张亚勤离职微软的背后隐藏着什么?

张亚勤离职微软的背后隐藏着什么?(转)


在中秋团圆,满屏被祝福刷爆的时候,没想到互联网的圈子里爆出了张亚勤要离开待了近16年的微软的消息。9月8日上午,微软亚太研发集团确认微软全球资深副总裁、亚洲研发集团主席张亚勤由于个人原因即将辞职,将出任百度新业务总裁,这是任命Andrew Ng为首席科学家之后,百度又一次的重量级的挖角。

作为被《MIT 科技评论》选为全球最引人瞩目的 CS 研究院微软亚洲研究院(MSRA)创始人,张亚勤2003 年创建了微软亚洲工程院(ATC),2004 年晋升为微软公司资深副总裁,回到微软总部先后掌管移动与嵌入式产品 Windows Mobile 和 Windows CE,是领导微软进入 PC 之外市场的核心领军人物。

印象中,张亚勤在好几次接受采访的时候,都曾说过,“当我对某项工作驾轻就熟的时候,就意味着这段工作生涯即将要划上句号,我会主动寻找另一个能够让我兴奋的工作。我是个不停追逐下一个‘兴奋点’的人。”

我们先来回顾一下张亚勤在微软做出的贡献和创造的兴奋:从基础研究、技术孵化到产品开发和产业合作,微软在华建立了微软在美国以外规模最大、职能最完备的研发体系;微软亚太研发集团对包括MicrosoftAzure、Windows Server、SQL Server、Office、Bing、Windows、Surface、Xbox、Kinect及Windows Phone在内的微软全线产品都有着杰出的贡献;经过16年的建设,微软在北京中关村的研发团队几乎变成了中国IT产业的黄埔军校……

那么,是什么原因让张亚勤觉得在微软失去了兴奋点,想要寻找另一个工作,张亚勤离职微软的背后究竟藏着什么秘密?

一、张亚勤的离职发生在微软接受反垄断调查的大背景下。工商总局上周宣布,限微软在 20 天内提供书面解释,并回应内地公司举报的包括 Windows 和 Office 软件兼容性在内的问题。其实,这次闹得沸沸扬扬的微软反垄断案和当年我国查谷歌涉黄是一样的,各路媒体都积极参与其中,不过这次的声音几乎是一边倒,那就是微软是错的,为什么会这样?

在互联网思维已经快被说烂的今天,微软并没有为长期支持它的用户构建易用的平台与极致的体验,反而在互联网时代仍然以旧的模式去创造盈利,高价的售卖软件产品,既然大家都不更新系统软件,那就直接武断的停掉XP的一且服务,这种不以用户为中心,不以开放的心态去迎合时代的做法是无法赢得人心的。所以不仅媒体如此,通过观察微软被调查的分析文章评论可以看出,用户对于微软同样没有太多好感,这算是张亚勤对微软逐渐丧失兴奋点的第一个原因。

二、微软就于7月中旬就展开了史上最大规模的一次裁员,人数高达1.8万人,其中70%左右集中在诺基亚设备与服务部门,中国地区的员工也难逃被裁厄运。而微软N+2的裁员补偿让很多员工大为不满,微软中国诺基亚被裁员工甚至一度爆发集体抗议。在我看来,员工集体抗议的原因主要在于微软的失信,一是微软收购诺基亚之初曾经承诺一年内不裁员,而目前仅过去不到4个月;二是大陆员工与台湾员工的补偿方式不统一。

之前有看过一个段子,讲一个被微软裁掉的员工面试新的工作,HR问他,你会用Office软件吗?这个员工无奈的一笑,说,是我创造了Excel!员工为企业创造了辉煌,却没有应得的待遇,而企业暴力裁员、屡失诚信,员工怎能对企业不寒心?作为中国人的张亚勤,难免也会感到唇亡齿寒,这可能是他对微软逐渐丧失兴奋点的第二个原因。

三、中国互联网的崛起。现在看来,凭借国内庞大且独立的市场,中国是最有可能在互联网领域赶上美国的国家,而具体到人才上,这不仅体现在不时挖角硅谷的新闻上,也能反映在节节攀升的高管收入上。2005年百度登陆纳斯达克交易所,造就了8位亿万富翁、50位千万富翁和240位百万富翁,而百度当时的总员工数量才750人;而阿里巴巴的即将上市也将“批量生产”无数个百万富翁……..中国互联网发展十年来,从雅虎到易贝,哪个外国公司能打得过中国公司?如今已变成面对崛起的中国互联网企业,外国列强如何在中国立足?

十六年前,热情澎湃的张亚勤说,要在中国建一个全球顶尖的计算机研究院,五年后他做到了;九年前,临危受命的张亚勤说,要在中国创建一个完整的微软研发组织,五年后,他也做到了;五年前,追逐兴奋的张亚勤说,要普及云计算和移动互联,想看到微软亚太研发集团能做出一个可能影响世界的产品,五年后,他做到了也看到了。如今,中国的互联网崛起了,外企出现颓势,这不仅算是张亚勤对微软逐渐丧失兴奋点的第三个原因,也是他找到了真正更加令他兴奋的工作。

综上所述,张亚勤离职微软可谓意料之外,情理之中,之前有微软高管张宏江加盟金山、科学家李航出走华为,未来将会有更多的外企人才回归本土企业已是必然,看好中国的互联网!

本文为百读社原创,首发百度百家,转载请注明出处。微信公众号:百读社(baidu_she),网站:www.baidushe.com

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值