至顶网CIO与应用频道 06月21日 北京消息:近日,欧特克公司董事会正式宣布Andrew Anagnost先生将出任公司新一任总裁兼首席执行官。Andrew还将同时加入欧特克董事会,谱写欧特克砥砺前行,继往开来的新篇章。此前,Andrew担任欧特克临时联席CEO兼首席营销官。
欧特克公司总裁兼首席执行官Andrew Anagnost
欧特克董事会主席Crawford W. Beveridge表示:“我们非常欣喜地看到Andrew将履新欧特克总裁兼首席执行官一职,带领欧特克加速进入创新发展的新征程。在欧特克积极发展并成功推进商业模式转型的过程中,Andrew作为架构师和领导者以其敏锐的洞察力和前瞻性为公司做出了关键性的指导。相信在他的领导下,欧特克向云端和订购模式的转型之路将不断取得更多新的突破与成功。”
Andrew Anagnost拥有斯坦福大学航空工程与计算机科学博士学位。加入欧特克之前,他曾在洛克希德航空系统公司先后担任复合材料结构工程师和推进系统安装工程师,并以美国国家研究委员会(NRC)博士后研究员的身份在美国国家航空航天局(NASA)工作数年。1997年加入欧特克之后,Andrew在多个技术和战略职位上担当重要角色。他曾领导欧特克三维设计和工程软件Inventor的工程业务,并在任期内实现了五倍的利润增长。此外,作为公司全球商业战略与市场营销高级副总裁,Andrew还以其出色的领导力和大刀阔斧的改革,成功率领公司实现了向订购商业模式的转型,并大力推动了欧特克云技术与解决方案的落地和应用。
“当前,欧特克正处于转型发展的重要阶段,我很荣幸能够成为公司的首席执行官,带领欧特克进入新的发展阶段。Andrew Anagnost表示,“自35年前欧特克创造性地将计算机辅助设计(CAD)引入个人电脑端以来,我们通过坚持不懈的努力彻底改变了整个设计行业的面貌。过去10年里,欧特克更是开拓创新,锐意进取,竭力打造了一系列领创未来的突破性技术,奠定了自身当之无愧的行业技术领导者地位。此外作为首个将设计迁移到云端与移动端的公司,如今我们还致力于促进工程建设行业和制造行业在云端实现协同作业。因此,我非常荣幸能够携手欧特克全员一同挖掘更多创新可能,并进一步整合商业革新与产品创新成果,将欧特克打造成一个更加以用户需求为导向的公司,引领欧特克进入新的发展高地。”
事实上,自今年2月欧特克前总裁兼首席执行官Carl Bass先生宣布卸任以来,欧特克董事会在过去四个月里一直对首席执行官人选进行全面、深入的遴选评估工作。经欧特克董事会反复斟酌,Andrew将是欧特克在转型机遇下带领公司稳健推进自身商业模式转型和云转型的最佳人选。
欧特克董事会成员Carl Bass表示:“与Andrew在过去20多年的并肩合作让我深信,对于欧特克而言,他将是一位卓越的领导者,并将在新的职位上充分发挥他深厚的行业经验和远见卓识,对行业产生深远影响。他对公司、员工和客户的付出与专注,始终是我们宝贵的财富。很高兴未来能在董事会中继续和Andrew共事,并十分期待看到由他所开创的欧特克的新的未来。”
此外,欧特克还宣布公司高级副总裁、首席产品官兼临时联席首席执行官 Amar Hanspal先生将辞去其公司职位。Andrew表示:“Amar既是我们杰出的同事,也是我们难得的挚友。我们对Amar在过去30多年中为公司文化建设和产品线发展所做出的突出贡献深表感激。”
好文章,需要你的鼓励
近期有观点认为,大规模使用生成式AI和大语言模型会增强人类左脑的逻辑分析能力,同时削弱右脑的创造力,导致人类社会逐渐成为左脑主导的群体。但研究表明,左右脑功能分工理论缺乏科学依据,大脑两半球在创造性和逻辑性任务中都会协同工作。此外,AI不仅能辅助逻辑思维,同样可用于诗歌创作、图像生成等创意任务。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
微软全球AI巡展在迪拜举行,宣布启动Microsoft Elevate UAE项目,计划为超过25万名学生和教育工作者以及5.5万名联邦政府员工提供AI技能培训。该项目是微软152亿美元投资计划的一部分,旨在加强AI基础设施建设,培养本地人才能力。微软还将与G42和JAHIZ平台合作,为联邦公务员提供技术培训,支持阿联酋成为AI领域的区域和全球领导者。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。