ZD至顶网CIO与应用频道 03月29日 评论消息(文/孙博):在这篇采访稿的开头,我们有必要一起做下回顾。
差不多三个星期前,北京时间3月8日那天,微软如承诺所言,正式对外宣布推出Visual Studio 2017,同时庆祝Visual Studio的20岁生日。
Visual Studio是微软公司开发工具的系列产品。其中包含了整个软件生命周期中所需要的大部分工具,如UML、代码管控等等。而此次2017版本的发布,微软方面宣称是有史以来最具生产力的版本,它将帮助任何开发者在任何平台上构建任何应用程序。
据微软开发平台事业部全球资深副总裁潘正磊透露,从发布到现在的两个星期时间内,客户正积极下载和使用Visual Studio 2017版本,速度甚至超过以往任何版本。
微软开发平台事业部全球资深副总裁潘正磊
新版本做了哪些轻便的调优
微软声称这是迄今为止最具生产力的版本,其内建工具整合了.NET Core、Azure应用程序、微服务、Docker容器等内容。而对于新版本如此受欢迎的原因,相较以往版本,此次又有哪些提升,对此潘正磊给出了答案。她先从云的角度谈起。
潘正磊说,此次他们做了几部分的工作。一部分是和微软内部的Azure团队一起合作,让用户不用在云端就可以直接调试代码。一部分是针对整个开发流程,从调试到发布中间的调整。以及当代码发布到云上后,涉及代码的性能、调试等场景进行了优化。
除此之外,在其他方面新版本也做了很多的调优。例如编程语言,用户可以在Visual Studio的平台上,无论使用哪些开发语言,都能够非常容易的进行开发。并且通过对Visual Studio和Visual Studio Code的技术整合,实现代码共享的功能,这样只需一套代码即可。
潘正磊说,Visual Studio变得更为快速、精简,即使所面对的应用开发和项目愈加庞大,也能够让开发者享受到全新的安装体验,让一切变得轻便而模块化。
Any Developer,Any App,Any Platform
“近一两年开始,Visual Studio 2017改变了我们的战略。我们现在的战略是拥抱所有开发人员,所有开发平台,支持开发人员开发任何的应用。”潘正磊说,微软的愿景是“Any Developer,Any App,Any Platform”。
早在Visual Studio2012版本时期,该工具还只支持Windows。在战略转型后,Visual Studio变成了一个跨平台和开源的产品,现在还同时支持iOS、Android、Mac。以此可以折射出微软对开发者的全新态度。
从微软近两年一直在强调的“移动为先,云为先”中不难看出,移动化和云是其着重发展的两大业务。因此对于此次Visual Studio 2017版本的发布,是否是希望借此来推动微软云计算平台Azure的更大发展,对此潘正磊提到了四个字——自然而然。
首先潘正磊肯定了记者的提问,她说Azure作为微软的一个重要平台,的确非常希望用Visual Studio 2017来对其推波助澜。
“放眼全球,软件愈发成为每个大公司的业务核心。对于微软来说,它的DNA里面就是关注开发者的,本身具有非常强的开发工具和服务。我们当然可以利用在开发者心中的位置,这一优势来带动Azure平台的提升。这是自然而然的一件事。”
Visual Studio 2017版本从上线以来还不到一个月的时间, 至于下一级段的打算,潘正磊说希望吸引更多的开发者,从而提高Visual Studio 2017的月活量。同时,还将对Azure功能做进一步的提升,以及针对时下流行的Micro Service(微服务)和Container(容器技术)等在平台上的体现,让用户的开发、调试、分析体验能更加方便快捷。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。