ZDNET网络频道 06月08日 编译:即将走马上任的思科CEO查克·罗宾斯周四公布了他的10人领导班子,此为罗宾斯为推动思科进入数字时代所定下的的战略中的一步。思科同时还透露,三个现任核心高管会退下来,其中包括首席技术官Padmasree Warrior和头号行政高管Edzard Overbeek。
罗宾斯在一份声明中称,“我今天宣布了领导班子的名单,我非常有信心我们将加大创新的步伐、抛离竞争对手。”
据悉,10人领导班子里的9人是现任思科高管,唯一的新面孔是Ruba Borno博士,他将出任行政主管兼增长计划副总裁。增长计划副总裁是总部设在美国加州圣何塞的思科公司的一个新职位。Borno原任全球性管理咨询公司波士顿咨询集团技术、媒体和电信、人员与组织的总监兼负责人。
领导班子里的其他人是一些熟悉的面孔但头衔变成了新的,其中包括:Rebecca Jacoby,新任高级运营副总裁;Hilton Romanski,新任首席技术暨策略官;Mark Chandler,新任高级副总裁兼法律总顾问;Joe Cozzolino,新任高级服务副总裁;Karen Walker,新任首席营销官;Fran Katsoudas,新任首席人事官;Chris Dedicoat,新任高级全球销售副总裁(他的升迁是上周披露的)。
另外,新领导班子里亦有保留原职不变的,他们是:Pankaj Patel,任执行副总裁兼首席开发官;Kelly Kramer,任执行副总裁兼首席财务官。
罗宾斯表示,“这是一个非常棒的团队,团队拥有丰富的经验、专业知识和良好的背景,这些必将更快地推动我们朝着目标前进、加快我们的创新和执行、简化业务、更严谨地完成所有的运作并激励我们优秀的员工团队更上一层楼。”
此外,罗宾斯将于大约7个星期后的7月26日正式出任思科CEO一职,从长居一把手位子的约翰·钱伯斯手里接过帅印。他提前宣布了新领导班子的组成。罗宾斯本周还表示,首席运营官Gary Moore和开发和销售总裁Rob Lloyd将于7月25日离开思科。新领导班子里的大部分高管之前曾是Moore或Lloyd的下属。
TekLinks是一家总部设在美国亚拉巴马州Birmingham的解决方案提供商和思科金牌合作伙伴,该公司管销售的执行副总裁Michael Girouard表示,“这个新团队带点不成功便成仁的味道。我有少少被雷到,但感觉乐观。思科是不会没有经过盘算的。但这些都是绝对大胆的举措——行业里不会有太多人会这样做。”
思科周四还表示,首席技术暨策略官Warrior、管思科服务的高级副总裁Overbeek及管行业解决方案的执行副总裁兼首席全球化官Wim Elfrink将离开思科。
另外,Warrior将担任策略顾问的角色,会留任思科至九月底。就此证实了本周前一阵爆出的她将离开思科的传闻。 Overbeek也将担任顾问,任期一年,而Elfrink将于7月25日正式退休。前一阵曾盛传Lloyd、 Moore、 Warrior和Overbeek都是思科CEO一职的候选人。最终得到首肯出任CEO人却是罗宾斯。
Sentinel Technologies是美国伊利诺斯州Downers Grove的一家公司,是思科合作伙伴。该公司业务发展高级副总裁Robert Keblusek表示,“Warrior很聪明,但我觉得思科很多人都非常聪明。”
另据钱伯斯5月4日透露,罗宾斯获思科董事会全票通过出任网络巨头思科的掌舵人。虽然该消息的公布才一个月,合作伙伴认为罗宾斯这个甚为牛气的领导班子的任命并非仓促之举。
Keblusek表示,“我猜他们已经商量一阵子了。不会是过去几个星期的事。我希望他们成功完成了重组,令公司结构可以真正促进公司向前发展,打造更好的实践,打造更好的产品,使得思科跟得上市场和云业务的不断发展。罗宾斯和钱伯斯不一样……我觉得你的团队必须能推动自己的愿景的实现。希望他们做到了这一点。”
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。