就在上周,科技網(wǎng)站The Information剛剛披露了亞馬遜AWS(云計算服務(wù))銷售與市場總監(jiān)Adam Selipsky離職的消息,而今天,他的新東家與新職位也被公開:將在可視化數(shù)據(jù)分析巨頭Tableau(市值在59億美元左右)擔任新的CEO。消息公布后幾個小時內(nèi),Tableau的股價就迅速上漲5個百分點。
作為亞馬遜AWS的得力干將,Selipsky是這個價值78億美元業(yè)務(wù)板塊任職時間最長的管理團隊成員之一。據(jù)其LinkedIn記錄顯示,早在2005年AWS還處于幼苗期時,Selipsky就加入亞馬遜并成為唯二被率先任命的兩位高管之一。
在一份個人聲明中,Selipsky稱自己非常興奮能夠加入Tableau。據(jù)一份提交給美國證監(jiān)會的文件顯示,除了50萬美元的基礎(chǔ)年薪外,Selipsky還將有資格獲得與基本薪水數(shù)額大致相同的年度激勵獎金。此外,他也將得到價值100萬美元(現(xiàn)金)的簽約獎金。
“Tableau將自己定位為分析領(lǐng)域的世界新標準,并具備了強大的客戶基礎(chǔ)、主導產(chǎn)品及頂尖的技術(shù)人才。我有幸成為其中的一員,將與團隊共同加強Tableau在商業(yè)分析領(lǐng)域的‘破壞力’。”
從Tableau方面來看,這也是公司在創(chuàng)立14年以來第一次迎來了他的新Boss。公司已宣布Selipsky將在今年9月16日正式上任。而作為公司的前CEO,Tableau聯(lián)合創(chuàng)始人Christian Chabot仍將繼續(xù)留任公司董事長一職。
在昨天的一次采訪中,Chabot將Selipsky稱為“具有轟動效應(yīng)的新領(lǐng)袖”,這明顯點明了后者在亞馬遜AWS任職期間積累的豐富“作戰(zhàn)經(jīng)驗”。要知道,Selipsky剛加入時的AWS只是一個低階項目,而如今它卻是讓亞馬遜獲得投資者支持的最大籌碼,每年可以為亞馬遜帶來將近100億美元的銷售額。
Chabot在談到AWS時,將其稱為“世界上最成功的科技平臺之一”,并表示:
“很顯然,AWS是一項驚人的創(chuàng)舉。我相信Adam將會幫助Tableau走出一段相似的發(fā)展旅程。”
股票幾乎被腰斬,連續(xù)季度性虧損,這名AWS老將難道是Tableau的一根救命稻草?
當被問及為何選擇在此時進行領(lǐng)導層重組時,Chabot表示這家匯集了3200名員工的企業(yè)已經(jīng)為進入下個階段做好了充分準備——成為地球上舉足輕重的科技公司之一。他強調(diào):
“在2013年IPO之前,我們從未擴大過自己的領(lǐng)導團隊。但在上市以后,公司成長速度更為迅猛,各種機遇與挑戰(zhàn)也層出不窮。這些變化讓管理層的拓展變得水到渠成,也讓我們?yōu)檫M入下個發(fā)展階段做好充分準備。”
從根本上來看,在過去一年中Tableau令華爾街焦慮的動蕩表現(xiàn)催生了這次“高層大洗牌”:2015年第4季度,盡管公司營收總額創(chuàng)下了2.03億美元的新高,但凈虧損卻達到4100萬美元。因此,其股票價值幾乎被“腰斬”,甚至到現(xiàn)在都沒有完全恢復。而在今年第一季度,公司股票又一次遭遇寒霜。目前,其交易價格維持在54.8美元上下。
股票市場的動蕩反映了Tableau的業(yè)務(wù)狀況——由于數(shù)據(jù)分析行業(yè)的競爭愈發(fā)激烈(與微軟、AWS及其他大公司進行正面交鋒),公司不得不想盡辦法來提高自己的收入水平。例如在今年早些時候,公司削減了近50%的招聘計劃。
當然,雇傭Selipsky的另一個重要目的是為了推廣Tableau最新的云端產(chǎn)品——Tableau Online。Chabot這樣解釋:
“未來5年內(nèi),我們在云計算領(lǐng)域的擴張將尤為密切。實際上,我們邀請Adam加入團隊的重要原因之一就是看重了他在云服務(wù)方面的特殊專長。如果他以后決定將發(fā)展戰(zhàn)略的重點放在云服務(wù)領(lǐng)域,我也完全不會驚訝。”
文章來源:36氪
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務(wù)上驗證有效性。