黃學(xué)東宣布，自己將離開已任職30年的微軟，出任Zoom的CTO。

從昨天開始，整個(gè)業(yè)內(nèi)被這條消息震動(dòng)了。

自從ChatGPT引爆了大模型之戰(zhàn)，全球的大廠都在重新布局戰(zhàn)略版圖，AI人才的爭奪戰(zhàn)，也進(jìn)入了白熱化。

而今，黃學(xué)東的離職，也是這場時(shí)代洪流中濃墨重彩的一筆。

如此重量級的技術(shù)大佬出走，江湖上勢必掀起一場腥風(fēng)血雨。

在微軟30年，黃學(xué)東帶領(lǐng)的團(tuán)隊(duì)在語音識別、機(jī)器翻譯、自然語言理解和計(jì)算機(jī)視覺等方面都取得了里程碑式突破，可以說沒有短板，結(jié)合下Zoom的業(yè)務(wù)場景，這一定是盤大棋。

關(guān)于黃學(xué)東加入Zoom后要從事的業(yè)務(wù)方向，專家和網(wǎng)友們已經(jīng)紛紛展開了猜測。

告別信

在新智元獨(dú)家獲得的告別信中，黃學(xué)東也透露了自己進(jìn)軍Zoom后的方向——推動(dòng)從AI到AR的新技術(shù)和產(chǎn)品。

在微軟度過了30年不可思議的時(shí)光，今天是我告別的日子。

能夠?yàn)檫@個(gè)杰出的公司做出貢獻(xiàn)，并與擁有聰明才智的人們一同共事，是我的榮幸。我會永遠(yuǎn)銘記在這里的回憶和經(jīng)歷。

我將加入Zoom，擔(dān)任該公司的新任首席技術(shù)官（CTO），我將主要推動(dòng)從AI到AR等領(lǐng)域的新技術(shù)和產(chǎn)品。

Zoom承諾將投資于創(chuàng)新領(lǐng)域，這令人鼓舞，我也很興奮能夠成為這個(gè)充滿活力的「初創(chuàng)企業(yè)」的一員。

而對于微軟同事們始終如一的支持、指導(dǎo)和合作，我深深感激。

我們共同取得了非凡的里程碑，在Azure AI上取得的建樹已經(jīng)改變了整個(gè)行業(yè)，包括最新的OpenAI服務(wù)。

對于所有朋友和同事們，我無比感謝我們共同擁有的珍貴回憶和知識。

我相信我們的聯(lián)系將持久存在，我們對技術(shù)和人工智能的熱情將繼續(xù)激勵(lì)所有人。

除了Zoom給出的承諾，創(chuàng)始人袁征的華裔身份或許也是一個(gè)原因。作為第一代中國移民，袁征在國內(nèi)和美國都有學(xué)習(xí)和工作的經(jīng)歷，和黃學(xué)東應(yīng)該有不少共同語言。

當(dāng)30年元老選擇離開

作為第一位加入微軟研究院體系的華人科學(xué)家，黃學(xué)東一直是微軟華人AI版圖上不可或缺的一塊拼圖。

在微軟，他已經(jīng)任職了超過30年。

離職前，黃學(xué)東擔(dān)任Azure AI首席技術(shù)官，不僅是微軟首位全球華人技術(shù)院士，也是微軟最高級別的華人科學(xué)家

黃學(xué)東分別于2017年和2020年，當(dāng)選ACM和IEEE會士，并于2023年同時(shí)當(dāng)選美國國家工程院院士和美國藝術(shù)與科學(xué)院院士。共計(jì)擁有170多項(xiàng)美國專利，發(fā)表100多篇論文和2本著作。

在此之前，他于1989年獲得愛丁堡大學(xué)的博士學(xué)位，1984年獲得清華大學(xué)的碩士學(xué)位，1982年獲得湖南大學(xué)的學(xué)士學(xué)位。1989年曾在卡內(nèi)基梅隆大學(xué)進(jìn)行博士后研究，之后加入卡內(nèi)基梅隆大學(xué)計(jì)算機(jī)科學(xué)學(xué)院的教職。

1992年，黃學(xué)東領(lǐng)導(dǎo)卡內(nèi)基梅隆大學(xué)語音識別項(xiàng)目Sphinx-II，實(shí)現(xiàn)了業(yè)界最低的錯(cuò)誤率，并刷新了DARPA語音評估史上錯(cuò)誤降低速度的最高記錄。

這個(gè)消息震動(dòng)了微軟，人事部傾巢出動(dòng)，想要挖來這個(gè)團(tuán)隊(duì)。最后，蓋茨親自出面，才終于請動(dòng)黃學(xué)東。

1993年，黃學(xué)東加入微軟研究院，成立了微軟的語音技術(shù)團(tuán)隊(duì)。

在他的牽線搭橋下，微軟于1996年在北京建起第一個(gè)亞洲研究院，亞研院也在日后成為中國AI屆的黃埔軍校。

隨后，微軟研究院陸續(xù)加入了李開復(fù)、張亞勤、沈向洋、洪小文等知名華人學(xué)者。

在三十年間，微軟經(jīng)歷了多次人事變動(dòng)，而黃學(xué)東始終堅(jiān)守，帶領(lǐng)微軟的人工智能團(tuán)隊(duì)取得了一項(xiàng)又一項(xiàng)里程碑式突破。

通過Windows SAPI（1995年）、Speech Server（2004年）和Azure Speech（2015年）等產(chǎn)品的推出，黃學(xué)東將語音技術(shù)帶入大眾市場。

在1995年，黃學(xué)東主導(dǎo)研發(fā)了業(yè)界首個(gè)語音應(yīng)用程序編程接口(SAPI)，讓數(shù)百萬客戶能在Windows應(yīng)用程序中便捷使用語音人工智能技術(shù)。

此后，他負(fù)責(zé)領(lǐng)導(dǎo)的微軟人工智能團(tuán)隊(duì)，在語音識別、機(jī)器翻譯、自然語言理解和計(jì)算機(jī)視覺等方面，取得了多個(gè)歷史性突破。

2016年，微軟首次在對話式語音識別領(lǐng)域，讓計(jì)算機(jī)能夠像人類一樣識別每一個(gè)單詞。2017年，準(zhǔn)確率首次超過人類專業(yè)速記員。

2018年，微軟機(jī)器翻譯系統(tǒng)，首次達(dá)到了與人類持平的水準(zhǔn)。

2019年，微軟機(jī)器閱讀理解系統(tǒng)，在對話式問答任務(wù)中首次超過人類。

2020年，微軟計(jì)算機(jī)視覺圖形傳字幕系統(tǒng)，在計(jì)算機(jī)視覺看圖說話任務(wù)中首次超過人類。

而最近的高光時(shí)刻，是黃學(xué)東領(lǐng)導(dǎo)微軟認(rèn)知服務(wù)團(tuán)隊(duì)和OpenAI合作推出的Azure OpenAI Services， 包括微軟云的ChatGPT服務(wù)。

正是OpenAI服務(wù)，使得ChatGPT能在全世界進(jìn)行大規(guī)模商用。

Azure Speech、Vision、Language和OpenAI Services等Azure認(rèn)知服務(wù)，使Azure成為覆蓋數(shù)百種語言、為全球數(shù)十億客戶提供服務(wù)的領(lǐng)先工業(yè)人工智能平臺，使機(jī)器看到、聽到、說話和理解人類語言成為現(xiàn)實(shí)。

在微軟云平臺上用一個(gè)統(tǒng)一的大規(guī)模基礎(chǔ)模型和多模態(tài)基礎(chǔ)模型聯(lián)合工作，實(shí)現(xiàn)了人工智能質(zhì)的飛躍，并且奠定了微軟云平臺人工智能產(chǎn)業(yè)化的全球競爭力。

微軟的技術(shù)突破

通過巨量包括文本，圖片，語音等多模態(tài)數(shù)據(jù)的預(yù)訓(xùn)練，基礎(chǔ)模型可以被應(yīng)用到各類任務(wù)上，比如問答、物體識別、信息抽取等。相比于處理單個(gè)任務(wù)的模型，基礎(chǔ)模型在部署速度和性能上都更占優(yōu)勢。

而微軟的人工智能技術(shù)，便是建立在基礎(chǔ)模型（Foundation Models）之上。

其實(shí)，我們可以從一個(gè)獨(dú)特的視角來看待人類認(rèn)知的三個(gè)屬性之間的關(guān)系：單語言文本（X）、音頻或視覺感官信號（Y）和多語言（Z）。

在這三者的交叉點(diǎn)上，有一種神奇的東西——XYZ-code。這種聯(lián)合表征可以創(chuàng)造出更強(qiáng)大的AI，從而更好地說、聽、看和理解。

語音

2017年，微軟就把基礎(chǔ)模型融合到了語音產(chǎn)品中。這種方式不但能減少大量的工程勞動(dòng)，還提升了模型在各個(gè)任務(wù)上的性能。

根據(jù)斯坦福發(fā)布的AI Index2021報(bào)告，微軟的語音識別準(zhǔn)確率處于行業(yè)第一。

語言

2022年初，微軟發(fā)布了全新的機(jī)器翻譯模型Z-Code，可以通過遷移學(xué)習(xí)利用跨多種語言的共享語言元素，將知識從一項(xiàng)任務(wù)應(yīng)用到另一項(xiàng)相關(guān)任務(wù)。

與傳統(tǒng)的神經(jīng)機(jī)器翻譯方法不同，Z-Code不僅使用多語言的數(shù)據(jù)在機(jī)器翻譯任務(wù)上進(jìn)行訓(xùn)練，還使用了單語言數(shù)據(jù)作為補(bǔ)充，在掩碼語言模型（MLM）任務(wù)上訓(xùn)練。此外，還通過多任務(wù)學(xué)習(xí)，同時(shí)優(yōu)化多個(gè)目標(biāo)函數(shù)。

鑒于Z-Code不俗的表現(xiàn)，黃教授團(tuán)隊(duì)又進(jìn)一步將Z-Code升級拓展為Z-Code++，使其可以完成文本摘要任務(wù)，并在GENIE benchmark上取得了第一名的好成績。

Z-Code++僅針對抽象式文本摘要任務(wù)進(jìn)行優(yōu)化，在5種語言的13個(gè)文本摘要任務(wù)中，有9個(gè)達(dá)到新sota性能，成功超越一眾大模型，參數(shù)量僅為PaLM的600分之一，GPT-3的200分之一，性價(jià)比爆棚。

論文地址：https://arxiv.org/abs/2208.09770

視覺

2021年底，微軟發(fā)布了一個(gè)新的計(jì)算機(jī)視覺基礎(chǔ)模型Florence（佛羅倫薩），目的是要用一個(gè)模型一統(tǒng)多模態(tài)天下。

論文地址：https://arxiv.org/pdf/2111.11432.pdf

現(xiàn)有的視覺基礎(chǔ)模型，如CLIP、ALIGN等，主要側(cè)重于將圖像和文本映射到一種跨模態(tài)的共享表征。

Florence則將表征進(jìn)行了拓展，不僅擁有從粗略（場景）到精細(xì)（對象）的表征能力，還將視覺能力從靜態(tài)（圖像）擴(kuò)展到動(dòng)態(tài)（視頻），從RGB圖像擴(kuò)展到多模態(tài)（文字、深度信息）。

通過整合圖像-文本數(shù)據(jù)的通用視覺語言表示能力，F(xiàn)lorence可以輕松適用于各種計(jì)算機(jī)視覺任務(wù)，如分類、目標(biāo)檢測、VQA、看圖說話、視頻檢索和動(dòng)作識別，在多種類型的遷移學(xué)習(xí)中均表現(xiàn)出色。

Florence成功地表明基礎(chǔ)模型可以適應(yīng)各種下游任務(wù)，最終集成到現(xiàn)代計(jì)算機(jī)視覺系統(tǒng)中，為現(xiàn)實(shí)世界的視覺和多媒體應(yīng)用提供動(dòng)力。

微軟持續(xù)裁員，或?qū)⒂瓉黼x職潮

除了大佬的出走，整個(gè)微軟團(tuán)隊(duì)最近都很動(dòng)蕩。

據(jù)說無論是微軟中國還是西雅圖，很多華人都要出走。

五月下旬，有一畝三分地的網(wǎng)友透露：「微軟今年沒有merit，increase不增加，base獎(jiǎng)金和股也減少。」

另一位一畝三分地的網(wǎng)友，也吐槽稱：「CEO雖然厲害，但是個(gè)人的感覺是，對股東是好CEO，對用戶和員工來說，是非常差的CEO。」

而一位已經(jīng)從微軟離職的推特網(wǎng)友，也對CEO的表現(xiàn)頗有微詞。

根據(jù)blind知名爆料人「Rain」的消息，微軟七月份將再次裁員數(shù)千人。

初步的時(shí)間安排是在7月4日之后，但部分團(tuán)隊(duì)尤其是國際團(tuán)隊(duì)，可能會在6月宣布變動(dòng)。

具體數(shù)量預(yù)計(jì)會在本月晚些時(shí)候得到更明確的消息，可能會根據(jù)一些具體的后勤情況有所調(diào)整。

大部分裁員將涉及客戶服務(wù)和支持等面向客戶的角色，但其他團(tuán)隊(duì)（包括之前已被定為目標(biāo)的團(tuán)隊(duì)）也將受到影響。