被删除；这些微软的研究人员对 GPT-4 的技术细节似乎了解也并不多。此外博主也透露这篇论文发布时删除了有关毒性内容的部分（防止给 OpenAI 造成负面？）。
我们下面粘贴了该博主的 Twitter 线程，感兴趣的可以查看。

Twitter thread： https://twitter.com/DV2559106965076/status/1638769434763608064
回到文章本身。
根据文章所认定的 AGI，是具体的拥有推理、计划、解决问题、抽象思维、理解复杂思想、快速学习和从经验中学习的能力。从这些能力出发，论文进行了有趣的实验和评测。
论文分为 10 个章节：第一章为总括部分；第二章介绍了多模态，主要和视觉生成内容相关；第三章代码，根据指令生成代码、理解现有代码；第四章数学能力；第五章与世界的交互；第六章与人类的交互；第七章判别力；第八章 GPT-4 局限性；第九章社会影响；第十章未来方向及结论。
下面我们通过具体的示例，看看 GPT-4 是不是真的迈进了 AGI 时代。

多模态和跨学科组成
为了测试模型将艺术与编程相结合的能力，该研究要求 GPT-4 用 javascript 写一段代码，以生成康定斯基风格的随机图像，下图第一张为 Wassily Kandinsky 创作的，第二张和第三张分别由 GPT-4 和 ChatGPT 生成的：

下面为 GPT-4 代码实现过程：

进行视觉概念理解：在这个作图任务中，输入提示让模型结合字母 Y、O、H 的形状来画一个人。其实在 GPT-4 的训练过程从没有关于字母形状的认识，只能从相关训练数据中、模糊地学习到字母与一些特定形状有关，结果显示 GPT-4 生成的结果还不错：

用于草图生成：GPT-4 还能与 Stable Diffusion 进行结合。下图为 3D 城市建模截图，输入提示有一条河流从左到右流淌、河的旁边建有金字塔的沙漠、屏幕底部有 4 个按钮，颜色分别为绿色、蓝色、棕色和红色。下面是生成结果：

你还能要求 GPT-4 用 ABC 记谱法生成和修改曲调：

编程能力
GPT-4 有非常强大的编程能力，包括根据指令编写代码和理解现有代码。该研究具体测试了 GPT-4 在编程方面的能力。
代码编写
下图 3.1 是一个让 GPT-4 写 python 函数的例子，该研究使用 LeetCode 在线判断代码是否正确。

然后，该研究让 GPT-4 将上表 2 中 LeetCode 上的准确率数据可视化为图表，结果如下图 3.2 所示。

前端 / 游戏开发
如下图 3.3 所示，该研究让 GPT-4 用 JavaScript 在 HTML 中编写 3D 游戏，GPT-4 在零样本的情况下生成了一个满足所有要求的游戏。

深度学习编程
为深度学习编写代码需要数学、统计学知识，并熟悉 PyTorch、TensorFlow、Keras 等框架和库。如下图 3.4 所示，研究者要求 GPT-4 和 ChatGPT 编写自定义优化器模块，该任务对于人类深度学习专家来说也是具有挑战性的。研究者为 GPT-4 和 ChatGPT 提供了自然语言描述，其中包括一系列重要的操作，例如应用 SVD 等等。

此外，该研究还测试了 GPT-4 把代码转换成 LaTex 公式的能力，结果如下图 3.5 所示。

在理解代码方面，该研究尝试让 GPT-4 和 ChatGPT「读懂」一段 C/C++ 程序，并预测程序的输出结果，二者的表现如下：

然后，该研究让 GPT-4 解释了一段 Python 代码：

还有解释一段伪代码：

数学能力
一直以来，大型语言模型的数学能力似乎一直不是很好。那么 GPT-4 在这方面表现如何呢？本文经过一系列评测，结果表明 GPT-4 相比以前的模型在数学方面有了质的飞越，但是离专家水平还差得很远，不具备数学研究的能力。
在与 ChatGPT 的对比中， GPT-4 成功的生成了解决方案，而 ChatGPT 生成了错误答案：

在 AP 问题上，GPT-4 vs ChatGPT 对比结果。GPT-4 使用了正确的方法，不过由于计算错误导致最终答案错误，而 ChatGPT 产生了一个不连贯的论点。

此外，本文还测试了 GPT-4 使用数学思维和技术来解决现实问题的能力：下图展示了 GPT-4 如何成功地为一个需要广泛跨学科知识的复杂系统构建合理的数学模型，而 ChatGPT 未能取得有意义的进展。

由于论文内容长达 154 页，本文只对评测结果进行了大量展示，想要了解更多内容，读者可以参考原论文。
最后附上论文目录：

微软的vscode 研发流程项目管理是如何做的？

Sat, 25 Feb 2023 22:25:37 CST

Project Management

Roadmap

The team has a 6-12 months high level Roadmapwhich defines high level themes and features to be addressed in this timeframe.

Iterations

We will work in monthly iterations on the items on the roadmap. Iterations are roughly month based, rather than week based. We will begin a milestone on a Monday and end on a Friday, meaning that each milestone can have a different duration, depending on how the weeks align.

At the end of each iteration, we want to have a version of Visual Studio Code that can be used by the VS Code community. The work planned during an iteration is captured in the iteration plan (see Iteration Plans). The feature highlights of each iteration are highlighted in the release notes.

Planning

Before each milestone, we will prioritize features to implement and bugs to fix in the upcoming iteration. Bugs are assigned the milestone for the iteration. For new features, we create new issues and label them with Plan Item. Plan Items include a check list for the Definition of Done. The Bugs, Plan Items, and Feature Requests assigned to a milestone encompasses the planned work for the upcoming month. For each Plan Item, we include the checklist for b

Definition of Done

Test Plan Item created
Keyboard accessible
Screen reader accessible
Works with the different themes, including the high contrast theme
Telemetry events in place
Release notes updated

Inside an Iteration

We work in weekly segments:

Week 1: Reduce debt introduced in the previous iteration, address critical issues uncovered in the previous iteration, plan the next iteration
Week 2: Work according to the plan
Week 3+: Work according to the plan
Final Week: Endgame
- the team tests the new features according to a test plan and updates the documentation.
- we make a pre-release available on the 'insiders' channel and invite users to help us test the pre-release.
Week 1 (next iteration):
- monitoring the pre-release and fixing critical issues.
- publish the release, sometime midweek, after 24 hours with no changes to the pre-release.

Triage

Bugs and features will be assigned a milestone, and within a milestone, they will be assigned a priority. The priority dictates the order in which issues should be addressed. An importantbug (something that we think is critical for the milestone) is to be addressed before the other bugs.

To find out when a bug fix will be available in an update, then please check the milestone that is assigned to the issue.

Please see Issue Trackingfor a description of the different workflows we are using.

Weekly

Each week we will manage work items, crossing off completed features, and triaging bugs. At the end of the milestone, we will strive for 0 bugs and 0 issues assigned to the milestone. Some bugs and features will then be either postponed to later milestones or moved back to the backlog.

End Game

The final week of the milestone is what we call the "end game" ( see running the endgame). During this week we will wrap up any feature work, we will test using a test plan Iteration Plans, and then we will fix the critical bugs for that milestone.

During the endgame we make a build available on the insiderschannel ( see also). We will monitor incoming issues from this release, fix any critical bugs that arise, and then produce a final stablerelease for the milestone and the stablechannel.

ChatGPT 式搜索对 Google 微软而言意味着成本增加 10 倍

Thu, 23 Feb 2023 23:50:17 CST

今天的搜索引擎首先需要构建一个庞大 Web 索引，用户搜索时对索引条目进行扫描、排序和分类，最相关条目出现在搜索结果中。整个搜索过程通常不需要一秒钟。相比之下，AI 聊天机器人 ChatGPT 搜索时需要启动一个庞大的神经网络模型，产生文本，可能还需要利用搜索引擎核查事实信息。整个过程要漫长得多，花费也更多。分析师估计，大语言模型的搜索成本可能是关键词搜索的 10 倍以上，意味着数十亿美元的额外成本。如果 Google 提供了 ChatGPT 式搜索它的成本每年将增加 60 亿美元。

翻车的不只谷歌？微软必应聊天演示被指存在事实性错误

Wed, 15 Feb 2023 15:52:35 CST

新浪科技讯北京时间2月15日上午消息，几天前，谷歌聊天机器人演示活动现场翻车导致其股价当天暴跌逾7%，但微软的演示活动同样出现了事实性错误。

在微软进行演示时，这项嵌入在必应搜索中的类ChatGPT技术分析了Gap和Lululemon的财报。但业内人士将其给出的答案与财报原文对比后却发现，这款聊天机器人遗漏了一些数据，甚至会杜撰一些内容。

“必应AI在演示过程中给出了一些完全错误的答案，但却没人注意到。”独立搜索引擎研究员德米特里·布里尔顿（Dmitri Brereton）写道，“相反，大家都对必应的宣传欢欣鼓舞。”

布里尔顿发现，除了财务数据上的错误外，微软在演示中针对吸尘器规格和墨西哥旅行计划的回答可能存在事实性错误。布里尔顿最初并不是为了给微软“挑刺”，他只是在细致对比微软和谷歌的答案时意外发现了这些问题。

人工智能专家称这一现象为“幻觉”，也就是说，基于大语言模型生成的工具有杜撰内容的倾向。上周，谷歌推出了一款与之竞争的人工智能工具，演示过程中同样存在事实性错误——但当时的错误很快就被人发现。

这两家公司都在加紧将新型生成式人工智能整合进搜索引擎，希望在ChatGPT引爆行业热潮后向世人展示自己在这方面的优势。ChatGPT是去年11月由创业公司OpenAI推出的，他们已经通过微软融资百亿美元，与之竞争的Stability AI和Hugging Face等创业公司也在融资中获得了数十亿美元的估值。

谷歌与微软对待这项技术的态度差异明显：由于担心声誉风险和安全问题，谷歌迟迟不愿将AIGC（人工智能生成内容）技术整合进搜索引擎，而微软却在上周强调，有可能在短期内向部分公众开放这项技术。

“我认为不能让这项技术躺在实验室里，”纳德拉说，“应该安全地推广出去。”

但在必应AI的演示过程中，的确在公司财报数据上出现了一些问题。

微软营销高管约瑟夫·梅赫蒂（Yusuf Mehdi）在演示过程中访问了Gap的投资者关系网站，然后让必应AI根据这家零售商11月发布的第三季财报总结出“要点”。

“很酷，节约了大量时间。”梅赫蒂说。

下面是微软演示过程的屏幕截图：

以下是这份总结中存在的错误：

-Gap报告的毛利率为37.4%。但在去除与Yeezy有关的费用后，调整后毛利率为38.7%。

-Gap的运营利润率为4.6%，而非5.9%。5.9%这个数据在该公司的财报中根本没有出现。

-调整后摊薄每股收益为0.71美元，而非0.42美元，后者同样在财报中无法找到。Gap的财报包含一个调整后所得税收益，约为0.33美元。

-Gap去年8月下调了全年预期，并在第三季度财报中表示，“第四季度销售额可能同比下滑个位数左右”。由此看来，全年营收应该下滑，而非“较低的两位数增长”。并没有营业利润率或每股收益预期。

Gap2022财年第三季度财报

微软表示，该公司知道这些错误，他们也预计必应AI会犯一些错误。

“我们知道这份报告，并且已经通过分析这一问题来改善体验。”微软发言人说，“我们承认仍然有一些工作要做，并且预计到该系统可能会在预览期间犯一些错误，正因如此，反馈才至关重要，这可以帮助我们学习和改进模型。”

微软随后让必应AI对比了Gap和Lululemon的财报。梅赫蒂希望必应能将两份财报的数据提取出来，制作成一份表格。

“看看效果多么惊人。”他说，“就像这样，一张表格，这个问题的答案有了。可以想象一下，用其他方法需要花多长时间。”

下面是必应AI的结果：

下面是表格中出现的几项错误，从利润率开始：

-Lululemon的毛利率是55.9%，不是58.7%。

-该公司的运营利润率是19%，不是20.7%

-Lululemon的摊薄每股收益为2美元，调整后每股收益为1.62美元，必应显示的摊薄每股收益为1.65美元。

-Gap现金及现金等价物为6790万美元，不是14亿美元。

-Gap库存为30.4亿美元，不是19亿美元。

ChatGPT实火！微软正洽谈100亿美元增持OpenAI

Tue, 10 Jan 2023 17:23:45 CST

【TechWeb】1月10日消息，据国外媒体报道，最近爆火的AI聊天机器人ChatGPT所有者OpenAI在日前传出打算以要约形式出售股票后，今日又传出了与微软更进一步投资合作的消息。

知情人士称，周二，微软正在与OpenAI就100亿美元的入股事宜进行谈判。OpenAI此次融资对象还包括其他风险投资公司在内。

交易完成后，OpenAI的估值将升至290亿美元，比2021年上一轮融资完成时的140亿美元估值翻了一倍。

目前尚不清楚该交易是否已经敲定。

知情人士称，微软将获得OpenAI的75%利润，直到它收回投资。在达到这一门槛后，它将恢复到反映OpenAI所有权的结构，微软拥有49%的股份，其他投资者获得另外49%的股份。

据了解，微软在2019年已经向OpenAI投资了10亿美元。在这笔投资下，微软计划推出搜索引擎Bing的新版本，该版本Bing基于ChatAI的人工智能技术。

微软Edge浏览器内置VPN功能

Mon, 02 May 2022 15:07:34 CST

DoNews 5月2日消息（刘文轩）苹果在 macOS Monterey 与 iOS/iPadOS 15 开始推出名为“Private Relay”的 VPN 服务，与之相对的，作为 Windows 系统的开发商，微软也在自家的浏览器中推出类似服务，确保用户上网安全。

这项服务由微软与 Cloudflare 合作完成，名为“Microsoft Edge Secure Network”，宣称可确保经由Edge送出的数据通过加密通道传送，即使用户访问的是使用HTTP、较不安全的网站也是如此。

启用这项服务后，上网活动与网页数据都能获得保护，可防止运营商或骇客得知用户访问了哪些网站、用户所在地点或IP地址，或是在公共Wi-Fi网络窃听通过网页传送的信息，像是帐号密码等。用户以微软帐号登陆Edge后，每月可免费使用1GB的数据传输量。

这项服务结合Cloudflare基础架构，为提供这项服务，后者扮演微软的数据委外处理者（subprocessor）搜集一小部份关于HTTP/HTTPS呼叫的诊断和支持信息，以观察来源、目的地IP、传输埠、时间戳以及Edge提供的存取令牌。Cloudflare会在每25小时后永久删除这些数据。

在与微软的合作下，Cloudflare不会将Edge用户数据转给、授权或销售给任何人或组织，也不会以用户上网记录数据，或整合Cloudflare及其他单位数据来建立用户档案。

要使用Microsoft Edge Secure Network，用户必须具备微软帐号并登陆，微软会搜集每月Edge Secure Network服务频宽用量，并在限额用罄前发出提醒。

除了微软 Edge，其他浏览器也提供了类似功能，包括Chrome已经内置支持使用L2TP over IPsec 的VPN服务。 Mozilla也和ProtonVPN合作，为Firefox浏览器用户提供付费VPN服务，每月4.99美元支撑5台设备。

微软：恭喜你，现在可以在元宇宙里做 PPT 了

Sat, 06 Nov 2021 14:38:01 CST

8 月，北半球还停留在炎热的夏天，Facebook 还没改名 Meta。一群科技媒体记者戴上 VR 头显，准备出席一场虚拟的新闻发布会，远程体验 Facebook 的办公应用 Horizon Workrooms。

虚拟会议室里，一个个只有上半身的虚拟形象，在好奇地张望与摸索。而扎克伯格等 Facebook 高管，手舞足蹈地介绍着各种功能：

▲ 手舞足蹈的扎克伯格

你可以在 Horizon Workrooms 沉浸式开会，投屏分享真实的电脑屏幕内容，走到白板处记下脑暴碰撞的火花，空间音频会让你更加身临其境。一个虚拟会议室最多容纳 50 个人，其中最多 16 人可以虚拟形象加入，其他通过视频通话接入……

这一幕，拉开了「元宇宙打工」的序幕。

▲ Horizon Workrooms

继 Meta 大张旗鼓转型元宇宙公司后，最近，微软也宣布入局元宇宙——没想到，快乐的可能性那么多，他们的首选场景还是元宇宙打工。

微软眼中的元宇宙，从「沉浸式开会」开始

11 月 2 日，在 Microsoft Ignite 大会上提及元宇宙时，微软的首席行政官 Satya Nadella 这么说：

随着数字世界和物理世界的结合，我们正在创造一个全新的平台：元宇宙。

元宇宙使我们能够将计算嵌入现实世界，并将现实世界嵌入计算，为任何虚拟空间带来真实的存在。最重要的是我们可以展示人性，选择自己如何体验这个世界，以及想与谁互动。

这不再只是看着工厂车间的拍摄影像，你可以就在车间里；也不再只是与同事进行视频会议，你可以跟他们身处同一个房间里。

随后，Nadella 宣布微软将推出 Mesh for Microsoft Teams。

简单来说，就是将虚拟体验平台 Microsoft Mesh 的混合现实功能，引入到办公协作软件 Microsoft Teams 中。官方称，最快 2022 年上半年，你将可以在 Mesh for Teams 预览版体验到沉浸式开会，以及更身临其境的远程协作。

首先，不用为视频会议洗头准备精致妆容了。你将拥有自己的个性化 3D 虚拟形象，不想开摄像头露脸的时候，可以让它代替你出镜。

微软会用 AI 来捕捉你的声音，以此推测出你的口型、面部表情、肢体语言等，并呈现在虚拟形象上。微笑、皱眉、生气……所有情绪和动作都可以很自然地表达出来，让你有跟同事面对面交谈、知道眼前是个活人的真实感。

你可以戴上有 6 个麦克风、16 个摄像头的 HoloLens 来体验沉浸式开会，也可以用其他 VR 头显、手机或笔记本电脑等接入。有 Mesh 的技术支持，人们可以通过任何设备在这里进行交流、协作和共享。

企业或团队还可以在 Microsoft Teams 上搭建不同的虚拟空间。

在虚拟会议室，你跟同事们的 3D 小人可以畅谈项目进度，脑暴碰撞小宇宙；如果累了想歇会儿，还可以去休息室等区域，相约喝杯咖啡，来一局游戏放松一下。空间音频能为你的这些体验增加现场感。

Word、PPT、Excel 等你熟悉的微软办公软件都可以随时调用。从此以后，在元宇宙加班写稿做 PPT 将不再是梦。

另外，有实时翻译和转录的技术支持，即使在这里见来自不同文化背景的同事，你也可以跨越语言障碍，快速开展协作。

微软的这些「元宇宙打工」体验，都在强调沉浸和现场感。

在这之前，Microsoft Teams 曾推出过 Together 模式，认为将视频会议的参与者放在同一个静态虚拟背景里，能让彼此感觉在一起，有助于增强团队凝聚力。

▲ Microsoft Teams 的 Together 模式

相比之下，Mesh for Teams 的场景更丰富，如果你愿意，甚至可以分分钟将整个办公室都搬到虚拟空间。体验也变得更立体沉浸了——毕竟，同事之间的沟通和感情，不只有开会的激情碰撞，还有办公室走廊偶遇，摸鱼聊八卦分享生活等时刻。

埃森哲咨询公司是首家在 Microsoft Teams 体验「元宇宙打工」的企业，目前有 62.4 万员工，遍布全球 120 个国家。

他们应用这些技术搭建了一个「虚拟总部」，员工们可以在那相互认识、学习、协作、增进感情并找到归属感。据称，埃森哲公司已经举办过 100 多次团队活动。

疫情期间，埃森哲还在这个虚拟空间里，对数万名来自世界各地的新员工进行了入职培训。他们跨越现实世界的种种限制聚集在一起，身临其境地体验企业文化，认识新同事，在对话等互动中快速积累人脉网络。

「这听起来可能很老套，但人们喜欢它。这比找一位职场导师，跟你连续用视频会议聊 2 天要好得多。」埃森哲首席人力资源官 Ellyn Shook 这么说。

而埃森哲全球数字体验主管 Jason Warnke 表示，有时人们会忘记自己身处虚拟空间，认出某位同事的虚拟形象后，就自然而然走过去，开展深入而有意义的对话，「这就是这片虚拟空间最神奇的地方。」

选择最不性感的场景，微软希望为元宇宙提供动力

Microsoft Ignite 大会结束后，微软又再发布一条简短的视频，解释他们眼中的元宇宙是什么：

你可以把元宇宙看作是互联网的一个新版本，或者说是一个新愿景。在那，人们聚集在一起，在任何设备上通过个性化的虚拟形象来进行沟通、协作和分享。

社交、娱乐、游戏、健身、教育……那么多天马行空的元宇宙场景，微软为什么偏偏以办公协作为切入点？

接受彭博社采访时，Nadella 表示，很多消费者领域的场景听起来还像科幻小说一样，相比之下，疫情让企业探索数字解决方案变得更为主流普遍。想要实现公众对元宇宙的理解还遥不可及，但元宇宙已经开始有商业用途了。

实际上对微软来说，Mesh for Teams 只是一个开始，一个原型，一个通往元宇宙的入口。

《Fast Company》报道称，微软对「拥有/统治一个元宇宙」并不感兴趣，它更希望为元宇宙提供动力，希望 Mesh 平台能成为将多个世界连接在一起的粘合剂。

接受采访时，微软技术研究员 Alex Kipman 表示，很多人认为有一个元宇宙，但他更认同多元宇宙的观点，「今天每一个网站，明天都有可能成为元宇宙；而让互联网变得有趣的，是网站之间的连接。」

Microsoft Mesh 是今年 3 月推出的，一个由 Azure 提供支持的混合现实平台，允许人们通过多种设备（智能手机、笔记本电脑、VR 头显等）加入协作和共享的全息体验。

▲ Microsoft Mesh

某程度上来说，你可以把 Mesh 视作一项基础技术，今天首先获得加持的是办公协作平台 Teams，明天就可以有其他更多应用场景通过 API 拥有元宇宙沉浸体验。

Nadella 在 Microsoft Ignite 大会的一些表述，也能看出这种踏实同时又有野心的想法：

我们正在将人、地方、事物与虚拟世界结合起来，无论是消费者领域还是企业领域。

在整个微软云中，从 Azure IOT 到 Azure Digital Twins，再到 Connected Spaces 和 Microsoft Mesh，我们正在构建元宇宙的内在要素，一个供你创造搭建的元宇宙平台。

▲ Nadella 谈及为元宇宙的各种技术解决方案

就目前看来，跟 Meta 画的元宇宙「大饼」相比，微软的元宇宙的构想听起来要克制踏实得多。

除了「元宇宙打工」，微软也透露称未来 Xbox 游戏将加入元宇宙计划中。Nadella 表示，《光环》系列（Halo）、《我的世界（Minecraft）》、《微软模拟飞行（Flight Sim）》都可以是元宇宙，但重点是如何将它们从 2D 带到一个完整的 3D 世界。

11 月 3 日，微软总裁 Brad Smith 在出席葡萄牙里斯本网络峰会时指出，Facebook、微软、苹果这样的科技巨头很可能会各自开发自己的元宇宙。但重要的是，不要让「炒作」掩盖技术趋势。

大家都在谈论元宇宙，好像我们正在进入某个新的维度一样。这并不是什么死后前往的天堂，我们还是得生活在现实世界中，与人相处的。

（元宇宙）将变得非常庞大且重要。我们必须确保它保护隐私、数字安全并防止虚假信息和操纵。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

微软将关闭领英中国

Thu, 14 Oct 2021 22:51:43 CST

微软官方博客宣布将在今年晚些时候关闭领英中国，原因是合规难度和运营方面的挑战。微软是在 2014 年 2 月推出领英中国本地化版本，帮助领英用户在中国求职。微软将发布 InJobs 应用去替代领英中国，它不包含社交功能，没有社交帖子和信息分享，主要功能就是招聘求职。微软表示将会与中国企业继续合作。

英特尔走上一条与微软类似的转型之路

Tue, 07 Sep 2021 12:25:41 CST

曾经十分封闭的微软在 Satya Nadella 掌权之后开始了对外开放，开发工具如编辑器开始支持 Linux，微软再次复兴，其市值突破了 2 万亿美元。芯片巨人的情况类似，在新 CEO Pat Gelsinger 上任之后它也准备打开窗户呼吸新鲜空气。它自己的部分产品将由其它公司代工，同时也将自己的芯片工厂开放为其它公司代工。微软和英特尔虽然分属科技世界的不同领域，但在结构上却相当于一对双胞胎。微软的商业软件如 Windows 和 Office 过去是设计成为最佳搭档，而英特尔自己设计芯片在为自己优化过的工厂制造。但随着科技行业日益壮大、日益多元化、日益网络化，这种集成设备制造商模式已经失宠。专注于设计芯片的竞争对手如 AMD 在 CPU 芯片性能上超过了英特尔，而开放系统的 AMR 芯片则在移动领域打败了芯片巨人，并开始在数据中心等英特尔传统强项发起挑战。如今专注于芯片代工的台积电和在 AI 领域领先的英伟达在市值上都超过了英特尔。英特尔已经认识到只有开放才能生存。

Win11 无情抛弃老电脑，微软打的什么算盘？

Fri, 02 Jul 2021 22:26:40 CST

距离 Windows 11 发布已经过去一周，虽然比起苹果发布会，Windows 11 连热搜榜都没能登上，但这并不代表没人关注，相反，在过去一周里，很多数码爱好者围绕其对 Android 应用的支持、对老机型的升级问题展开了激烈讨论。与以往不同的是，在这次大版本升级中，微软对老电脑的态度与以往截然不同，这也引发了很多争议。

微软终于抛弃了老电脑

对于很多人来说，第一次使用电脑接触到的就是 Windows 系统，这也是很多人最熟悉的操作系统。时至今日，尽管面临着苹果和谷歌的强力竞争，但 Windows 还能把握住全球 75% 左右的市场份额，这背后的原因，除了出色的兼容性外，也离不开海量老机型所奠定的坚实基础。举个有点夸张但又很真实的例子，有些人把一台电脑从 WinXP 一路用到了 Win10，如果换作其他系统应该很难做到。然而，随着 Windows 11 的发布，这种「好事」也许不会再延续下去了。

Windows 11 发布后，微软一改往常对老机型开放的态度，只是在发布会上并没有特别说明，直到很多用户升级时才发现各种问题。有意思的是，如果单看官方给出的要求，其 1GHz 处理器、4GB 内存、64GB 硬盘容量的最低配置标准并不过分，但大多数用户不了解的是，这次还要求电脑具备 TPM 2.0 模块，而这也是老机型面临的最大阻碍。TPM 2.0 标准于 2016 年制定，近两年才被大范围应用到产品上，据微软称，TPM 2.0 可以提供硬件级的隔离和加密，在安全性方面相比之前可以得到更有效的保障。

除了 TPM 2.0 外，微软还对 CPU 提出了更严苛的条件，在官方给出的支持列表中，8 代酷睿和 2 代锐龙之前的型号均未出现，再加上 TPM 2.0 的限制，也就是说只有 2017 年后发布的电脑才能完美运行 Windows 11，但实际上单从性能角度来讲，很多 2017 年之前的产品也能够完美运行，只是微软并没有给出明确支持的态度。

更有意思的是，在预览版系统推送后，很多 2017 年前老电脑通过「民间破解」方法得以升级，于是微软又补充道，尽管这些老型号支持升级，但并不符合 Windows 11 对于安全性和可靠性的要求。总之，Windows 11 对老机型的支持标准模糊不清，但确实可以感觉到，这次微软想要摆脱老机型的束缚。

旧的不去，新的不来

对微软而言，支持老机型能够维持其庞大的用户体量，但从另一个角度讲，当一个新系统面对海量老硬件时，无疑也加大了适配难度和维护成本。近几年来，Windows 系统的口碑相比 WinXP 和 Win7 时期下降了很多，不少用户传来了抱怨声，吐槽蓝屏、死机、字体模糊、广告弹窗等现象的越来越多，但实际上这些问题中，Windows 自身原因造成的并不多，就拿蓝屏来说，除了微软偶尔推送「咖喱味」补丁导致全球用户大批量蓝屏，更多的应该是老硬件不适配、或者驱动程序不兼容这种个性化问题，而老机型往往更容易出现这种现象。

因此，微软提高「最低配置」也是一种无奈之举，虽然很多老硬件因此被淘汰，短时间内也会遭到不少用户的不满，但至少，微软之后可以把精力放在近几年和未来的新硬件上，以此来提升 Windows 电脑的体验，当然，前提是在微软给力的情况下，否则只是美好的空想。目前，Windows 11 在老硬件适配上依然踌躇不定，用户可以通过修改注册表、或者是替换 dll 文件等方法强制进行更新，但等到秋季正式版面市时，微软很可能加大限制力度。

有意思的是，当我们上手 Windows 11 预览版时，发现系统版本号为「21H2」，即延续了 Win10 时期的命名规则，联想到此前微软曾表示 Windows 10 将是最后一版 Windows，不妨假想如今的 Win11 其实就是 Win10 21H2 版本，只是出于对「升级换代」的渴求，微软做出了重命名这种「违背祖训」的决定。实际上从功能方面讲，除了支持 Android 应用，你很难再找出能够称之为「代际升级」的改变了，从这一角度来说，改名 Windows 11 也许是为了增强用户的换机动力，毕竟历代大版本更新也许让微软明白了「科技以换名为本」。

不破不立，有舍有得

除去提升「最低配置」，Windows 11 也对更进阶的「推荐配置」做出了更高的硬件要求，比如 5G 网络、HDR 显示器、更好的收录音设备、更多的交互传感器、更大更快的固态硬盘，这些功能在基础之外可以提供更好的体验。实际上每代 Windows 大版本更新都会推动未来几年内的硬件升级，Windows 11 也不例外。

未来几年，随着 Windows 11 装机量的提升，PC 产品可能会迎来更大的变化，尤其是触控很可能会得到率先普及。微软从 Windows 7 开始支持多点触控，Windows 8 更是为触控操作单独设计了 Modern UI，但多年来 Windows 的触控却始终处于一个尴尬境地，毕竟在桌面应用中，键鼠的效率远比触控更高。但从 Windows 11 开始，随着 Android 应用的引入，触控功能肯定会得到更大的发挥。事实上在 Windows 预览版中，很多 UI 设计也更倾向于触控操作了，例如菜单间距明显变宽，控制中心的控件、资源管理器中常用的复制、粘贴、重命名等操作也被设计为更适合点按的图标形式。

除去新功能的加入，还有一些曾经很重要的功能终被弃用，留给我们印象最深的应该是拥有二十多年历史的 IE 浏览器，这次 IE 浏览器将从 Windows 11 中彻底消失，曾经的它与 Windows 深度捆绑，甚至登上了 Windows 95 的开机画面，微软还因此被扣上了「垄断」的帽子，直到今天，还有不少网银需要依赖于 IE 浏览器才能运行，但随着技术的不断升级迭代，基于 Chromium 内核、性能更出色的 Edge 代替了它。

就像极力甩掉 IE 浏览器一样，微软如今对于老电脑同样也表现出了相同的态度，只是 IE 有了更好的替代品，但未来 Windows 11 能否达到我们的预期还是一个未知数。

微软推新工具：可扫描聊天应用以寻找潜在儿童性侵者

Fri, 10 Jan 2020 03:42:06 CST

　　新浪科技讯北京时间1月10日凌晨消息，微软周四发布了一个新工具，这个工具可以扫描在线聊天记录以寻找想要性侵儿童的人。科技行业正在致力于打击网上儿童罪案，微软此举也是出于这个目的。

　　这项服务的代号为“阿耳特弥斯项目”（Project Artemis），可以扫描历史聊天记录以发现潜在的儿童性侵者。该工具以微软的一项专利为基础，这项专利技术可以利用历史聊天数据来给网上对话给出概率评级，使用该工具的公司可以通过这种评级来确定是否该对网上对话进行人工审查。

　　多年以来，微软一直都在使用这项技术监控Xbox平台上的聊天内容，而目前这家科技巨头正在考虑将Project Artemis整合到Skype等其他聊天服务中。

　　“‘阿耳特弥斯项目’是向前迈出的重要一步，但绝不是什么‘灵丹妙药’。”微软数字安全主管考特尼·格雷瓜尔（Courtney Gregoire）发表博文称。“网上儿童性剥削和虐待以及网上儿童性诱拐的探测都是重要的问题，但我们并没有被这类问题的复杂性所吓倒。“

　　微软与Meet Group、Roblox、Kik和Thorn合作开发了这个工具，目前正在向具有聊天功能并使用Thorn的第三方在线服务提供“阿耳特弥斯项目”。Thorn是个非营利组织，旨在开发技术来保护儿童免受性虐待，该组织将在本周开始把这项技术授权给其他服务。微软PhotoDNA工具背后的学者哈尼·法里德（Hany Farid）领导了“阿耳特弥斯项目”的开发工作，PhotoDNA工具的功能是扫描图像以寻找儿童性剥削的证据。(唐风)

别再说微软 HoloLens 是高科技玩具了！

Mon, 24 Jun 2019 19:43:00 CST

雷锋网消息，近日，微软和空客在巴黎航展上公布了合作计划，将向其他航空和国防领域的公司出售特殊的、基于混合现实头显的全息图像技术，这次合作将让微软的最新设备 HoloLens 2 进入更多大型企业，通过头显提供更多种类的增强现实技术。

第一代 HoloLens

从“高科技玩具”到“智能端”

HoloLens 是微软公司于 2015 年 1 月 22 日公布的首个不受线缆限制的全息计算机设备，它内置了一整套的传感器用来实现各种功能，通过图片影像和声音，能让用户与数字内容交互，并与周围真实环境中的全息影像互动。

实际上，HoloLens 像是一台完整的计算机，它拥有独立的 CPU 和 GPU，同时还包括微软自己研发的全息处理器（Holographic Processing Unit，即 HPU）。其中，全息处理器可以实时处理头部转动方向、手势、方位，是专门为 HoloLens 打造的，除 CPU、GPU 之外的第三个处理器。

总体上看，HoloLens 没有线缆、没有外部摄像头、不用手机、也无需与 PC 相连就可以使用，它的诞生，让我们看到了个人电脑正在向着不断边缘化的方向发生着改变。

然而，HoloLens 并不是一款完美的产品。尽管 HoloLens 设备能够识别环境，在空间中显示 3D 图像的 MR 设备，支持简单的 3D 手势交互，但是它还缺乏对环境的深度理解。由此，微软公司在 HoloLens 的下一代中植入新一代的 AI 芯片，进一步实现 MR 与 AI 的结合。

第二代 HoloLens

2019 年 2 月 24 日，HoloLens 2 问世。

相对于第一代 HoloLens，HoloLens 2 更加具备沉浸感（详见雷锋网此前报道）。微软为 HoloLens 2 打造了一个全新的视觉显示系统，用户与全息影像的交互方式得到更新，利用新的 TOF 深度传感器，结合内置 AI 和语义理解，让用户能够采用与现实世界的物体交互时所使用的同样手势来直接操控全息影像。

不仅如此，HoloLens 2 的用户佩戴体验也有所改变。轻质碳纤维材料、新的热导板技术、全新的锁扣式贴合系统等设计全面升级了 HoloLens 2 的佩戴体验。此外，值得注意的是，用户也无需摘下眼镜即可使用 HoloLens 2，因为它可以在眼镜上方通过滑动来调整。

另外，微软在 HoloLens 2 在开放性、可定制化等方面也着力甚多，它宣布推出 Microsoft HoloLens 定制项目，帮助客户和合作伙伴定制 HoloLens 2，以适应相关环境需求。例如，微软与 Trimble 合作推出了一款基于 HoloLens 2 的 Trimble XR 10。

除了 HoloLens 2 的硬件，微软还针对它发布了一项新应用—— Dynamics 365 Guides，这是一款全新的混合现实应用，能够赋能员工通过实践进行学习。通过逐步指示，Guides 可以指导员工学习他们在实际工作场景中需要了解和使用的相关工具和部件，强化了学习过程。

Dynamics 365 Guides 将有助于减少停机时间，并提高关键任务设备和流程的效率，并成为第三个可同时用于上一代 HoloLens 和最新 HoloLens 2 设备的 Dynamics 365 应用（此前的两个分别为 Dynamics 365 Remote Assist 和 Dynamics 365 Layout）。

此外，HoloLens 2 与 Azure 的结合更是亮点所在。基于 Azure，微软推出了两项 Azure 混合现实服务—— Azure Spatial Anchors 和 Azure Remote Rendering，旨在帮助每个开发人员以及每个企业构建跨平台、适合不同行业背景的企业级混合现实应用。

结合这两个混合现实服务， HoloLens 以智能端的角色与 Azure 智能云形成了协同关系，帮助微软实现“智能云 + 智能端”的战略。

并且，其他相关领域的混合现实也可以加入由 HoloLens 2 和 Azure 共同组成的生态系统，以获得混合现实所需的空间、语音和视觉智能，以及用于存储、安全和应用程序洞察的可靠云服务。

总的来说，此前的 HoloLens 软硬件技术再强大，可能也就是一款高科技“玩具”，但微软给它插上了 Azure 云的翅膀，通过“终端 + 云”的战略，聚焦 B 端应用场景，再整合各种技术服务，一个围绕 HoloLens 的商业生态的雏形便展现出来了。

“它就是企业级设备，而绝不是游戏产品”

如今， HoloLens 在 B 端的应用越来越广泛，在建筑、医疗、教育、汽车领域都有所涉及（参见雷锋网此前报道）。不过，在 HoloLens 诞生之初，微软对其具体用途并不是十分明确。微软公司全球副总裁 Julia White 曾在接受雷锋网采访时表示：

当初第一代 HoloLens 诞生的时候，它在产品形态上很超前，其实连微软自己没完全搞清楚它未来能应用在何处。但是在经历过数年的观察之后，我们很快意识到，很明显，它就是一款企业级设备，而绝不是一款游戏产品。从企业级的应用案例下， HoloLens 其实是 Mixed Reality 与 IoT & AI 的混合体，由此可以创造出企业正在寻求的应用。

其实，第一代 HoloLens 在游戏领域具有较大潜力，而随着 HoloLens 不断发展，它逐渐被应用于游戏以外的领域：工程师们用它来可视化结构设计图；杜克大学的外科医生在脑部手术中用到了 HoloLens 等。

不仅如此，AR 软件公司 Scopis 还为 HoloLens 搭建了一个“全息导航平台”，它可以在手术过程中通过 HoloLens 将 MR 图像覆盖在病人身上（视觉叠加技术），帮助医师进行脊柱手术。

当然，对 HoloLens 的应用，还少不了使用 HoloLens 长达 4 年的航空巨头公司空客。原本，空客是将 HoloLens 应用到自己的生产线中，用于航班检修等用途；以及使用 HoloLens 头显进行航空培训。

而如今，空客与微软达成了进一步的合作，向航空航天和国防领域的其他公司出售运行在混合现实头盔上的专业全息程序。空客希望能将混合现实技术在航空领域进行全球推广，同时让自己在技术上取得领先。

空客的工程执行副总裁 Jean-Brice Dumont 表示，在未来几年，空客面临的挑战就是如何更快地制造出航空设备，因此，工人必须配备更好的设备，并拥有比以往更高的效率，这需要更高的标准。

微软和空客合作后提供的第一个技术解决方案是让航空维修工人和机组人员在 3D 全息环境中接受培训，受训者可以通过 HoloLens 获得工作中的虚拟指令。这项技术最初是由空客和日本航空公司开发的，现在空客和微软也将向其他公司提供这项技术。

此外，空客还将提供一种全息地图技术，使国防和航空领域的企业能够虚拟连接，快速共享空间数据，并与复杂的虚拟环境互动，以便在任务之前进行规划和准备。

另外，值得注意的是，空客的对手波音公司也一直在测试 HoloLens 设备，包括飞机制造、无人机扑灭山火等。

雷锋网总结

如今，在 AI 芯片的加持下，以及在 Azure 的配合下，HoloLens 的功能无疑变得更为强大，也让它在其它相关领域表现得更为突出。在雷锋网看来，空客与微软 HoloLens 的更近一步合作除了是对 HoloLens 功能的肯定，或许也预示着 HoloLens 今后在行业应用领域的不俗表现。

关于 HoloLens 的后续信息，雷锋网也将继续保持关注。

微软开源可解释机器学习工具包lnterpretML

Sun, 12 May 2019 20:22:00 CST

【图片来源： Microsoft Research Blog 所有者：Microsoft Research Blog 】

雷锋网按：人类创造出人工智能，并且被人工智能影响着自己的生活。如果人工智能的行为具有可理解性，那么人类可以更进一步地利用人工智能。近期，微软研究院就机器学习的可理解性发表了相关文章，雷锋网全文编译如下。

当人工智能系统能够影响人类生活时，人们对它的行为理解是非常重要的。通过理解人工智能系统的行为，数据科学家能够适当地调试它们的模型。如果能够解释模型的行为原理，设计师们就能够向最终用户传递这些信息。如果医生、法官或者其它决策制定者相信这个强化智能系统的模型，那他们就可以作出更好的决策。更广泛的讲，随着模型的理解更加全面，最终用户可能会更快接受由人工智能驱动的产品和解决方案，同时，也可能更容易满足监管机构日益增长的需求。

事实上，要实现可理解性是复杂的，它高度依赖许多变量和人为因素，排除了任何“一刀切”的方法。可理解性是一个前沿的、跨学科的研究领域，它建立在机器学习、心理、人机交互以及设计的思想上。

微软研究院这些年一直致力于研究如何创造出具有可理解性的人工智能，如今，如今微软在MIT开源协议下开源了lnterpretML软件工具包，开源地址是 https://github.com/Microsoft/interpret，它将使开发人员能够尝试各种方法去解释模型和系统。InterpretML能够执行许多可理解的模型，包括可解释的Boosting Machine（相对于一般的加性模型做了改进），以及为黑箱模型的行为或者它们的个别预测生成解释的几种方法。

通过一些简单的方式去评估可理解性方法，开发人员就能够比较不同方法产生的解释，从而去选择那些最符合他们需求的方法。例如，通过检查方法之间的一致性，这样一来，比较法就能够帮助数据科学家去了解在多大程度上相信那些解释。

微软正期待与开源社区合作，继续开发InterpretML，开源地址是https://github.com/Microsoft/interpret

雷锋网注：本文编译自Microsoft Research Blog

微软CEO纳德拉：面部识别技术对社会危害大

Fri, 18 Jan 2019 12:02:01 CST

BI 中文站 1 月 18 日报道

微软首席执行官萨提亚-纳德拉(Satya Nadella)认为，如果一些技术被滥用，那么它们就会对社会形成很大的危害，因此政府应该对它们进行监管。他列出的第一个例子就是面部识别技术。

周一，在该公司总部的媒体邀请会议上，他对满屋子的记者发表了自己的看法。一名记者问他如何看待科技行业即将面临的监管问题。

“我们认为监管问题将会变得越来越复杂。”他补充说。在某些情况下，微软实际上是在呼吁政府采取新的监管措施。

“就拿面部识别技术这个概念来说，它现在太可怕了。这绝对是一场彻头彻尾的竞争。”他说，“这一切都是以竞争的名义进行的。任何赢得交易的人都能做任何事。这对我们这个行业或整个社会都不会有好的结果。更好的做法是制定一些我们大家都可以遵守的规则，这样我们才能保护真正重要的东西。”

温文尔雅的纳德拉并没有点名道姓地批评谁。但他发表这番言论的背景是在亚马逊的 Rekognition 面部识别服务正饱受诟病。

今年 5 月，美国公民自由联盟(ACLU)披露，亚马逊向政府机构提供了 Rekognition 面部识别服务，让政府机构来监督公民。它还写了一封公开信，要求该公司停止这样做。为了证明这项技术对公民自由的危害，美国公民自由联盟在 7 月份报告称，Rekognition 面部识别服务错误地将 28 名美国国会议员认定为曾被逮捕的罪犯。

去年夏季，数百名亚马逊员工向该公司请愿，要求停止销售 Rekognition 面部识别服务。就在本周，由五名亚马逊股东组成的联盟提交了一份决议，呼吁亚马逊停止向政府机构出售 Rekognition。这些股东总共拥有 13.2 亿美元的亚马逊股票。

早在 2018 年 7 月份，在人们针对亚马逊的批评达到顶峰时，微软首次呼吁对面部识别技术进行监管。

去年 12 月，微软首席律师布拉德-史密斯(Brad Smith)在一篇博客文章中再次呼吁监管面部识别技术。他指出，面部识别技术在三个方面非常危险：侵犯人们的隐私，政府以牺牲“民主自由”为代价进行大规模监控，以及科技行业中的种族偏见带来的风险。

在辨别有色人种时，面部识别技术的效果非常糟糕，经常认错人。这种误认可能产生非常严重的后果，特别是在执法部门使用这项技术的时候。

有趣的是，亚马逊不是第一家捣鼓这项技术的公司。Facebook 也在这项技术上引起了争议，比如在欧盟 GDPR 隐私法规生效后，该公司试图在欧洲重新引入这项技术。

而且，早在亚马逊成为焦点之前，微软在面部识别技术问题上也曾遭到批评。

一年前，《纽约时报》报道了乔伊-布兰韦尼(Joy Buolamwini)在麻省理工学院媒体实验室所做的一项研究。她发现三个领先的人脸识别系统——微软、IBM 和中国的旷视科技的人脸识别系统——在识别非白人面孔方面表现得很糟糕。微软对深色皮肤女性的错误率为 21%(而另外两者的错误率为 35%)。

周一，纳德拉承认，每当该公司受到严肃的批评时，它都会认真对待。

事实上，史密斯在去年 12 月的一篇博客文章中第二次呼吁对这项技术进行监管。就在不久之前，美国国家标准研究所(National Institute Of Standard)公布了对这项技术的持续测试结果。测试发现，微软的面部识别技术的水平有了很大提高。

与此同时，提供面部识别技术的公司数量也在激增。在去年 9 月的最后一次测试中，美国国家标准研究所测试了来自全球 39 个开发机构的面部识别算法。

本文链接

微软变了！招程序员的流程完全改了

Sat, 05 Jan 2019 19:42:51 CST

【伯乐在线导读】：在微软新 CEO 萨蒂亚·纳德拉的领导下，微软试图改革公司文化，让整个公司朝着同一个方向发展。为此，微软在 2016 年开始研究「替代面试框架（Alternative Interview Framework）」。这是一种在开发部门进行面试的新方式，目的是减少偏见，更好地测试求职者在工作中实际需要的技能。该团队首先在自己身上测试了面试过程，并在过程中不断改进。

本文作者约翰·蒙哥马利（John Montgomery）是微软项目管理合伙人，他也是新面试流程的负责人。本文写于 2018 年 12 月 15 日，原标题：《Rethinking how we interview in Microsoft’s Developer Division | 对微软开发者部门招聘流程的反思》。以下是伯乐在线的译文：

几年前，我有了一系列的顿悟。我刚刚和团队讨论了我们将如何改变项目经理的角色。少关注待办事项，多关注业务；少强调“知道”，多强调“学习和质疑”；更多地关注与客户一对一的接触，而不是聚合数据。我们想把能帮助我们改变这种文化的人带到团队中，但我们仍然在问同样的面试问题，使用同样的面试风格。所以反思了我们是如何面试候选人的，并想出了一些适合我们的方法。

新面试流程我们已经用了一段时间了，我认为有必要分享一下我们所做的，以及学到的东西。

第 1 个顿悟：我们仍然在问一些过时（和无效）的面试题

第一个顿悟是我首次从程序员转为项目经理之后，我们注意到，我们仍然在问过去 10 年或更长的时间里一直在问的面试题。如果我们想寻找能够将不同技能和观点的新人带入团队，那些面试题就没有意义了。（补充：我在微软工作时，我们还在问为什么下水道井盖是圆的，一架波音 747 飞机能装满多少个乒乓球，以及如何反转一个链表。在微软工作的 20 年中，我还没有编写代码来反转链表，或用任何类型的球堆满波音 747。）

不仅如此，有时两个面试官会无意中问同样的基本问题。即使在协调面试题的时候，面试官之间也是共享着相同的面试题目录。有些基于行为的面试题并不可怕，但我们并没有特别有效地运用它们。

第 2 个顿悟：并不是人人都能在快节奏、高压力的环境中超常发挥

第二次顿悟是在一次会议上。点子冒出来的很快，与会者听着对方的话语，试图把自己的想法融入谈话，我们很快就做出了一些重大决定。至少，我确信这将是一件大事。（我当时被一个客户问题分散了注意力，我正与客户经理和工程团队一起解决客户的问题。这是另一个故事。）不管怎么说，这次会议已经达到了高潮，其中一位与会者，我团队中的一名 PM，他非常聪明，也很安静。他说，“我只是在网上搜索有关我们主题的信息，是的，这个想法行不通。”她的态度比这要好。但让我顿悟的是，并不是所有人都能在那些快节奏的头脑风暴会议中出色表现。很多人（包括我）更喜欢坐着喝杯咖啡，看看数据，试着把事情想清楚。更重要的是，在我的职业生涯中，几乎没有任何一次我们做出重大决定的时候，没有不是离开一段时间，然后用新的眼光、新的数据和新的客户研究来处理点子。

但大多数面试都是快节奏的，那些你从未遇到过的问题，你能有多快地解决？

第 3 个顿悟：观察新人工作能力的最佳方式，是和他们一起工作

在我和一些工程团队谈论他们是如何将新人带入他们团队的时候，第三个顿悟冒出来了。开发者部门做了很多开源工作（.NET Core、VS Code、TypeScript 等等。作为面试过程的一部分，我们开发团队已经开始与应聘者一起解决某个问题或特性。这就是候选人在和团队一起合作，解决实际问题的过程。

把点子写下来，然后迭代

既然“写作就是思考”，我就给自己写了一封电子邮件，讨论我们团队面试流程能有什么样的变化。然后我把自己的想法分享给团队成员，我们开始迭代。 Karen Ng、Amanda Silver、Cindy Alvarez、Nathan Halstead、Anthony Cangialosi、Jeff McAffer、Jessica Rich、Travis Lowdermilk 等成员参与了测试、迭代和测试。

当我们准备推出新面试流程时，我们从很小的地方开始，然后继续学习、迭代，然后扩展。现在，这个新流程（我们称之为“另类面试框架”，因为我们中没有人特别擅长命名事物）是我们的标准实践。我们不断地完善和学习，它对我们非常有效。

下面是我们做的一些不同的事情。

1、提前分享面试

首先，我们要提前几天让候选人知道面试日是什么样的，我们要解决什么样的问题。我们给他们时间去做研究和思考。这并不是说每天上班都是件惊喜的事，那么面试为什么要这样呢?

2、用真实的问题

其次，我们采用了团队正在努力解决的一个实际问题，比如：提高满意度、增加留存率、促进服务或特性的使用。事实上，这是我们正在解决的一个真正的问题，这有助于促进合作对话。

3、候选人可以查阅资料

第三，我们让候选人能拿到与正式员工相同的资料。在面试过程中，他们可以自由上网或搜索更多数据。我们经常向候选人提供我们的客户研究、使用数据、设计和模型——几乎我们所有的一切。

4、让面试更有互动性

我们不是简单地向求职者提问题。面试官和求职者要一起解决问题，所以我们就把求职者当同事看待，一起来解决特定的实际问题。

5、遵循单一场景/问题

第五，我们在面试日都遵循一个单一的场景/问题，带领求职者过一遍类似 PM 会经历的过程，从客户或业务问题开始，理解客户待完成的工作要，设计解决方案，将解决方案交到客户手中，最终让客户使用并爱上它。每次面试都侧重于这一流程中的某一不同的阶段。

6、两个面试官

第六，我们为面试官配对。与一对一的面试不同，我们每次面试都从团队中挑选两个人。我们的最初动机是培养更多的面试官，但有两个面试官在一起还有其他好处。与多个合作者的谈话，不仅更有活力，而且让我们有机会从多个角度观察同一场面试谈话。并不是每个人对同一场面试谈话都有同样的看法，所以，它给了我们一种方法来检查在相同谈话中的无意识偏见。

7、把反馈留到最后

面试官之间的反馈，我们把保留到面试日结束之时。我们希望每位面试官只根据他们谈话的优点来判断候选人，而不是根据他们之前面试官的意见。我们告诉面试官，不要向别人暗示他们是否倾向于推荐我们雇佣某人。他们把候选人交给下一轮面试官，并总结我们在上一环节中学到的东西。在面试日结束的时候，每个面试官同时提出他们的建议，并解释相应理由。

8、总结面试流程的优缺点

第八，在每次面试循环的最后，我们不仅要讨论我们在面试中所学到的东西，还要讨论在面试过程中哪些有用，哪些没用。我们再把这些反馈重新应用到面试流程中，流程会变得更好。

关于新的面试流程，我或许忘了一些，但上述 8 个方面是最重要的。

我们学到了什么?

嗯，我们担心候选人会紧张。面试日有两个面试官和候选人在一起，有真实的问题，还有真实的数据。几乎每个候选人都主动反馈说，新面试流程是独一无二的，真正帮助他们了解我们的业务和团队。即使是那些没有收到录用通知的求职者，也喜欢新的面试流程，明白我们为什么没有录用他们。

不断优化面试流程

我们发现还是有不少要改进的地方。例如，我们 PM 团队是非常有技术性的。许多 PM 将代码 check in 生产产品。这对我们来说是有意义的：我们面试流程的「客户」是开发者，因此拥有来自于创建软件的那种客户理解，是很有帮助的。但在这个过程中，我们并没有很好地深入了解应聘者的技术技能。因此，我们增加了一个面试环节，以进行更技术性的互动。

后勤

我们了解到，相对标准面试流程，新流程的一些相应准备工作真心不容易。举个例子，由于求职者正在处理同样的问题，并在白板上写下他们以后需要的东西，我们需要为求职者保留一个专门的空间（会议室或 Focus Room），面试官会去找求职者。

（补注：Focus Room 是一个消除压力的环境，可以帮助你在缓解压力的同时传递信息。）

面试过程的成本不菲

我们了解到面试是“昂贵的”。“每次两个面试官，我们的时间和人力投入翻了一番，大大增加了日程安排的复杂性。”然而，在最初对费用有些抱怨之后，团队中的每个人都开始看到了好处，就像团队中有更多的人见到了我们潜在的新员工。所以，我们愿意付出这些代价。

最终，招聘流程的目标是把优秀的人员带入团队或公司——确保他们是合适的，会成功，并为他们创造良好的经验，他们才会想要加入。我们和其他几家西雅图的大型科技公司都向一位求职者提供了竞争性的工作机会，她特别选择了我们的团队，因为她非常喜欢这个过程。她碰巧成为了我们在早期实验阶段的候选人之一，她还在这里上班，做的很好。其他很多候选人也类似。所以我说，我们的新面试流程表现的很好。我们仍在学习，但到目前为止，新面试流程的成果已超过我们的预期。

微软变了！招程序员的流程完全改了，首发于文章 - 伯乐在线。

微软，Facebook上班是不是工资高还一天特闲？

Sat, 08 Dec 2018 00:00:00 CST

两个都呆过，有资格说吧。

总体答案：微软相对闲，FB相对忙，跟国内比应该都是偏轻松。但是具体情况也都决定于：（1）组；（2）个人；（3）产品。

先说微软。微软打酱油的组很多，因为微软太大了，利润也很高，企业又臃肿，所以酱油组的确舒服。举例：当时有人转组到我们这里，因为之前的组实在太闲了，老板1:1常年取消，偶尔来一次也都在谈滑雪等娱乐，老板最怕他问职业发展和技术问题。

但微软忙组也很多。我当时在的组就比较忙，还经常加班。其实这也是个“幸存者偏差”：忙的不会上知乎，上知乎的一般都是不忙的，所以大家看到的都是不忙的，会以为整体不忙。

比如轮子哥等可能是不换组，所以一天的活也许一个小时就能干完。要知道新工程师一年，老工程师3-6个月，基本上能了解大部分组内的东西，所以一旦干久了比如2年以上，东西都熟得要命，尤其要是这部分还是自己写的，找什么文件直接function name都记得，噼里啪啦几个字母一个search直接找到要改的位置，新人看傻了，从问问题到找到要改的代码不超过10秒，亲身经历。

也看个人追求和产品。比如你在微软想跳槽，那就不闲了，光刷题得累半死吧，亲身经历上班人感觉都是飘着的；有些人不跳槽，在外边接私活、卖房子、偷偷创业，自然上班也不会太闲，因为时间少啊得赶紧干活。每个产品release周期不一样，release前忙成狗，release后闲成看门狗。online的部分始终在开发，还有oncall，所以其实跟其他主流互联网FLAG他们没太大区别。

此外，微软的组织是传统企业型的，各个组较为孤立。好处是范围明确，互相不干扰、可以研究得很深入；坏处是个人成长到一定阶段就停止成长了，反正组里的东西都会了，剩下的主要是政治和情商了。

而且，美国的普遍趋势是Lead/Manager比较忙，因为需要大量与人打交道的工作；码农只领稀饭钱，也就肯干工程师的活，不需要太多跟人打交道，所以根本不累。

再说Facebook。Facebook比微软整体上累很多。

但也分组，我现在所在的组不忙。但比如跟revenue相关的组、Ads相关的组就忙成狗。加班能加出抑郁症，里面人才无数。Facebook主要是自治程度比较高，就是说得自己找活，自己负责，自己找解决方案，自己推销，这样下来其实挺累的，因为各个方面都要兼顾到，再加上oncall以及随时随地看手机的公司文化，当然个人成长也快。

所以Facebook的感觉的确是累和压力大，但是是另一种舒服：成长性好，前景光明，人际关系简单，可以集中精力做东西学习等。FB出去的一般很多startup也较为喜欢，因为人原话：“Google出来的都有混的，但FB纯混是不行的。”

FB也开人，但也没那么恐怖。毕竟刷过题的、能过面试的一般不会实力太弱，还是能生存下来的；有时候是态度问题或是倒霉背锅，就再刷题走人呗，也没什么大不了。

Facebook转组容易，又有很多成长机会，就看你个人愿意利用这些时间上知乎还是去学习了。又是一个幸存者偏差。

最后的最后，上知乎不意味着闲着。码工有不少碎片时间。比如微软做desktop的，编译一下至少30-60秒，这时间很短，但够在知乎上写一条短的了，或是看一个长回答。轮子哥的回答都特别短，明显是碎片时间积累的，有人闲得慌可以写个script扫、分析轮子哥的发帖时间和长度，估计能看出轮子哥什么时候在工作干活。

这种看似“不干正事”其实反而提高码工的效率。行话叫做“Context Switch”，换一个主题，其实休息了脑子，毕竟码工长期高效率用脑，一天下来很累。用那么30秒-5分钟休息一下，只有好处没坏处。

在芝加哥接触过Trading Company，他们的Trader六个屏幕，有的人有一个屏幕专门放弱智动画片，就是减压、增效、放松。

有人可能说为什么这么多打酱油的、不玩命的，赚钱却不比国内少并且公司技术还很好？我觉得FB、微软牛，不是因为跟着喝汤的普通小码工厉害，而是里面有一批中高层（FB 6级以上、微软Principle以上）的技术天才和技术痴，这些人不上知乎，不愁吃穿，但就是真爱软件这行，我见过一天工作12小时的，是真感兴趣没人逼迫。他们一个决定、一个框架，解决很多很多问题，所以其实就是一只威猛的狮子带领一群懒洋洋的绵羊。

但也别小看这些懒洋洋的绵羊，毕竟听话，忠诚，素质也不错，帮着狮子摇旗呐喊出工出力壮声势，有些绵羊能成长为下一代的狮子，大多数绵羊碌碌无为。Google招人很喜欢懒但是强的绵羊，招进来养着，某种意义上防止这些强绵羊因为生计问题被社会逼迫成为狼甚至狮子，最后开发出各种神奇的新东西跟Google过不去。

工作几年能看出来，程序员这行蛮看passion（热情）的：比如在下，为了生计改行计算机，认真学习工作，能当合格甚至优秀的码工，但是想成为狮子却是路漫漫甚至不可能，也因为资质问题。

好在，我帝生活水平较高，普通程序员也能过上有房有车有旅行的不错生活，不享受干嘛。我上知乎最大的感受就是国内太拼了、太狠了，我的直觉一直以为华为本科毕业生起薪就得70万+一年，否则谁肯那么干活。

微软正式宣布！桌面版Edge浏览器将采用Chromium内核

Fri, 07 Dec 2018 01:52:50 CST

IT之家12月7日消息当地时间12月6日上午9点，微软在其官方博客发表了一篇题为《Microsoft Edge: Making the web better through more open source collaboration》的博文。在文章中，微软宣布，他们打算采用Chromium开源项目开发桌面版的Microsoft Edge浏览器。

经过过去几年的积极参与，微软已经成为世界上最大的开源软件支持者之一，微软决定基于Chromium项目来开发Microsoft Edge浏览器，旨在为用户提供更好的Web兼容性，并减轻Web碎片化。

基于开源内核来开发Microsoft Edge浏览器对微软来说并不新鲜，其面向Android平台的Edge浏览器从一开始就采用了开源的Chromium内核，此外，桌面版Edge浏览器中的很多功能都是基于开源代码实现的，例如Angle、Web Audio、Brotli。目前，微软已经开始为Chromium项目提交贡献，以推动基于Windows 10 ARM64的新设备的浏览体验。

微软的新重点

在接下来一年左右的时间里，微软将对Microsoft Edge浏览器进行技术变革，此变革的关键方面有：

1、微软将在桌面上迁移到适用于Microsoft Edge的兼容Chromium的Web平台。微软的目的是将Microsoft Edge的Web平台与Web标准同其他基于Chromium的浏览器保持一致。这将为每个人提供更好的兼容性体验，并为Web开发人员创建更简单的测试矩阵。

2、Microsoft Edge将会实现更高频率的更新交付，同时，微软还希望这项工作能够使他们将Microsoft Edge浏览器带到其他平台，例如苹果的macOS。

3、微软将在采用Chromium开源项目开发的Microsoft Edge浏览器上提供增强功能，以便为用户提供更好的体验。

接下来会发生什么

如果你是Microsoft Edge浏览器的普通用户，你无需执行任何操作，今天，你所使用的Microsoft Edge浏览器不会发生任何变化。

如果你是一名Web开发人员，那么微软诚邀你体验采用Chromium开源项目开发的Microsoft Edge的预览版本并向微软提交反馈。微软表示，希望在2019年初准备好采用Chromium开源项目开发的Microsoft Edge的预览版本。

如果你是开发浏览器的开源社区中的一员，微软诚邀您与之合作，共同塑造Microsoft Edge浏览器的未来，并为Chromium项目做出贡献，例如帮助微软开展Chromium对Windows 10 ARM64的支持工作等。

若要了解更多详细信息，请点击这里阅读微软官方博客的博文（英文）。

微软亚洲研究院二十年见证中国计算机科学发展的二十年

Sat, 10 Nov 2018 13:25:20 CST

11 月 8 日，微软亚洲研究院今日举行建院二十周年庆典在北京举行，集中展示了微软亚洲研究院成立 20 年来走过的发展历程和取得的科研创新成果，以及产学研多方合作的最新进展。北京大学校长郝平、清华大学校长邱勇，以及微软亚洲研究院来自全球学术界和产业界的众多合作伙伴、院友出席了庆典活动，共同庆贺微软亚洲研究院二十周年。

1998 年 11 月，微软亚洲研究院正式在北京成立，是微软设在美国本土以外规模最大的研究机构。20 年来，通过中国及全球各地顶级专家学者的鼎力合作，微软亚洲研究院已发展成为具有世界影响力的计算机基础及应用研究机构。目前，微软亚洲研究院拥有 200 多名研究人员，以及超过 300 名访问学者和实习生， 主要聚焦于自然用户界面、智能多媒体、大数据与知识挖掘、人工智能、云和边缘计算、计算机科学基础等六大研究领域。

微软全球执行副总裁、微软人工智能及研究事业部负责人，同时也是微软亚洲研究院创始成员之一的沈向洋博士表示：「当今世界，技术创新正在潜移默化间影响和改变着我们的世界和人类的未来。微软亚洲研究院在过去 20 年间的发展令人瞩目。作为微软探索科学前沿的中流砥柱，微软亚洲研究院为拓展计算机科学基础性研究的新疆界发挥了关键作用，其领先业界的人工智能技术在多个方面已经达到媲美人类的水平。与此同时，微软亚洲研究院还将技术创新融入人人触手可及的微软产品和服务。我们正在努力打造『负责任的人工智能』，以敬畏之心研究开发、以责任之心推动创新，借科技之能，造人类之福！」

微软全球资深副总裁、微软亚太研发集团主席兼微软亚洲研究院院长洪小文博士表示：「从中国到全球，由人工智能等新兴技术引领的数字化转型，正在为世界各地、各行各业带来新一轮发展机遇，而中国正成为世界上最具创新活力的市场之一。20 年来，微软亚洲研究院充分发挥自身优势，与亚太地区的产学研各界开展了广泛而深入的科研合作、人才合作、产业合作，在推动技术成果转化以及助力不同行业的企业数字化转型方面发挥了积极作用。不仅如此，微软亚洲研究院还为科技行业培养出了一大批具有科研精神的优秀人才，我们自由、创新、多元和包容的文化，将确保我们的人才优势和创新精神不断传承下去。」

科研创新与孵化转化

微软是最早投入人工智能研究的企业之一，早在 1991 年创立微软研究院时，比尔·盖茨提出的愿望，就是让计算机有一天能看会讲，能听会想。据微软方面介绍，截至 2018 年 11 月，微软亚洲研究院已在国际顶级学术会议和期刊上公开发表 5,000 余篇论文，其中有 50 多篇荣获「最佳论文」奖，众多技术突破为全球计算机前沿技术的发展开拓了新的方向。就在最近刚刚公布的人工智能领域顶级学术大会 AAAI 2019 论文入选名单上，就有 27 篇来自微软亚洲研究院。

*2004年，微软亚洲研究院以其在语音识别、网络多媒体和图形学等计算机科学领域的顶尖科研实力，登上了世界权威技术杂志《麻省理工科技评论》封面，被誉为“世界上最火的计算机实验室”。

近年来， 微软亚洲研究院在人工智能领域最关键的计算机视觉、自然语言理解、机器翻译等方面，都取得了举世瞩目的突破。例如，2015 年微软亚洲研究院开发的计算机视觉系统在 ImageNet 挑战赛中首次超越了人类物体识别分类的能力；2018 年在由斯坦福大学发起的 SQuAD 文本理解挑战赛榜单上，微软亚洲研究院的 R-NET 和 NL-NET 模型分别在 EM 值（表示预测答案和真实答案完全匹配）和 F1 值（表示预测答案和真实答案近似匹配）两个维度上率先超越了人类分数；2018 年 3 月，由微软亚洲研究院与微软雷德蒙研究院共同研发的机器翻译系统，在通用新闻报道测试集 newstest2017 的中-英测试集上首次达到了可以与人工翻译媲美的水平。

在计算机科学基础研究与前沿领域不断取得突破性进展的同时，微软亚洲研究院也致力于将最新技术成果快速转化为人们触手可及的产品和服务，从微软智能云 Azure、Office 365 到微软小冰、必应（Bing）搜索、再到 Xbox 以及 HoloLens，可以说微软几乎每一款产品都有微软亚洲研究院的烙印。微软亚洲研究院还通过自身的技术积累和科研创新孵化了很多广受欢迎的应用和技术平台。

例如为机器翻译、语言辅助学习、中英文输入等应用提供基础技术支撑的英库平台；结合计算机视觉、语音识别、机器学习等技术积累，为聊天机器人赋予情商、创作等能力的智能聊天机器人引擎；为微软产品提供语音合成、语音识别等技术的语音合成技术；成就了 Windows 10 Hello 人脸登录、微软认知服务中的 Face API 的人脸识别技术；已经被用于 Office、Windows、微软小娜、微软翻译、HoloLens 等，支持中、英、日、韩四种语言的 OCR 光学字符识别引擎；由微软亚洲研究院研发的全栈式 AI 平台和工具，能够从 AI 计算能力、AI 平台、AI 工具三个层面为整个 AI 生态系统搭建地基，而借助全栈式 AI 平台，微软亚洲研究院已与中国多所高校合作共建了新一代人工智能开放科研教育平台。

在自身发展和扩大的过程中，微软亚洲研究院还孵化出了多个工程院，包括微软中国云计算与人工智能事业部和微软（亚洲）互联网工程院，不仅推动了微软产品的开发与落地，还进一步完善了微软在中国和亚太地区的研发布局，促进了职能完备、功能齐全的创新基地——微软亚太研发集团的成立。2018 年 9 月，微软亚洲研究院宣布在上海成立微软亚洲研究院-上海，同时宣布与上海市徐汇区人民政府以及上海仪电（集团）有限公司合作建立微软-仪电人工智能创新院，旨在提升人工智能科技创新能力，发展人工智能融合生态，加强人工智能人才培育。

推进产学研合作

微软亚洲研究院始终致力于通过与中国产学研各界的广泛合作，将全球领先的科研成果，与中国科技创新、经济发展、社会进步的现实需求相结合，助力中国本土生态的健康发展。与此同时，微软亚洲研究院还一步一个脚印地为中国和全球的计算机产业培育出了一大批具备科研精神和出色实力的顶尖人才。

为响应国家关于发展人工智能的相关规划，以及教育部关于人工智能、新工科建设与发展、中美人文交流相关工作的号召，微软与教育部近日共同开启了「长城计划」第六期合作的崭新篇章。自 2002 年首次签署「长城计划」以来，作为具体实施单位的微软亚洲研究院，与全国多所高校开展了系统的、有针对性的合作项目，围绕人才培养、科研合作、课程建设及学术交流四条主线，不断深化与国内高校、科研机构的合作，积极为提升中国计算机基础研究水平和人才培养贡献力量。新一期「长城计划」与时俱进，着重围绕人工智能领域全方位展开，通过积极贡献微软丰富的专家资源以及先进的技术平台和工具，助力中国高校和科研机构在人工智能领域的科研创新、人才培养和成果转化等多方位取得长足的进步。

*首个颁发的“微软学者”奖牌

为了全面促进本地科学技术人才的培养，微软亚洲研究院推出了一系列旨在培养科研领域高素质人才并鼓励青年人投身技术创新研究的项目。其中，面向学生，微软亚洲研究院设立了「明日之星」实习生计划、「微软学者」奖学金、联合培养博士生、微软学生俱乐部、微软创新人才学院等项目；面向青年教师，微软亚洲研究院积极推动青年访问学者「铸星计划」项目，以支持青年学者的成长和发展。不仅如此，微软亚洲研究院注重因材施教，以人才培养为导向，与各大高校合作开设了一系列课程，以促进高校课程建设和优质教学资源共享。 截至 2018 年，微软亚洲研究院共计支持高等教育教学内容与课程体系改革项目 260 余项，覆盖全国 29 个省市的 200 余所高校，惠及数千万师生。

如今，近 7000 名微软亚洲研究院的院友遍布全球，活跃在科研创新、产业创新的最前沿。他们中的很多人都已经成为学术界、产业界的中坚力量，在引领全球科技发展创新的进程中，发挥着关键作用。其中，有 200 多位院友在世界各地的顶尖高校执教，超过 55 位院友受到了国际以及中国学术界的高度认可，包括入选中国千人计划、长江学者和国家杰出青年科学家基金，以及电气电子工程师学会（IEEE）院士、美国计算机协会（ACM）院士、美国人工智能学会（AAAI）院士等。在产业界，超过 15 位院友在互联网企业担任 CEO 或 CTO，范围几乎覆盖全部中国最顶尖的互联网企业。更有超过 115 位院友在创业大潮中开拓创新，其中至少有 5 位是独角兽公司的创始人。

予力数字化转型

由云计算、大数据、人工智能、物联网等技术创新所引领的数字化转型正在给全球各行各业带来全新的发展机遇。为了利用技术创新的成果予力数字化转型，近年来，微软亚洲研究院还与金融、医疗、教育等多个行业的领军企业展开了技术及科研合作，将微软亚洲研究院在计算机领域近 20 年深厚的科研积淀与各企业强大的行业实力和深入的行业洞察相结合。

2017 年 11 月，微软亚洲研究提出了「数字化转型即服务（DTaaS）」的概念，并正式成立了微软亚洲研究院「创新汇」，旨在充分利用微软亚洲研究院的科研智慧储备，帮助企业解决发展过程中遇到的技术挑战，读懂科技发展的趋势，探索更广阔的发展前景。「创新汇」成员既有大型国有企业、全球知名外资机构，也有龙头民营企业和初创公司，涉及领域涵盖金融服务、制造、物流、零售、教育与医疗健康等多个行业。

作为微软亚洲研究院「创新汇」首批成员，全球知名教育公司培生（Pearson）与微软亚洲研究院展开合作，以微软小英为技术基础，共同打造了朗文小英。基于过去近两年的合作基础，双方新一阶段的合作希望能够为更多针对不同阶段学习者的英文课程提供配套的人工智能交互语音指导及个性化英语学习服务。学生在家进行英文对话和发音练习时，只需开启微信中的朗文小英，即可直接进行英文对话。同时，朗文小英会对学生的口语表现进行打分和指正，有效解决了长期以来困扰家长的「哑巴英语」和口语不够标准的问题。目前朗文小英已经支持培生朗文旗下 9 个级别的学习内容，服务于 35,000 余名学生，并且从内容的多样性和使用群体上都在不断扩大。

培生大中华区董事总经理林国章表示：「与微软亚洲研究院的合作，为我们开启了人工智能助力个性化学习的全新视野，创新性地解决了困扰国内英语教学多年的难题，并且以生动活泼的形式激发了学生的兴趣，极大地提升了英语教学的效果和效率。我们希望将双方的合作，进一步拓展到更广泛的教育教学应用中去。」

同样是「创新汇」首批成员的国际知名制药企业辉瑞（Pfizer）正携手微软亚洲研究院，与协和医院展开合作，利用运行在微软智能云上的计算机影像识别、机器学习等人工智能服务，共同探索实现自动化、高效率、高准确度的医学影像识别技术，大幅度提升真菌样本检验识别的时效性、降低人工检验的工作强度、并将这项检验工作普及到更多医疗机构。事实上，真菌感染是造成人体皮肤、毛发、黏膜、组织内脏感染，甚至全身扩散性感染的罪魁祸首，传统方式的真菌检验主要依靠人工染色镜检，对医务人员的专业技能要求极高，不但费时费力，而且通常只有三甲医院才具有检测能力。

辉瑞制药有限公司大中华区副总裁、医学部负责人谷成明博士表示：「人工智能技术可以通过自动化的影像识别，比对、判断出真菌的图形学特征，辅助医生提升识别的速度和准确度。我们希望通过与微软亚洲研究院的合作，可以将这项技术尽快投入实际应用，这不但有助于缩短患者的等待时间，还有助于将真菌检测推广、普及到更多医疗机构中去。」

微软用12年的时间让量子计算走进现实

Thu, 28 Sep 2017 15:15:28 CST

编者按：在本周（9月25日）举办的Ignite大会上，微软展示了拓扑量子位以及硬件软件生态系统开发方面取得的进展，发布了为驾驭规模化量子计算机而专门优化的新的编程语言，让开发者能够编写量子程序，在当前的量子模拟器上调试，并能够在未来真正的拓扑量子计算机上运行。

在理论物理学家Richard Feynman提出量子计算概念的50多年后，量子理论正一步步走进现实。微软前首席研究与战略官Craig Mundie认为，量子计算最终将给万物带来革命性的改变。

二十年前，当Michael Freedman加盟微软的理论研究团队时，他是一位著名的数学天才，他所研究的数学前沿领域被称作拓扑学。

他的工作职责就是继续研究数学，没有任何附加条件。

正是在这种开放的工作环境下，微软开发出首个拓扑量子位。微软认为 强大的量子位将成为可扩展、通用量子计算系统的基础，这将是量子物理学领域一次意义深远的突破。

微软负责量子研究的副总裁Todd Holmdahl表示：“我们为一项革命性的新技术奠定了基础，我非常激动。”

在本周（9月25日）举办的微软Ignite大会上，微软展示了拓扑量子位以及硬件软件生态系统开发方面取得的进展，这些技术将让更多开发者充分利用量子计算的力量。

这些进展包括一种与Visual Studio深度集成，同时适用于量子模拟器和量子计算机的新型编程语言。

微软构建量子计算生态系统的计划基于Freedman的数学研究领域，以及一个看似神秘的物理学分支——早期研究者曾援引哲学和灵性概念描述它，后来的门徒在上世纪70年代获得了资助和支持。即使在现在，专家也用“神奇状态”来描述量子计算理论和实践中的一些元素。

虽然量子计算让人联想到神秘事物，但是专家认为量子计算有很多实用的好处，因为它能让科学家在几分钟、几小时内，完成目前最先进经典计算机用几十亿年才能完成的计算，而这意味着人们可以解答之前无解的科学难题。

研究人员表示， 量子计算最终将被用来解决全球社会面临的最棘手的问题——从饥饿到气候变化。

Krysta Svore在微软负责基于量子计算机及量子模拟器上运行的软件开发工作，量子模拟器能让开发人员在实体机器尚未问世的情况下进行开发工作。她说：“量子计算机能够对自然进行建模，而通过经典计算机，我们并不能真正了解这些流程。”

专家认为， 拓扑量子计算机最早的用途之一就是帮助人工智能研究人员利用机器学习，加快训练算法的劳动密集型流程。

12年前，时任微软首席研究与战略官的Craig Mundie第一个支持Freedman进一步研究量子计算。他认为，如果量子计算能够把Cortana数字助理算法训练的时间从一个月缩短到一天，这将是人工智能发展的重大进步。Mundie说：“即使其它保持不变，Cortana的速度也会提高30倍。”他目前仍深入参与该项目。

对于Freedman来说，看到毕生研究的理论数学模型变成一个能够解决之前无解问题的真正计算平台，确实“非常激动”。他的大部分职业生涯都在没有任何附加条件地探索理论数学（或者更具体地说，就是拓扑节理论），从某种程度上，这引领他完成了心目中人生第一份真正的工作——构建拓扑量子位。

Freedman说，他很少思考自己的工作可能会产生哪些改变生活的影响。他说：“许多人问我是什么激励着我？是想要治愈疾病、设计新材料、保护环境？事实上，跟这些都无关。目前在这个项目中，我唯一关心的就是让量子计算机运行起来。”

从理论到实践

Freedman所面临的一个挑战是：微软不只对开发可在实验室展示的量子计算机感兴趣，还启动了完整的拓扑量子计算系统的交付计划，包括从能够持续运行需要数万个量子位计算的硬件，到可以编程并控制量子计算机的完整软件栈。

微软负责量子研究的副总裁Todd Holmdahl表示：“我们在做各种工作，从物理到控制面板，到运行计算机的软件，到有趣的事情（例如量子化学）所需的算法，再到个性化医疗和应对气候挑战。”微软甚至有一个专注于后量子世界密码学和安全性研究的项目，并且正和整个行业一起准备量子抵抗密码算法。

但微软研究的核心是拓扑量子位。

12年前，当Freedman找到Craig Mundie，想让他支持自己的量子计算理念时， Mundie说，量子计算有些低迷。

多年来物理学家一直在谈论开发量子计算机的可能性，努力开发一个拥有足够高精确度的有效量子位，以便在开发真正可行的量子计算机中发挥作用。对于那些仅使用最低精确度的物理量子位的研究人员来说，大约需要1000个物理量子位才能组成一个“逻辑”量子位，这种量子位非常可靠，足以用于任何真正有用的计算。问题在于，量子位非常挑剔。即便是最轻微的扰乱，它们也会“散开”，用外行话来说，就是它们不再是可用于计算的物理状态。

Freedman表达了他一直以来探索的量子位理念，即拓扑量子位会变得更加稳健。因为它们的拓扑性质会使其更加稳定，且能提供更多固有的防错能力。根据定义， 物质的拓扑状态就是电子可被分解、并出现在系统不同地方的状态。一旦电子被分解，就很难被干扰，因为你必须改变所有存储在不同地方的信息。

作为一位资深超级计算机设计师和软件工程师，Mundie立即表示他接受了量子位的理念。因为量子位更强健，并且也有内置容错功能。它将使设计一台可扩展、有用设备的任务变得更容易。他说：“计算本身已经改变了社会和经济的方方面面，我意识到，如果创造出能够改变这些基本构建块的新型计算，就能够完成过去五六十年才能完成的计算。”

一个完整的堆栈

在Mundie的支持下，Freedman在加州圣巴巴拉建立了一个实验室，并开始招募全球最杰出的凝聚态物质和理论物理学家、材料学家、数学家和计算机科学家，一起构建拓扑量子位。这个团队现在拥有许多著名的量子专家，过去几年，他们以员工身份加入微软，包括Leo Kouwenhoven、Charles Marcus、David Reilly和Matthias Troyer 。

为了创建完整的计算平台基础设施，微软还同步开发用于拓扑量子计算的构建块、软件和编程语言。

在Ignite大会上，微软宣布了开发完整堆栈的最新里程碑——一种专为开发者设计的新的编程语言，能够开发应用软件，在当前的量子模拟器上调试，并能够在未来真正的拓扑量子计算机上运行。

Svore表示：“目前在模拟器中运行的代码，未来也可以运行在我们的量子计算机上。”这些新的工具是专为那些计算机技术前沿的开发者而设计的，他们也是机器学习以及其它人工智能技术的早期采用者。即使不是量子物理学家，也可以使用。

新的编程语言与Visual Studio深度集成，包括进行经典计算（例如调试和自动完成）所依赖的各种工具。Svore说：“它不应与他们已经在做的东西有太大差别。”

这套工具将在年底前提供免费预览版，函数库和教程，以便开发人员熟悉量子计算。它的设计便于更高的层次上的抽象工作，没有量子计算专业知识的开发者也能真正调用量子子程序，或者写指令序列，最终编写一个完整的量子程序。开发人员即日起可注册参与微软量子计算社区。点击“ 阅读原文”获取注册信息。

个人用户在可以模拟最多需要30个逻辑量子位能力的问题，而使用Azure的企业客户可以模拟超过40个量子位的计算能力。

在量子计算中，功率随着逻辑量子位数量的增加呈指数增长。一个逻辑量子位就是算法层面上的量子位。每个逻辑量子位在硬件中都由一系列物理量子位来表示，以保护逻辑信息。微软的方法是通过更少的拓扑量子位开发一个逻辑量子位，使其更容易扩展。

Svore表示，拥有一种能在模拟环境中使用的编程语言的关键优势在于：它能帮助那些有兴趣使用量子计算机的人解决问题，更好地了解如何利用量子的能力解决不同类型的问题。一旦量子计算可用，将加快利用量子计算的能力。

地球上最寒冷的地方

即使拓扑量子位预计比一般的量子位更强健，但它还是相当脆弱。保护它免受外界干扰的唯一方法就是把它放在非常非常寒冷的地方。

微软量子计算部门架构师Douglas Carmean带领的团队致力于开发一个让量子位能够在近乎绝对零度（或30毫开尔文）条件下运行的系统架构。这是地球上最寒冷的地方，甚至比宇宙深空还要寒冷，但它能让在室温中工作的人和计算机进行通信。

研究人员也许通过一个量子位在一个完美的实验室中取得进展，但Carmean希望创建一个让程序员使用的能计算数万个逻辑量子位的系统。他说：“我的工作职责就是把理论学家和实验学家展示过的东西再做一次，然后在有用的形式中复制数百万次。”

漫长旅程的开始阶段已经完成

量子计算专家往往会强调两件事，一是，他们看到的拓扑量子位最好的使用案例就是开发更好的量子计算技术；二是，这种工作的最大的乐趣就是你无法预测它会产生哪些难以置信的进步。

12年前，Mundie第一次支持Freedman的研究工作，当时他就预见——到某一阶段，量子理论将转化成工程。

在Richard Feynman提出量子计算理念的50多年后，Mundie正展望量子经济。他相信，这种新型计算将创造一种经济形态。就像经典计算改变了社会的方方面面一样，他认为 量子计算最终将给万物带来革命性的改变，这种改变开始于化学、材料和机器学习。

Mundie说：“70年来，第一次我们想要构建一个完全不同的计算系统。这不是一次增量升级或改进，而是一个性质完全不同的新事物。”

本文转自公众号“微软丹棱街5号”。

微软亚研院的AIOps底层算法： KPI快速聚类

Thu, 14 Sep 2017 23:02:04 CST

导读

智能运维中存在海量时序数据（KPI）需要监控、检测异常、关联，而AIOps的一个底层算法就是把大规模时序数据快速准确地聚类成有限的若干类别，从而大大降低后续数据分析与挖掘工作的开销。其应用场景包括自动适配异常检测算法、辅助标注、辅助构建故障传播链等。本文介绍的案例是由微软亚洲研究院发表在数据库领域顶级会议VLDB 2015的文章《 Yading: Fast Clustering of Large-Scale Time Series Data》。

简介

在大数据时代，快速、大规模的分析技术的重要性日益凸显，人们利用这些技术完成实时和交互性任务中的数据分析工作。运维中常见的KPI数据是一种时间序列数据，它具有数据实例多、维度高的特点。为了降低数据分析工作的开销，提高分析效率，人们希望将海量的时序数据曲线分为若干类别，从而减少需要考察的曲线数目。因此，如何对大规模的时间序列数据进行快速、准确的聚类是一个关键性问题。

本文中，作者设计了一套端到端的时序数据聚类算法Yading，实现了对大规模时间序列数据的高效、准确、自动化聚类。为验证算法效果，作者在公开数据集上将Yading与若干传统时序数据聚类算法进行对比，并在微软的实际工业数据上对算法进行了测试，证明了Yading的高效性和分类准确性。

时序数据聚类的挑战

时序数据数量大、维度高。运维中的时序数据集通常具有大量实例（如数百万个），每个实例具有较高维度（如数千维），难以使用传统的聚类方法进行快速聚类。
时序数据实例间的相似性难以准确刻画。不同于简单的数值型、类别型数据，时间序列数据上通常存在着相位扰动和随机噪声，使得对时序数据实例之间的相似性刻画较为困难。不恰当的相似性度量会大大降低聚类的准确性。
聚类算法参数难以确定。许多聚类算法的效果和参数的选取有密切关系。面对大规模的时序数据，难以人工选取合适的参数。需要设计更智能的参数选择方法。

设计思想

为应对上述挑战，本文设计了一套端到端的时序数据聚类算法Yading，分以下三步实现大规模时序数据的快速、准确聚类，算法框架如下图所示。

输入数据集采样。对大量的时序数据进行随机采样，并使用逐段聚集平均（PAA）算法缩减每条时序数据实例的维度。用采样后的数据集作为聚类算法的输入。
在采样后的数据集上进行时序数据聚类。使用L1距离作为时序数据曲线间的相似性度量。在基于密度的聚类算法DBSCAN的基础上，设计出多密度的聚类算法Multi-DBSCAN，并使算法能够自动决定参数。
对大量数据采用分派(assignment)策略进行分类。对于采样中未被选择的大量时序数据曲线，采用分派策略将其分到与其L1距离最近的已聚类曲线所属的聚类簇中。同时建立了有序邻居图（Sorted Neighbor Graph, SNG）辅助计算时序数据实例之间的距离，提高分派算法的计算效率。

1、输入数据集采样

大规模的时序数据集中通常含有数以万计的时序数据实例，每个实例上含有大量的数据点，直接对整个数据集进行聚类将带来巨大的计算开销。因此，本文通过随机采样和维度缩减的手段降低需要考察的实例数目和维度，将采样后的数据集作为聚类模块的输入，降低计算开销。

由于不需要对输入数据的分布作任何假设， 随机采样（random sampling）是一种减少数据实例个数的有效手段。采样过程中需要遵循两个原则：（1）每个类别的数据均在采样集中出现至少m次。（2）采样集中各类别数据所占比例与原数据集中的比例偏差不超过给定阈值ε。基于上述原则，作者采用数学方法推导出采样数据集大小的上界和下界，对原始数据集进行随机采样。

对于每个时序数据实例，使用 逐段聚集平均（Piecewise Aggregate Approximation,PAA）进行维度缩减。具体的，对于一条长度为D的时序数据，PAA将其划分为d个帧（d<D），将每个帧用一个值（例如该帧上数据点的均值）表示，从而将时序数据的长度从D减小为d，达到降维的目的。

通过上述两项操作，能够从规模为N*D的原始数据集中获得规模为s*d的采样数据集（s≤N, d≤D），且采样集保持原数据集的分布（underlying distribution）不变。用采样集作为聚类模块的输入，大大降低了计算开销。

2、时序数据聚类 以采样后的数据集作为输入，文中使用L1距离作为时序数据实例间的相似性度量，采用多密度的DBSCAN（Multi-DBSCAN）算法进行聚类。

点(x1,y1)与点(x2,y2)的L1距离可表示为：L = |x1-x2|+|y1-y2|。L1 距离计算复杂度低，且对于脉冲噪声具有一定的鲁棒性，适合作为处理大规模时序数据的相似性度量。

时序数据集中的数据曲线模式多种多样，每个类别中含有的曲线数量也有较大差异。面对这种情况，基于密度的聚类方法是一种很好的选择。一般地，如果时序曲线a和b相似，b和c相似，则a、b、c很可能属于同一类别。基于密度的聚类算法正是根据这一思想将相似曲线逐步加入同一聚类簇中，从而能够找出任意形状的聚类簇。特别地，真实的时序数据模式较为复杂，在一个数据集中可能存在多种密度的聚类簇（如下图所示）。因此本文中将基于密度的DBSCAN算法改进为多密度的Multi-DBSCAN，提升聚类准确性。

此外， 密度估计（density estimation）是基于密度的聚类算法的核心，已有工作中通常通过人工选择或使用一些计算开销较大的算法得到合适的密度阈值。本文中，作者设计了一种高效算法对密度进行自动估计，并使用数学方法证明了其合理性。具体的，该算法计算输入数据集中的每个数据对象到其k邻近对象之间的距离k-dis，将k-dis值按照降序排列得到k-dis曲线，曲线上的最平坦点即为候选密度值（如下图所示）。对于输入的时序数据集，该算法能够自动检测出不同聚类簇的密度，分别以每个候选密度值作为参数使用DBSCAN算法进行聚类，即可将数据集划分为若干聚类簇，同时识别出与大多数时序曲线均不属于同一类别的异常曲线（outliers）。 3、分派策略

在对采样集进行聚类后，使用分派（assignment）策略对大量未分类时序数据曲线进行快速分类。具体的，对于一个未分类实例，找出与它相似性距离最近的已分类实例A。若二者的距离小于A所在聚类簇的密度半径，则将该实例划分至与A相同的类别中。否则，认为该实例是一个异常（outlier）。为提高计算效率，本文中还建立了有序邻居图，利用剪枝的方法加速寻找最邻近实例的过程，实现对大量时序数据的快速分类。

文中使用标准化互信息（Normalized Mutual Information, NMI）作为指标对聚类算法的准确性进行评价。作者分别在15个时序数据集上将本文提出的算法YADING与三种常用的聚类算法DECLUE2.0、DBSCAN、CLARANS进行对比，在不同规模数据集上的计算时间及所有数据集上的平均NMI如下图所示。可以看出，YADING在计算效率和聚类准确性方面均领先于几种常用算法。

YADING算法已被微软用于与实际业务相关的时序数据分析中。对于46000多条服务器CPU利用率及内存利用率时序数据，YADING算法仅用时4.5秒就完成了聚类工作（几种主要类别如下图所示），表现出极高的实际应用价值。

总结

本文介绍了一套快速、准确的时序数据聚类算法，用于对大规模时序数据进行快速分类，是时序数据挖掘与分析工作的重要手段。通过随机采样和维度缩减获得规模较小的采样集，从而大大减小聚类算法需要考察的数据量，降低计算开销。之后设计了一套基于L1 距离和Multi-DBSCAN算法的时序数据聚类方案，并能够自动进行密度估计，具有较高的鲁棒性。对于大量的未分类时序数据，根据聚类结果采用分派策略进行快速分类。最后，文中分别采用理论推导与真实数据验证的方式证明了该算法在解决大规模时序数据聚类问题上的高效性和准确性，具有很好的实用价值。

此外，在NetMan实验室今年十月份推出的智能运维挑战赛中，将提供来自互联网公司的公开脱敏数据集，供大家尝试自己的KPI聚类算法。欢迎感兴趣的朋友踊跃参与。

由于长度限制，本文没有介绍细节，特此附上原文链接，点击 阅读原文获取。

开源 | 微软、Facebook联手打造AI生态系统ONNX

Fri, 08 Sep 2017 20:49:02 CST

编者按：今日，微软和Facebook宣布将推出Open Neural Network Exchange（ONNX，开放神经网络交换）格式，这是一个用于表示深度学习模型的标准，可使模型在不同框架之间进行迁移。

ONNX是迈向开放生态系统的第一步，AI开发人员可以轻松地在最先进的工具之间转换，并选择最适合他们的组合。ONNX的应用能够弥合实验和生产过程中框架特征不一致产生的差异，让AI开发人员可以选择符合项目当前阶段的框架并实现自主切换。本文转载自公众号“新智元”。英文原文链接：https://www.microsoft.com/en-us/cognitive-toolkit/blog/2017/09/microsoft-facebook-create-open-ecosystem-ai-model-interoperability/

微软一直以来坚持一个信念：将AI传递给更多的人，让每个人都能够亲身感受到技术进步带来的便利。因此，我们为大家提供很多行之有效的平台和工具，包括微软认知工具包，构建深层神经网络的开源框架，以促进AI的普及进程。我们还积极与其他组织展开合作，共同探讨行业问题、寻求解决方案。

今天，我们高兴地宣布，微软和Facebook一起推出Open Neural Network Exchange (ONNX，开放神经网络交换) 格式。 ONNX为AI框架生态系统中的互操作性和创新提供了共享的模型表征。Cognitive Toolkit、Caffe2和PyTorch都将支持ONNX。微软和Facebook共同开发了ONNX这一开源项目，并希望社区能够帮助其不断进化。

什么是ONNX表征？

Cognitive Toolkit和其他框架提供了使开发人员更容易构建和运行用来表征神经网络的计算图的界面。虽然它们提供的功能类似，但是每个框架都有自己的格式对这些图进行表征。 ONNX表征有以下主要优点：

框架互操作性：开发人员可以更轻松地在框架间转换，并为手头的任务选择最佳工具。每个框架都针对具体特性进行了优化，如快速训练，支持灵活的网络架构，在移动设备上进行推理等等。许多时候，研发过程中最重要的特性与生产环节最重要的特性是不同的。这导致开发人员在框架之间进行模型转换时，会因框架使用不正确或明显延迟而使得效率降低。使用ONNX表征的框架简化了这一点，使得开发人员更加灵活。

共享优化：硬件供应商对神经网络性能的优化可以通过定位ONNX表征来同时影响多个框架。优化经常需要被分别整合进入每个框架，这一过程很费时间。ONNX 表征使得优化更容易实现，从而覆盖更多开发人员。

ONNX技术总结

ONNX提供了可扩展计算图模型的定义，以及内置运算器和标准数据类型的定义。起初，我们专注于推理所需的能力（评估）。

每个计算数据流图被构造为形成非循环图的节点列表。节点具有一个或多个输入和输出。每个节点是对一个运算器的调用。该图还包含记录其目的、作者等信息的元数据。

运算器在图外部实现，但是内置运算器的集合在框架之间是可移植的。支持ONNX的每个框架都将提供这些运算器在适用数据类型上的实现。

ONNX的可用性

ONNX代码和文档的初始版本现在已经在GitHub（https://github.com/onnx/onnx）上开源。我们将积极开展基于ONNX的工作，即将推出的Cognitive Toolkit新版本将支持ONNX。我们还计划和Facebook一道，提供部署参考、示例、工具等。

ONNX表征形成了开放生态系统的基础，使AI更容易获取并富有价值。开发人员可以为其任务选择合适的框架，框架作者可以专注于创新，硬件供应商可以简化优化流程。我们希望社区能够支持ONNX，以实现这一令人兴奋的愿景。

微软识花是怎么实现的？

Thu, 10 Aug 2017 10:30:09 CST

计算机视觉用于物体图像识别和图像分类对很多人来说可能已经不是新鲜事，但 精细化物体分类就相对更加神秘，它从成千上万种动植物中分辨出具体种类，满足用户在实际生活中的识别需要，这也正是“微软识花”这款应用背后的秘密所在。近日，微软亚洲研究院多媒体搜索与挖掘组的研究员们通过大量的实验观察及讨论提出了一种 基于递归注意力模型的卷积神经网络，能够让精细化物体分类成为现实。

————这里是正式回答的分割线————

在日常生活中，我们可以很容易地识别出常见物体的类别（比如：计算机、手机、水杯等），但如果进一步去判断更为精细化的物体分类名称，比如去公园游览所见的各种花卉、树木，在湖中划船时遇到的各种鸟类，恐怕是专家也很难做到无所不晓。不过，也可见精细化物体分类所存在的巨大需求和潜在市场。

虽然精细化物体分类拥有广阔的应用前景，但同时也面临着艰巨的挑战。如下图所示，每一行的三种动物都属于不同种类，但其视觉差异却非常微小。要分辨他们，对于普通人来说绝非易事。

通过观察我们不难发现，对于精细化物体分类问题，其实形态、轮廓特征显得不那么重要，而细节纹理特征则起到了主导作用。 目前，精细化分类的方法主要有以下两类：

基于图像重要区域定位的方法。该方法集中探讨如何利用弱监督的信息自动找到图像中有判别力的区域，从而达到精细化分类的目的。
基于图像精细化特征表达的方法。该方法提出使用高维度的图像特征（如：bilinear vector）对图像信息进行高阶编码，以达到准确分类的目的。

然而，这两种方法都有其各自的局限性。最近，微软亚洲研究院多媒体搜索与挖掘组的研究员们通过大量的实验观察以及与相关领域专家的讨论，创造性地提出了 “将判别力区域的定位和精细化特征的学习联合进行优化”的构想，从而让两者在学习的过程中相互强化，也由此诞生了“Recurrent Attention Convolutional Neural Network”（RA-CNN，基于递归注意力模型的卷积神经网络）网络结构。这种网络可以更精准地找到图像中有判别力的子区域，然后采用高分辨率、精细化特征描述这些区域，进而大大提高精细化物体分类的精度。该项工作已经被CVPR 2017(计算机视觉与模式识别)大会接收，并应邀做了报告分享，点击此处可查看论文《RA-CNN：基于递归注意力模型的卷积神经网络》。

其实，这样的情况在精细化物体分类问题中非常普遍。看似相似的两张图片，当我们把有判别力的区域放大后却发现大相径庭。而“RA-CNN”网络则有效地利用了这一特点，通过将不同尺度图像的重要区域特征融合，以确保重要信息充分发挥作用：有用的信息不丢失，同时噪声得到抑制。

只需输入一张图片，“RA-CNN”便可自动找到不同尺度下的有判别力区域：上图中蓝色部分是分类子网络，它们将多个尺度的图片用相应的卷积层提取出特征后送入softmax 分类器，再以类别标签作为监督对卷积层和分类器参数进行优化，当最终分类时，将各个尺度的特征拼接起来，用全连接层将信息充分融合后进行分类。

上图中的红色部分则是定位子网络，其输入是一张图片的卷积层特征，而输出的是这张图片有判别力区域的中心坐标值和边长。定位子网络以层间的排序损失函数作为监督，优化下一尺度的图片子区域在正确类别上的预测概率大于本尺度的预测概率，这样可以促使网络自动找到最有判别力的区域。有了重要区域的坐标，再对原图进行裁剪和放大操作便可得到下一尺度的输入图片，而为了使网络可以进行端到端的训练，研究员们设计了一种对裁剪操作进行近似的可导函数来实现。以下是“RA-CNN”在三个公开数据集上找到的有判别力区域的例子及对应的分类精度：

看到这里或许你对“RA-CNN”精细化物体分类问题的解决原理及其效果有了一定的了解，想要亲自感受精细化物体分类技术的独特魅力的小伙伴们可以下载微软亚洲研究院推出的智能识别应用—— 微软识花一键体验哦~

————这里是回答结束的分割线————

以上回答摘选自微软研究院AI头条，基于递归注意力模型的卷积神经网络：让精细化物体分类成为现实。

感谢大家的阅读。

本账号为微软亚洲研究院的官方知乎账号。本账号立足于计算机领域，特别是人工智能相关的前沿研究，旨在为人工智能的相关研究提供范例，从专业的角度促进公众对人工智能的理解，并为研究人员提供讨论和参与的开放平台，从而共建计算机领域的未来。

微软亚洲研究院的每一位专家都是我们的智囊团，你在这个账号可以阅读到来自计算机科学领域各个不同方向的专家们的见解。请大家不要吝惜手里的“邀请”，让我们在分享中共同进步。

也欢迎大家关注我们的微博和微信 (ID:MSRAsia) 账号，了解更多我们的研究。

来源：知乎 www.zhihu.com
作者：微软亚洲研究院

【知乎日报】千万用户的选择，做朋友圈里的新鲜事分享大牛。点击下载

此问题还有 20 个回答，查看全部。

微软新成立AI研究院，13个研究组都在做什么？

Thu, 13 Jul 2017 23:24:44 CST

7 月 13 日，据彭博网报道，微软正在筹建 Microsoft Research AI 研究院，未来将专注人工智能领域，创建开发更多的通用学习系统。

雷锋网编辑了解到：该研究院将设立在华盛顿州雷德蒙，来自微软近百位人工智能领域的科学家将集中在此，他们被分为十三个研究小组，分别是自适应系统和互动组、空中信息和机器人组、会话系统组、深度学习组、信息和数据科学组、知识技术组、语言和信息技术组、机器学习和优化组、机器教学组、自然语言处理组、感知和互动组、生产力组、强化学习组。

自适应交互组 ：该小组致力于追求智能和交互原理的进步以及相关应用的进步，提高计算系统和接口。包括传感、学习和决策、搜索和检索以及人机交互基础等研究。

空中信息与机器人组：该团队主要做机器智能的前沿研究，机器人和人类为中心的计算，飞行机器人舰队，微型无人机，民用客机。

他们的研究汇集了机器学习和思想感知，不确定决策在机器人平台上产生各种挑战。合成算法和系统将应用在飞行器如：滑翔机，小飞机和商用飞机。应用场景包括精确农业监控、病原体监测、气象探测、启用数字连接等。团队有三篇论文被 ICRA 2017 接受。

对话系统组：重点推进人机对话。研究涵盖对话框管理、对话状态跟踪、用户建模、语言理解和语言生成。团队对探索对话系统在对话过程中学习的方法特别感兴趣。

团队正在面对挑战，例如如何从非常有限的交互中学习特定任务的对话控制器；如何创建结构化知识与机器学习相结合的对话控制模型，以及对话控制器如何通过交互进行自主改进。团队与微软研究的其他团体密切合作，包括自然语言处理、机器教学、自适应系统和交互。

深度学习组 ：他们主要开发算法，模型，和有监督和无监督学习系统，深入强化学习，神经符号推理，然后寻求在计算机视觉、自然语言处理、多智能、互联网信息处理、以及其他相关领域的突破。

该小组的研究人员对很多在学术界产生重大影响的项目作出了贡献，最近的一个例子是计算机视觉的 API 在微软认知服务，它提供了世界上第一个图像字幕的云服务。

信息和数据科学组 ：跨学科的信息和数据科学团队汇集了来自信息检索技术，人机交互（HCI）、人工智能、社会科学共同挑战相关的问题：（1）人们如何组织信息和信息系统的相互作用；（2）如何用挖掘出来的数据来描述人的行为。

作为一个团队，他们直接与产品组合作，从根本上理解产品中应用程序中的问题。他们团队开发的技术，提高了 Cortana 应用体验。

知识技术组 ：知识技术组专注微软产品和为市场带来新的企业智能应用和服务。和微软的研究和产品团队的密切合作。他们关注先进技术研究项目的进展，自然语言处理、文本挖掘、机器学习、知识获取等人工智能技术领域。他们将机器学习和人工智能与最广泛使用的在线服务结合起来，开发出新奇有趣的产品体验。

语言和信息技术组：他们利用人工智能来了解人们如何与信息系统进行互动，并开发新的功能来提高生产力。他们的研究兴趣是信息检索、自然语言理解和应用机器学习的交叉点。工作包括分析大规模文本和用户行为数据，以了解用户如何与信息交互，建立从非结构化信息中提取知识的模型，帮助用户完成任务并有效地查找信息。他们的工作应用于内容理解、智能助理、搜索、个性化和用户满意度建模。

机器学习与优化组：机器学习和优化小组的重点是设计新的算法，使下一代人工智能系统和应用程序能应用到，并回答在学习，优化，算法和数学的基本问题。他们主要研究领域包括统计和在线学习、凸和非凸优化、组合优化及其在 AI、统计学和概率中的应用。此外，他们的工程机构建立世界级的机器学习和优化系统。

机器教学组 ：ML（机器学习）组的一大部分专注于创建新算法以提高给定数据集上的“学习者”（ML 算法）的准确性。机器教学（MT）组与机器学习相比，侧重于教师的效能。如建立一个模型来理解控制电视的语音命令。对机器学习模型的需求远远大于能够建立这些模型的机器教学。所以解决日益增长的需求的一个办法是使教学机器简单、快速、普及。

自然语言处理组 ：自然语言处理组重点是开发处理文本的有效算法，使他们的信息能在计算机应用程序访问。

感知和交互组 ：感知和交互小组研究虚拟世界与我们居住的人和物体的物理世界之间的接口。他们的目标是通过传感技术、智能信号处理、新的交互模式和理解用户来丰富这一接口。他们的工作是建立在感知和交互的基础上来实现这一想法，他们也喜欢通过构建工作原型来实现想法。

生产力组 ：微软是职场生产力的领导者。随着工作环境的发展，为了保持这种领导地位，团队将重点放在人工智能的最新进展、日益普及的数据以及为人们提供低摩擦方式的新兴平台上。我们力求使工作更容易更吸引人，使人们更容易集中注意力在一个给定的环境中做最重要的事情。

强化学习组 ：强化学习组致力于自主决策的理论基础、算法和系统。主要研究领域包括马尔可夫决策过程和上下文决策过程的泛化。他们的技术已经成功地应用于许多领域，如在线广告、推荐、网络搜索、会话系统、游戏和程序合成。由于名单上人较多，以下截图为部分名单。

以上为此次微软新成立的 AI 研究院中包含的 13 个研究组。

via Microsoft Research

本文链接

微软收购 LinkedIn 已获所有监管批准，近日将完成

Wed, 07 Dec 2016 09:08:27 CST

差不多 6 个月前，微软宣布将以 262 亿美元收购 LinkedIn，预计是在今年年底前完成收购。今天，欧盟已经批准了这次收购，微软也宣布会在近日完成这次收购，并有以下一些承诺必须在接下来 5 年内执行。

微软继续为第三方职场社交服务开放 Office 插件计划，允许这些服务整合到 Outlook、Word、PowerPoint 等 Office 应用中。并继续在 Office Store 内提供第三方职场社交插件的推荐机会。
用户能够选择是否在 Office 体验中显示 LinkedIn 资料。
如果将来有 LinkedIn 应用，PC 厂商可以在欧盟区选择不安装，也不能达成预装协议。微软不允许利用 Windows 本身来推荐用户安装，Windows Store 等其他方式推荐除外。

LinkedIn 收购是微软 CEO Satya Nadella 上任以来金额最大的一笔收购。Satya 称，专业职场社交网络 LinkedIn 将有助于微软 Office 365、Dynamics，前者公开网络的数据加上微软云的数据将提供创新的智能体验 -这关系到专业用户如何找工作、学习技能、销售、营销、完成任务，最终走向成功。（via Microsoft）

微软宣布其所有语音翻译服务已全部使用深层神经网络技术

Fri, 18 Nov 2016 12:42:50 CST

近日，在微软Connect();//2016大会上，Microsoft Translator宣布所有微软语音翻译服务已全部使用最先进的深层神经网络技术，其中，包括如 Skype Translator实时语音翻译和Microsoft Translator移动端应用等使用微软语音翻译服务的应用程序。不仅如此，所有开发人员和用户都可以通过Microsoft Translator 所提供的语音翻译API（Speech API）将该技术集成到他们的应用程序和服务中。

除Microsoft Translator语音翻译API已经支持的九种语言——阿拉伯文、中文、英文、法文、德语、意大利语、巴西葡萄牙语、俄语和西班牙语，目前深层神经网络技术还支持日语的文本翻译。这10种语言涵盖了Microsoft Translator每天超过80% 的翻译量。

在过去的几年间，深层神经网络技术已经成功地运用在了人工智能的多个领域，如语音和图像处理等，用户可以通过微软认知服务体验这些强大的功能。而今，神经网络技术正在影响着机器翻译领域，基于深层神经网络（LSTM）技术的翻译质量比当前行业主流的基于统计的机器翻译（SMT）技术有显著提升。神经网络可以更好的获取和理解上下文及完整的句子，从而输出更高质量且更自然的翻译结果。

尽管目前在使用神经网络进行语音和文本翻译上仍处于早期阶段，但它已经能够提供明显优于传统统计机器翻译（SMT）技术所提供的翻译结果。如任何新兴技术一样（我们正处在所谓S曲线的上升阶段），对于未来的提升，我们清楚地知道目前的翻译质量改进仅是迈出的第一步。

通过大规模部署和使用微软的人工智能超级计算机和微软认知工具包，微软才能够同时发布对10种不同语言的支持，而随着时间的推移，未来微软将为更多语言提供基于神经网络技术的语言翻译支持。

所发布的基于神经网络的10种语言现已全部投入大规模运营中，用户现在就可以在Window桌面、Windows 10中的Skype预览应用、 iOS和安卓版Microsoft Translator移动端应用等以及翻译 Skype通话时进行体验。想迅速感受并比较深层神经网络技术所带来的翻译质量提升？请点击测试链接： http://translator.microsoft.com/neural

另外，使用Microsoft Translator API的开发者和企业用户可以通过Azure 门户网站测试并购买基于新技术的订阅服务。了解如何开始使用Microsoft Translator API的Azure订阅请点击这里。如果您已经订阅了 Microsoft Translator服务，并希望了解如何将订阅迁移到 Azure，请点击这里。

无论是语音翻译还是文本翻译，开发人员都可以使用基于神经网络的模型进行开发：

现在所有语音翻译API的调用都通过神经网络。
单独使用文本翻译API时，可以使用 "generalnn” 作为类别ID，从而通过神经网络实现上述10种语言之间的翻译。了解更多请点击这里。

更多信息：

芯片架构换血！如何评价微软在数据中心使用FPGA？

Tue, 10 Jan 2017 18:52:53 CST

编者按

FPGA，一种全新的古老计算机芯片，正在悄然改变着全球的芯片市场。知乎问题“如何评价微软在数据中心使用FPGA代替传统CPU的做法？”的下面，来自微软亚洲研究院的实习生李博杰的回答在很短的时间内就收获了近2000的点赞数（他此前在微软研究院的微信平台上的文章网络技术的风向标——SIGCOMM2016也很受欢迎哦）。这篇文章转载自他在知乎上的回答，看看他眼中微软的FPGA布局和FPGA的研究前景吧！

问题「用 FPGA 代替 CPU」中，这个「代替」的说法不准确。我们并不是不用 CPU 了，而是 用 FPGA 加速适合它的计算任务，其他任务仍然在 CPU 上完成，让 FPGA 和 CPU 协同工作。

本回答将涵盖三个问题：

1.为什么使用 FPGA，相比 CPU、GPU、ASIC（专用芯片）有什么特点？

2.微软的 FPGA 部署在哪里？FPGA 之间、FPGA 与 CPU 之间是如何通信的？

3.未来 FPGA 在云计算平台中应充当怎样的角色？仅仅是像 GPU 一样的计算加速卡吗？

一、为什么使用 FPGA？

众所周知，通用处理器（CPU）的摩尔定律已入暮年，而机器学习和 Web 服务的规模却在指数级增长。 人们使用定制硬件来加速常见的计算任务，然而日新月异的行业又要求这些定制的硬件可被重新编程来执行新类型的计算任务。FPGA (Field Programmable Gate Array) 正是一种硬件可重构的体系结构，常年来被用作专用芯片（ASIC）的小批量替代品，然而近年来在微软、百度等公司的数据中心大规模部署，以 同时提供强大的计算能力和足够的灵活性。

FPGA 为什么快？「都是同行衬托得好」。 CPU、GPU 都属于冯·诺依曼结构，指令译码执行、共享内存。FPGA 之所以比 CPU 甚至 GPU 能效高，本质上是无指令、无需共享内存的体系结构带来的福利。

冯氏结构中，由于执行单元（如 CPU 核）可能执行任意指令，就需要有指令存储器、译码器、各种指令的运算器、分支跳转处理逻辑。由于指令流的控制逻辑复杂，不可能有太多条独立的指令流，因此 GPU 使用 SIMD（单指令流多数据流）来让多个执行单元以同样的步调处理不同的数据，CPU 也支持 SIMD 指令。而 FPGA 每个逻辑单元的功能在重编程（烧写）时就已经确定，不需要指令。

冯氏结构中使用内存有两种作用。一是保存状态，二是在执行单元间通信。由于内存是共享的，就需要做访问仲裁；为了利用访问局部性，每个执行单元有一个私有的缓存，这就要维持执行部件间缓存的一致性。 对于保存状态的需求， FPGA 中的寄存器和片上内存（BRAM）是属于各自的控制逻辑的， 无需不必要的仲裁和缓存。 对于通信的需求，FPGA 每个逻辑单元与周围逻辑单元的连接在重编程（烧写）时就已经确定， 并不需要通过共享内存来通信。

说了这么多三千英尺高度的话，FPGA 实际的表现如何呢？我们分别来看计算密集型任务和通信密集型任务。

计算密集型任务的例子包括矩阵运算、图像处理、机器学习、压缩、非对称加密、必应搜索的排序等。这类任务一般是 CPU 把任务卸载（offload）给 FPGA 去执行。对这类任务，目前我们正在用的 Altera（似乎应该叫 Intel 了，我还是习惯叫 Altera……）Stratix V FPGA 的整数乘法运算性能与 20 核的 CPU 基本相当，浮点乘法运算性能与 8 核的 CPU 基本相当，而比 GPU 低一个数量级。我们即将用上的下一代 FPGA，Stratix 10，将配备更多的乘法器和硬件浮点运算部件，从而理论上可达到与现在的顶级 GPU 计算卡旗鼓相当的计算能力。

在数据中心，FPGA 相比 GPU 的核心优势在于延迟。像必应搜索排序这样的任务，要尽可能快地返回搜索结果，就需要尽可能降低每一步的延迟。如果使用 GPU 来加速，要想充分利用 GPU 的计算能力，batch size 就不能太小，延迟将高达毫秒量级。使用 FPGA 来加速的话，只需要微秒级的 PCIe 延迟（我们现在的 FPGA 是作为一块 PCIe 加速卡）。未来 Intel 推出通过 QPI 连接的 Xeon FPGA 之后，CPU 和 FPGA 之间的延迟更可以降到 100 纳秒以下，跟访问主存没什么区别了。

FPGA 为什么比 GPU 的延迟低这么多？这本质上是体系结构的区别。 FPGA 同时拥有流水线并行和数据并行，而 GPU 几乎只有数据并行（流水线深度受限）。例如处理一个数据包有 10 个步骤，FPGA 可以搭建一个 10 级流水线，流水线的不同级在处理不同的数据包，每个数据包流经 10 级之后处理完成。每处理完成一个数据包，就能马上输出。而 GPU 的数据并行方法是做 10 个计算单元，每个计算单元也在处理不同的数据包，然而所有的计算单元必须按照统一的步调，做相同的事情（SIMD，Single Instruction Multiple Data）。这就要求 10 个数据包必须一起输入、一起输出，输入输出的延迟增加了。当任务是逐个而非成批到达的时候，流水线并行比数据并行可实现更低的延迟。因此 对流式计算的任务，FPGA 比 GPU 天生有延迟方面的优势。

ASIC 专用芯片在吞吐量、延迟和功耗三方面都无可指摘，但微软并没有采用，我认为出于两个原因：

1.数据中心的计算任务是灵活多变的，而 ASIC 研发成本高、周期长。好不容易大规模部署了一批某种神经网络的加速卡，结果另一种神经网络更火了，钱就白费了。FPGA 只需要几百毫秒就可以更新逻辑功能。 FPGA 的灵活性可以保护投资，事实上，微软现在的 FPGA 玩法与最初的设想大不相同。

2.数据中心是租给不同的租户使用的，如果有的机器上有神经网络加速卡，有的机器上有必应搜索加速卡，有的机器上有网络虚拟化加速卡，任务的调度和服务器的运维会很麻烦。 使用 FPGA 可以保持数据中心的同构性。

接下来看通信密集型任务。相比计算密集型任务，通信密集型任务对每个输入数据的处理不甚复杂，基本上简单算算就输出了，这时通信往往会成为瓶颈。对称加密、防火墙、网络虚拟化都是通信密集型的例子。

对通信密集型任务，FPGA 相比 CPU、GPU 的优势就更大了。从吞吐量上讲，FPGA 上的收发器可以直接接上 40 Gbps 甚至 100 Gbps 的网线，以线速处理任意大小的数据包；而 CPU 需要从网卡把数据包收上来才能处理， 很多网卡是不能线速处理 64 字节的小数据包的。尽管可以通过插多块网卡来达到高性能，但 CPU 和主板支持的 PCIe 插槽数量往往有限，而且网卡、交换机本身也价格不菲。

从延迟上讲，网卡把数据包收到 CPU，CPU 再发给网卡，即使使用 DPDK 这样高性能的数据包处理框架，延迟也有 4~5 微秒。更严重的问题是， 通用 CPU 的延迟不够稳定。例如当负载较高时，转发延迟可能升到几十微秒甚至更高（如下图所示）；现代操作系统中的时钟中断和任务调度也增加了延迟的不确定性。

ClickNP（FPGA）与 Dell S6000 交换机（商用交换机芯片）、Click DPDK（CPU）和 Linux（CPU）的转发延迟比较，error bar 表示 5% 和 95%。来源：[5]

虽然 GPU 也可以高性能处理数据包，但 GPU 是没有网口的，意味着需要首先把数据包由网卡收上来，再让 GPU 去做处理。这样吞吐量受到 CPU 和/或网卡的限制。GPU 本身的延迟就更不必说了。

那么为什么不把这些网络功能做进网卡，或者使用可编程交换机呢？ ASIC 的灵活性仍然是硬伤。尽管目前有越来越强大的可编程交换机芯片，比如支持 P4 语言的 Tofino，ASIC 仍然不能做复杂的有状态处理，比如某种自定义的加密算法。

综上， 在数据中心里 FPGA 的主要优势是稳定又极低的延迟，适用于流式的计算密集型任务和通信密集型任务。

二、微软部署 FPGA 的实践

2016 年 9 月，《连线》（ Wired）杂志发表了一篇《微软把未来押注在 FPGA 上》的报道 [3]，讲述了 Catapult 项目的前世今生。紧接着，Catapult 项目的老大 Doug Burger 在 Ignite 2016 大会上与微软 CEO Satya Nadella 一起做了 FPGA 加速机器翻译的演示。演示的总计算能力是 103 万 T ops，也就是 1.03 Exa-op，相当于 10 万块顶级 GPU 计算卡。一块 FPGA（加上板上内存和网络接口等）的功耗大约是 30 W，仅增加了整个服务器功耗的十分之一。 只要规模足够大，对FPGA价格过高的担心将是不必要的。

微软部署 FPGA 并不是一帆风顺的。 对于把 FPGA 部署在哪里这个问题，大致经历了三个阶段：

1.专用的 FPGA 集群，里面插满了 FPGA

2.每台机器一块 FPGA，采用专用网络连接

3.每台机器一块 FPGA，放在网卡和交换机之间，共享服务器网络

第一个阶段是专用集群，里面插满了 FPGA 加速卡，就像是一个 FPGA 组成的超级计算机。下图是最早的 BFB 实验板，一块 PCIe 卡上放了 6 块 FPGA，每台 1U 服务器上又插了 4 块 PCIe 卡。

像超级计算机一样的部署方式，意味着有专门的一个机柜全是上图这种装了 24 块 FPGA 的服务器（下图左）。这种方式有几个问题：

1.不同机器的 FPGA 之间无法通信，FPGA 所能处理问题的规模受限于单台服务器上 FPGA 的数量；

2.数据中心里的其他机器要把任务集中发到这个机柜，构成了 in-cast，网络延迟很难做到稳定。

3.FPGA 专用机柜构成了单点故障，只要它一坏，谁都别想加速了；

4.装 FPGA 的服务器是定制的，冷却、运维都增加了麻烦。

一种不那么激进的方式是，在每个机柜一面部署一台装满 FPGA 的服务器（上图中）。这避免了上述问题 (2)(3)，但 (1)(4) 仍然没有解决。

第二个阶段，为了 保证数据中心中服务器的同构性（这也是不用 ASIC 的一个重要原因），在每台服务器上插一块 FPGA（上图右），FPGA 之间通过专用网络连接。这也是微软在 ISCA'14 上所发表论文采用的部署方式。

FPGA 采用Stratix V D5，有172K个ALM，2014个M20K片上内存，1590个 DSP。板上有一个8GB DDR3-1333 内存，一个PCIe Gen3 x8接口，两个10 Gbps网络接口。一个机柜之间的FPGA采用专用网络连接，一组10G网口8个一组连成环，另一组10G网口6个一组连成环，不使用交换机。

这样一个 1632 台服务器、1632 块 FPGA 的集群，把必应的搜索结果排序整体性能提高到了 2 倍（换言之，节省了一半的服务器）。如下图所示，每 8 块 FPGA 穿成一条链，中间用前面提到的 10 Gbps 专用网线来通信。这 8 块 FPGA 各司其职，有的负责从文档中提取特征（黄色），有的负责计算特征表达式（绿色），有的负责计算文档的得分（红色）。

本地和远程的 FPGA 均可以降低搜索延迟，远程 FPGA 的通信延迟相比搜索延迟可忽略。来源：[4]

FPGA 在必应的部署取得了成功，Catapult 项目继续在公司内扩张。微软内部拥有最多服务器的，就是云计算 Azure 部门了。Azure 部门急需解决的问题是网络和存储虚拟化带来的开销。Azure 把虚拟机卖给客户，需要给虚拟机的网络提供防火墙、负载均衡、隧道、NAT 等网络功能。由于云存储的物理存储跟计算节点是分离的，需要把数据从存储节点通过网络搬运过来，还要进行压缩和加密。

在 1 Gbps 网络和机械硬盘的时代，网络和存储虚拟化的 CPU 开销不值一提。随着网络和存储速度越来越快，网络上了 40 Gbps，一块 SSD 的吞吐量也能到 1 GB/s，CPU 渐渐变得力不从心了。例如 Hyper-V 虚拟交换机只能处理 25 Gbps 左右的流量，不能达到 40 Gbps 线速，当数据包较小时性能更差；AES-256 加密和 SHA-1 签名，每个 CPU 核只能处理 100 MB/s，只是一块 SSD 吞吐量的十分之一。

为了加速网络功能和存储虚拟化，微软把 FPGA 部署在网卡和交换机之间。如下图所示，每个 FPGA 有一个 4 GB DDR3-1333 DRAM，通过两个 PCIe Gen3 x8 接口连接到一个 CPU socket（物理上是 PCIe Gen3 x16 接口，因为 FPGA 没有 x16 的硬核，逻辑上当成两个 x8 的用）。物理网卡（NIC）就是普通的 40 Gbps 网卡，仅用于宿主机与网络之间的通信。

FPGA（SmartNIC）对每个虚拟机虚拟出一块网卡，虚拟机通过 SR-IOV 直接访问这块虚拟网卡。原本在虚拟交换机里面的数据平面功能被移到了 FPGA 里面，虚拟机收发网络数据包均不需要 CPU 参与，也不需要经过物理网卡（NIC）。这样不仅节约了可用于出售的 CPU 资源，还 提高了虚拟机的网络性能（25 Gbps），把同数据中心虚拟机之间的网络延迟降低了 10 倍。

这就是微软部署 FPGA 的第三代架构，也是目前「每台服务器一块 FPGA」大规模部署所采用的架构。 FPGA 复用主机网络的初心是加速网络和存储，更深远的影响则是把 FPGA 之间的网络连接扩展到了整个数据中心的规模，做成真正 cloud-scale 的「超级计算机」。第二代架构里面，FPGA 之间的网络连接局限于同一个机架以内，FPGA 之间专网互联的方式很难扩大规模，通过 CPU 来转发则开销太高。

第三代架构中，FPGA 之间通过 LTL (Lightweight Transport Layer) 通信。同一机架内延迟在 3 微秒以内；8 微秒以内可达 1000 块 FPGA；20 微秒可达同一数据中心的所有 FPGA。第二代架构尽管 8 台机器以内的延迟更低，但只能通过网络访问 48 块 FPGA。为了支持大范围的 FPGA 间通信，第三代架构中的 LTL 还支持 PFC 流控协议和 DCQCN 拥塞控制协议。

FPGA 内的逻辑模块关系，其中每个 Role 是用户逻辑（如 DNN 加速、网络功能加速、加密），外面的部分负责各个 Role 之间的通信及 Role 与外设之间的通信。来源：[4]

FPGA 构成的数据中心加速平面，介于网络交换层（TOR、L1、L2）和传统服务器软件（CPU 上运行的软件）之间。来源：[4]

通过高带宽、低延迟的网络互联的 FPGA 构成了介于网络交换层和传统服务器软件之间的数据中心加速平面。除了每台提供云服务的服务器都需要的网络和存储虚拟化加速，FPGA 上的剩余资源还可以用来加速必应搜索、深度神经网络（DNN）等计算任务。

对很多类型的应用，随着分布式 FPGA 加速器的规模扩大，其性能提升是超线性的。例如 CNN inference，当只用一块 FPGA 的时候，由于片上内存不足以放下整个模型，需要不断访问 DRAM 中的模型权重，性能瓶颈在 DRAM；如果 FPGA 的数量足够多，每块 FPGA 负责模型中的一层或者一层中的若干个特征，使得模型权重完全载入片上内存，就消除了 DRAM 的性能瓶颈，完全发挥出 FPGA 计算单元的性能。当然，拆得过细也会导致通信开销的增加。 把任务拆分到分布式 FPGA 集群的关键在于平衡计算和通信。

从神经网络模型到 HaaS 上的 FPGA。利用模型内的并行性，模型的不同层、不同特征映射到不同 FPGA。来源：[4]

在 MICRO'16 会议上，微软提出了 Hardware as a Service (HaaS) 的概念，即把硬件作为一种可调度的云服务，使得 FPGA 服务的集中调度、管理和大规模部署成为可能。

从第一代装满 FPGA 的专用服务器集群，到第二代通过专网连接的 FPGA 加速卡集群，到目前复用数据中心网络的大规模 FPGA 云，三个思想指导我们的路线：

1.硬件和软件不是相互取代的关系，而是合作的关系；

2.必须具备灵活性，即用软件定义的能力；

3.必须具备可扩放性（scalability）。

三、FPGA 在云计算中的角色

最后谈一点我个人对 FPGA 在云计算中角色的思考。作为三年级博士生，我在微软亚洲研究院的研究试图回答两个问题：

FPGA 在云规模的网络互连系统中应当充当怎样的角色？

如何高效、可扩放地对 FPGA CPU 的异构系统进行编程？

我对 FPGA 业界主要的遗憾是，FPGA 在数据中心的主流用法，从除微软外的互联网巨头，到两大 FPGA 厂商，再到学术界，大多是把 FPGA 当作跟 GPU 一样的计算密集型任务的加速卡。然而 FPGA 真的很适合做 GPU 的事情吗？前面讲过， FPGA 和 GPU 最大的区别在于体系结构，FPGA 更适合做需要低延迟的流式处理，GPU 更适合做大批量同构数据的处理。

由于很多人打算把 FPGA 当作计算加速卡来用，两大 FPGA 厂商推出的高层次编程模型也是基于 OpenCL，模仿 GPU 基于共享内存的批处理模式。CPU 要交给 FPGA 做一件事，需要先放进 FPGA 板上的 DRAM，然后告诉 FPGA 开始执行，FPGA 把执行结果放回 DRAM，再通知 CPU 去取回。 CPU 和 FPGA 之间本来可以通过 PCIe 高效通信，为什么要到板上的 DRAM 绕一圈？也许是工程实现的问题，我们发现通过 OpenCL 写 DRAM、启动 kernel、读 DRAM 一个来回，需要 1.8 毫秒。而通过 PCIe DMA 来通信，却只要 1~2 微秒。

OpenCL 里面多个 kernel 之间的通信就更夸张了，默认的方式也是通过共享内存。本文开篇就讲，FPGA 比 CPU 和 GPU 能效高，体系结构上的根本优势是无指令、无需共享内存。使用共享内存在多个 kernel 之间通信，在顺序通信（FIFO）的情况下是毫无必要的。况且 FPGA 上的 DRAM 一般比 GPU 上的 DRAM 慢很多。

因此我们提出了 ClickNP 网络编程框架 [5]， 使用管道（channel）而非共享内存来在执行单元（element/kernel）间、执行单元和主机软件间进行通信。需要共享内存的应用，也可以在管道的基础上实现，毕竟 CSP（Communicating Sequential Process）和共享内存理论上是等价的嘛。ClickNP 目前还是在 OpenCL 基础上的一个框架，受到 C 语言描述硬件的局限性（当然 HLS 比 Verilog 的开发效率确实高多了）。理想的硬件描述语言，大概不会是 C 语言吧。

低延迟的流式处理，需要最多的地方就是通信。然而 CPU 由于并行性的限制和操作系统的调度，做通信效率不高，延迟也不稳定。此外， 通信就必然涉及到调度和仲裁，CPU 由于单核性能的局限和核间通信的低效，调度、仲裁性能受限，硬件则很适合做这种重复工作。因此我的博士研究把 FPGA 定义为通信的「大管家」，不管是服务器跟服务器之间的通信，虚拟机跟虚拟机之间的通信，进程跟进程之间的通信，CPU 跟存储设备之间的通信，都可以用 FPGA 来加速。

成也萧何，败也萧何。缺少指令同时是 FPGA 的优势和软肋。每做一点不同的事情，就要占用一定的 FPGA 逻辑资源。如果要做的事情复杂、重复性不强，就会占用大量的逻辑资源，其中的大部分处于闲置状态。这时就不如用冯·诺依曼结构的处理器。数据中心里的很多任务有很强的局部性和重复性： 一部分是虚拟化平台需要做的网络和存储，这些都属于通信；另一部分是客户计算任务里的，比如机器学习、加密解密。我们首先把 FPGA 用于它最擅长的通信，日后也许也会像 AWS 那样把 FPGA 作为计算加速卡租给客户。

不管通信还是机器学习、加密解密，算法都是很复杂的，如果试图用 FPGA 完全取代 CPU，势必会带来 FPGA 逻辑资源极大的浪费，也会提高 FPGA 程序的开发成本。更实用的做法是 FPGA 和 CPU 协同工作，局部性和重复性强的归 FPGA，复杂的归 CPU。

当我们用 FPGA 加速了必应搜索、深度学习等越来越多的服务；当网络虚拟化、存储虚拟化等基础组件的数据平面被 FPGA 把持；当 FPGA 组成的「数据中心加速平面」成为网络和服务器之间的天堑……似乎有种感觉，FPGA 将掌控全局，CPU 上的计算任务反而变得碎片化，受 FPGA 的驱使。以往我们是 CPU 为主，把重复的计算任务卸载（offload）到 FPGA 上；以后会不会变成 FPGA 为主，把复杂的计算任务卸载到 CPU 上呢？随着 Xeon FPGA 的问世，古老的 SoC 会不会在数据中心焕发新生？

「跨越内存墙，走向可编程世界」 ( Across the memory wall and reach a fully programmable world.)

参考文献：

[1] Large-Scale Reconfigurable Computing in a Microsoft Datacenterhttps://www.microsoft.com/en-us/research/wp-content/uploads/2014/06/HC26.12.520-Recon-Fabric-Pulnam-Microsoft-Catapult.pdf

[2] A Reconfigurable Fabric for Accelerating Large-Scale Datacenter Services, ISCA'14https://www.microsoft.com/en-us/research/wp-content/uploads/2016/02/Catapult_ISCA_2014.pdf

[3] Microsoft Has a Whole New Kind of Computer Chip—and It’ll Change Everything

[4] A Cloud-Scale Acceleration Architecture, MICRO'16 https://www.microsoft.com/en-us/research/wp-content/uploads/2016/10/Cloud-Scale-Acceleration-Architecture.pdf

[5] ClickNP: Highly Flexible and High-performance Network Processing with Reconfigurable Hardware - Microsoft Research

[6] Daniel Firestone, SmartNIC: Accelerating Azure's Network with. FPGAs on OCS servers.

作者简介

我叫李博杰，本科毕业于中国科学技术大学少年班学院，2014年加入中国科学技术大学与微软亚洲研究院的联合培养博士生项目。我的研究方向是数据中心网络和可重构硬件（FPGA）上的编程。

微软对话语音识别技术达至人类专业水平，开启人工智能新征程

Wed, 19 Oct 2016 10:49:22 CST

一个月前，2016年9月14日，微软的对话语音识别技术在产业标准Switchboard语音识别基准测试中实现了词错率（word error rate, 简称WER）低至6.3%的突破，创造当时该领域内错误率最低纪录。

一个月后，10月18日，微软进一步将词错率降低至5.9%，首次达成与专业速记员持平而优于绝大多数人的表现：上周末，微软人工智能与研究部门的研究员和工程师在论文中展示了他们这一创纪录的语音识别系统。如需查阅论文可到文末点击“阅读原文”，或按以下信息检索： Achieving Human Parity in Conversational Speech Recognition, https://arxiv.org/abs/1610.05256

这5.9%的词错率是什么概念？

在行业标准Switchboard语音识别任务测试中，人类对照组（由专业速记员组成）将对话语音转录成文字，目前有记录的最低词错率就是 5.9%，这就意味着微软的语音识别系统的语音识别能力已经高于世界上绝大多数人而与人类专业高手持平，创造了一项新的世界纪录。

更加令人感到兴奋的是，从6.3%到5.9%，微软人工智能与研究部门只花了一个多月的时间，这让我们有理由相信，计算机真正超越人类语音识别能力那一天已经不远了。

微软首席语音科学家黄学东博士表示，“在对话语音识别中，我们已经实现了和人类同等的水平，这是一个历史性的突破，意味着有史以来第一次有计算机能像人类一样识别对话中的每一个单词。并且，我们团队花了不到一年时间就实现了这个目标，这远远超出大家的期望。”就连负责微软人工智能与研究部门的微软全球执行副总裁沈向洋博士也笑言，“要是在五年前，我是绝对不敢相信我们可以实现这个目标的。”

针对语音识别的研究可以追溯到上个世纪七十年代DARPA（Defense Advanced Research Projects Agency，美国国防部先进研究项目局，主要致力于美国国防高新技术的研究、开发和应用）资助的一个相关项目。此后几十年，越来越多研究机构和大型公司陆续加入其中。“这次突破是过去二十多年语音识别技术不断积累的结果，”微软主管语言及对话研究组的研究员Geoffrey Zweig称。

此次语音识别的里程碑式突破将对消费者和商业产品产生深远影响，因为语音识别技术能够显著增强人们的日常计算体验。这些产品包括像XBOX的娱乐设备、像微软小娜（Cortana）的生产力工具以及能实现实时语音到文本转录的个人人工智能助手。“这项技术将使小娜变得更强大，切实地让小娜的助理服务更智能。”沈向洋补充道。

“筑梦为马”

Geoffrey Zweig将他们这一系统的成功归功于他们采用的最新的神经网络技术；让研究实现质的飞跃的关键就在于他们采用了一种神经语言模型，该模型在空间中被表现为连续的向量，计算机能通过该模型得知比如“fast”和“quick”是具有紧密联系的近义词。“这让模型能充分概念化每一个词汇。” Zweig解释道。

随着深层神经网络在语音识别和图像识别等领域大显身手，这一技术正变得炙手可热。

深层神经网络使用大量数据（称为训练集）来训练计算机系统识别来自图像或声音等输入的模式。为达到和人类同等识别水平的里程碑，微软团队使用微软基于多年技术积累开发的一个本地化深度学习系统CNTK，CNTK工具包已于一年前在 GitHub上开源，目前包括微软人工智能个人助理小娜和混合现实全息眼镜HoloLens的语音识别都是基于CNTK实现的。

黄学东博士表示，CNTK跟其他开源软件最大的区别是它能做大规模、分布式的机器学习，同时保证强大的性能；可以说，微软的语音识别技术可以一次又一次刷新纪录，在很大程度上就要归功于CNTK这个开源工具，它极大地提高了团队的研究速度，最终在今天实现了与人类专业能力看齐的目标。

回报来得如此迅速，从事语音识别研究已有三十多年的黄博士告诉我们，“5.9%的结果是在凌晨三点半取得的，我直到几小时后一大早醒来才得知，当时已有团队成员第一时间在社交媒体上分享自己成功的喜悦……这对我来说简直是多年梦想一朝成真。”

后排左起：Wayne Xiong, Geoffrey Zweig, Frank Seide；前排左起：黄学东, Dong Yu, Mike Seltzer, Jasha Droppo，Andreas Stolcke；摄影：Dan DeLong

与此同时，来自微软亚洲研究院视觉计算组的研究员也实现了自己所在领域的里程碑式突破，在图像识别MS COCO（Microsoft Common Objects in Context，常见物体图像识别）图像分割挑战赛中获得第一名。这项挑战赛主要考察在图像中确定某些对象的位置的技术。微软亚洲研究院常务副院长郭百宁博士表示，图像细分技术的难度远超人们的想象，因为计算机必须精准标识出物体在图像中出现的边界，“这应该是图像识别中最难的部分。”

该团队去年设计了一个极深的深层神经网络系统，称为深层残差网络（简称 ResNet，deep residual networks）。该系统一出手就屡获殊荣，比如此次在图像分割上的突破成果也是基于该系统，成绩比第二名高出11%，并且，相较于去年COCO图像分割挑战赛第一名的成绩也有飞跃性的进步。对此，郭百宁博士自豪地表示，“微软一直以来都是图像识别领域的领导者。”

从识别到真正理解，“我们不会止步于5.9%”

尽管近年来科学家们在计算机视觉和语音识别等方面都取得了巨大突破，但他们深知前面还有许多工作要做。

仍以对话语音识别技术为例，微软团队的词错率虽然实现了与人类专业速记员持平的5.9%，但这并不代表计算机就能完美识别出每一个单词。事实上，即使是人类也无法做到完美，计算机的错误率就意味着计算机一样会在人类常常难以准确辨别的内容面前败下阵来：无论是计算机还是人类，都会发现“蓝瘦”、“香菇”（“难受”、“想哭”）不好对付。

“必须继续努力！”Zweig说。他们接下来的努力方向之一，就是确保语音识别技术能在类似人声喧哗的朋友聚会或背景声嘈杂的高速公路上开车这样一些更复杂的现实生活场景都能判别准确，同时重点关注如何完善实现的方法，帮助计算机在多人说话的场合为每位发言者分配名字，还要确保计算机能不论发言者的年龄、口音和音量大小而识别出各种语音。

从长远来看，研究人员将重点研究如何教计算机不仅将人们嘴里发出的声音信号变为文字，更要理解人们话语中的含义。这样一来，计算机就能准确回答用户的问题或采取相应行动。“下一个前沿技术就是从识别到理解。“Zweig 说。

从更宏观的角度，沈向洋博士指出，我们正在远离我们必须了解计算机的世界而逐步接近计算机必须了解我们的世界，真正的人工智能仍在遥远地平线那一边，“在计算机能真正明白我们的语言或示意之前，我们还有很长的路要走。”

微软为Win10开发Android和iOS快速移植工具

Thu, 30 Apr 2015 00:16:42 CST

　　在今天凌晨的Build 2015开发者大会上，微软宣布所有Android和iOS应用，都可以通过简单的修改代码，直接生成适用于Win10的应用。也就是说，开发者们不需要学习更多内容，就可以将自己的Android或iOS应用在Win10系统中运行。

　　微软在会上公布了Windows Store获得通用应用的四种方法：

　　第一，在线获取，用Web网页留下的链接，以webapp的形式轻松开始实现。

　　第二，.NET与Win32程序终于登陆Windows Store了，现场演示Adobe的Photoshop。开发者们现在可以将当前的桌面应用带到Windows Store上了。打通桌面程序后，Windows商店应用稀少的问题有望得到彻底解决。

　　第三，Android、Java、C++!大家将能够重用几乎所有Android手机应用上的Java和C++代码了！然后将之用于打造Windows 10应用。为了实现这一点，Windows Phones将包含一个“Android子系统”。

　　第四、Object C语言编译的iOS应用也可以转化成Windows 10应用！这意味着Xcode开发出的工程移植起来也很方便。

　　微软手机上目前应用太少，导致用户也少，微软此举是为了吸引开发者移植应用，降低移植应用的成本，从而增加Windows 10的应用量，以提升用户体验。

　　但分析师指出，在软件移植中会出现一种“最小公分母现象”（比喻大众化的产品最为平庸），那些最希望采用低成本手段，将软件移植到其他平台上的人，也是最不愿意在每一个平台上，将用户体验做到最精致的人。因此，微软的兼容和移植政策，无法吸引到安卓和iOS平台中最优秀的软件。

　　对于Android和iOS开发者来说，如果微软的工具能完美转化应用到Windows10平台，那么移植过去成本不高也是可以接受的。但是，软件开发商将一个应用移植到另一个平台，并非用一个工具就能解决，需要大量的开发测试和后期维护，对于开发商来说成本提高很多，但因为目前Windows10手机用户非常小，因此可能无法收回成本，因此指望这个工具让软件开发商大量移植应用可能并不实际。如果只是粗糙地重新编译后移植，应用里肯定会有各种各样的BUG和问题，导致用户使用体验下降，这反而会导致Windows10手机用户地降低。

　　因此可见，微软推动开发商移植Android和iOS应用到Windows10，对于目前的移动格局可能影响不大，马太效应会导致强者愈强、弱者愈弱，移动平台的格局已经被Android和iOS瓜分，微软想在分一杯羹的机会非常渺茫。

评论《微软为Win10开发Android和iOS快速移植工具》的内容...

微博：新浪微博 - 微信公众号：williamlonginfo
月光博客投稿信箱：williamlong.info(at)gmail.com
Created by William Long www.williamlong.info