无法入睡的“徐霞客”
在第100场锐捷“云课堂”产品用户推荐会之后,累得趴在床上的何捷(化名),却怎么也睡不着。这不是因为当天就是他的生日,而是学校一位信息技术老师在会场,紧握着双手的反复感谢,让他和研发团队久久都无法平复兴奋的心情。
从进入教育行业第一天起,何捷就在考虑,如何扎根这一领域,为自己的用户带来实实在在的帮助,成为真正名符其实的行业信息化顾问。虽然“满足行业需求的专家”,早已经成为业内很多公司的“口头禅”,但这些响亮的口号,很多最终沦为营销的“噱头”。能够获得行业用户的认可,远没有看起来那么简单。
怎样了解一个行业?让调查公司帮助做几个问卷、分析屏幕上Excel汇总的数据、搞几次大规模的座谈会……,这是很多企业的“传统套路”,不过,何捷心里明白,按照这些方法,永远也不可能成为这个行业的顶尖专家。
面对强手如林的竞争企业,他们既有资金、品牌的强大优势,也不乏读万卷书的高知精英。如何确立锐捷网络的行业优势?何捷想到的只有一个“笨”办法,那就是,下苦功夫,行万里路,当一名教育行业的“徐霞客”,更多地积累经验,接触了解这个行业的第一线应用。
回忆起近一年来,让很多学校老师感动和认可的“云课堂”产品,他脑海中首先浮现的,就是在“云课堂”产品雏形研发地,那无数个挑灯夜战的场景。
为“朋友”住进校园小阁楼
当时,何捷在锐捷网络负责教育信息化工作已经有了7个年头,长期在校园工作、交流,让他和很多一线老师,特别是计算机教室的老师成为了知己。工作或闲暇之余,常常听到他们抱怨计算机教室的低效率,开机慢、温度高、噪音大,繁琐单调的运行维护工作一再重复。虽然这些抱怨早已经是行业“惯例”,但当这个“话题”被反复提起,何捷开始暗自琢么,要开发一套新方案,替朋友们“解除烦恼”。终于,在一次帮助某学校应对计算机考试,为千台计算机重装了3天系统之后,对朋友们“痛楚”再次深刻体会的他下定决心,带领产品研发团队,开始了针对计算机教室的“改变之旅”。
研发一款能够解决行业痛点的全新产品,绝不是一件简单的工作,通常都要回到企业总部研发基地,进行封闭深入开发。不过,为了让新产品能够更贴合一线应用,何捷和他的团队思量再三,向公司申请,把研发场地定在了学校,因为这样可以做到“研发和应用”同步。于是,这只团队最终来到了昆明的一所职业学校。由于办公场所有限,而研发小组又希望离机房尽可能的近,所以学校只能提供计算机教室上方的阁楼。正是在这狭小艰苦的环境里,团队人员夜里研发、白天让老师体验,反复修正,“云课堂”就这样从无到有,终于诞生在扎根行业应用的艰辛之路上。
“骑驴”送来“云课堂”
“云课堂”正式推向市场之后,在“北、上、广”这些一线城市中迅速得到了教育信息化专家和各级学校的认可。不过,“云课堂”所具备的特性,其实更能给师资匮乏、基础较差的边远地区学校带来收益。如何让更多偏远地区的一线教师也能用起来,让新产品的特性帮助更多的学生呢?锐捷产品团队提出“出去讲、带着用、共体验”的理念,再次开启了行业“徐霞客”的万里长路。
何捷回忆,一次看着队员们发来的照片,上面很多的地名让他非常的诧异。于是他拿起电话问道:“你们这是到哪儿了,鹰嘴峰、仙人洞、赤龙岭……怎么跟武侠小说似的?”话筒的另外一头回答:“你还真说对了,我们就是像小说里一样,骑着驴过来的!“原来,目的地学校非常偏远,还差一百公里就到边境线了,由于近日连降大雨,难以通行,锐捷员工只能骑驴进校了。
如今,锐捷网络的“云课堂”已经成功部署在这所小学的计算机房,丰富多彩的教学系统镜像,老师仅需轻松地一键选择,学生即可获得多样化的教学环境,体验到云计算教育带来的无限魅力。谁也想不到,它第一次进校门的时候,是“骑着驴“来的。
“千节课”与“万里路”
走进课堂,成就了云课堂今天的成绩,为了从更深层次把握行业需求,改进和优化产品细节,除了接触计算机教室维护这个“老本行”,还需要对课堂教学整个环节进行深入了解,为此,何捷和他的团队已经无法记得“听了多少节课”,据他回忆,每个人加在一起上千节课总是有的。
对于如此“繁重”的听课人物,锐捷相关员工并没有表现出任何不耐烦,因为据何捷介绍,在锐捷的“听课大军”中,有时还能够遇到一个熟悉的身影,这就是锐捷网络的总裁刘中东。用他的话讲:“很多人不知情,在福州一中,以为刘总是一位信息技术教师。而在曹杨二中,他端着数学书,坐在最后一名学生的后面,更像个学霸。”
扎根行业的创新,要耐得寂寞,要行万里长路。锐捷人,正用最扎实的行动,写出最精彩的答案!
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。