微软AI新时代:Azure的重要度远超Windows
相关评论
来源:
作者:
发布时间:2018-05-27 14:05

微软AI新时代:Azure的重要度远超Windows

微软全球执行副总裁、微软人工智能及微软研究事业部负责人沈向洋

在Build 2018大会召开12天后,微软将其AI新战略从西雅图搬到了北京。

这是微软首次在北京举办的大规模人工智能大会。

微软全球执行副总裁、微软人工智能及微软研究事业部负责人沈向洋携微软技术院士黄学东、微软最新成立的云计算与人工智能事业部全球高级副总裁郭昱廷、微软(亚洲)互联网工程院副院长李笛上台,全面展示了微软在人工智能领域的技术、资源以及合作部署。

此次大会,微软推出多款新品方案以及合作计划,彰显出微软全面押注AI,争夺云计算与边缘计算市场的决心。

下面,智能菌为大家梳理了微软在中国AI市场的布局策略:

Azure:微软AI新时代的宏愿

与微软不久前举办的Build大会相同,微软此次在中国召开的人工智能大会也将重点放在了基于Azure的智能云与边缘计算上。

微软之前宣布了Azure IoT Edge开源,据悉,Azure IoT Edge能够在Linux和Windows上运行,能够允许开发者进行扩展、添加功能,并部署到任何环境中。

数据显示,到2020年全球智能边缘设备的总数将超过200亿台,微软对Azure IoT Edge物联网服务寄予厚望。

会上,微软还发布了最新的Azure Sphere预览,这是一款为联网微控制器(MCU)提供工业级安全保障的完整平台级解决方案。Azure Sphere方案将提供经过特殊设计的安全芯片、安全操作系统和云端安全。

目前,每年全球有90亿片微控制器被安装到从家用电器到工厂设备的各种机器中,但只有1%具有联网功能,Azure Sphere力图打开这一市场。

微软基于Azure云的认知服务于两年前推出,主要是以API的形式为开发者提供AI能力,覆盖语音、视觉、语言、机器翻译、OCR识别等24项服务。目前,微软已经有超过100万开发者使用认知服务。其中,据黄学东介绍,微软的语音和翻译新产品包括统一语音解决方案、量身定制功能、麦克风阵列开发系统。

微软还介绍了微软智能云上的一项托管服务Azure Batch AI,这项服务允许数据科学家和人工智能开发者以非常简单的方式利用包括GPU在内的Azure云计算资源对人工智能模型进行训练。

在对话式交互领域,微软重点介绍了Azure Bot Services对话机器人服务,目前已经累计有30万开发者采用该服务开发。对话机器人服务能够根据业务需求进行定制,还支持发布到微软小娜(Cortana)上。

不管是针对物联网的Azure IoT Edge,还是MCU解决方案Azure Sphere,托管服务Azure Batch AI,对话机器人服务Azure Bot Services,还是微软认知服务,微软都在加速基于Azure的全面AI部署方案。

据沈向洋透露,Azure智能云已覆盖全球50多个区域,并获得超过70项安全合规认证”。“Azure汇聚了微软在人工智能领域的全部投入与技术积累,是开发、部署、运行人工智能的最佳云平台,同时也是将智能云与智能边缘融会贯通的关键环节。”

由此可见,新战略下微软对于Azure的重视程度早已超过了Windows。

从平台级开发商切入,大规模收割市场

在微软Build大会上,纳德拉提出了微软未来的新定位,即致力于成就“智能云与智能边缘”时代的数字化转型。

要想实现这一目标,有Azure和一系列的技术平台基础后,还需要大规模的应用。

这一次,微软放下身段,大量吸引平台级开发商深度合作。

在Build大会上,微软也已经与亚马逊合作,将微软小娜结合到Alexa智能音箱中,让用户通过Alexa调用小娜及其背后的人工智能服务。

微软还宣布与高通合作打造运行Azure IoT Edge的视觉人工智能开发工具包,开发者可以利用Azure 机器学习服务及高通视觉智能平台与高通人工智能引擎的硬件加速开发应用解决方案,摄像头也可以用于更高级的Azure服务,例如机器学习、流分析和认知服务,并且可以从云端下载到边缘环境中在本地运行。

而在此次会议上,微软再次展示了其与无人机制造商大疆创新(DJI)达成的深度合作,后者将利用微软Azure IoT Edge服务开发适用于农业、建筑行业、公共安全及更多应用场景的解决方案。

微软还与合作伙伴小米生态链企业香蕉合作展示了基于微软认知服务开发的魔芋AI翻译机,能够提供14种语言的实时语音翻译。中国移动也正在与微软在语音识别、机器翻译技术应用方面展开深入合作。

会上,微软合作伙伴才云科技展示了利用Azure Batch AI服务为唯品会开发了容器化的人工智能解决方案,将其海外业务团队的效率提升了85%,对100万张图片进行分析标签化处理的时间缩短到之前的1%,让AI系统迭代的速度获得了极大的提升。