ZDNet至顶网软件频道消息:ZDNet的Mary Jo Foley报道称,微软将赶在Windows触屏版Office发布前,率先向市场推出Android版的Office软件。她将这一举措的原因归结为市场占有率。微软想要Office运行在任何地方,而iPad和Android平台则是移动领域中的庞然大物。不过,此举也存在风险,可能会对微软自身移动平台造成损害。
iPad上的Excel
让旗下产品涉及所有平台成为微软新的工作重点,微软激进地对业务模式做出改变。对这样规模的公司来说,能够快速实现该目标,令人印象深刻。使其服务和软件遍及任何地方是一个远大目标,而考虑到微软总部不断变幻的气候,发布iPad版和Android版的Office软件有着重要意义。
即便如此,现在,对于Windows触屏版Office将会推迟到明年某些时候(根据Foley的报道)才会发布的消息,Windows平板用户们是高兴不起来的。Office软件如今可以在iPad上使用,而且很快也会应用到Android平板上了。
当前,Windows平板用户可以使用Office的全部套件,但用户体验并不好。微软为iPad提供了很棒的Office触屏版本,这就把在Windows平板上使用全套Office的体验甩开了好几条街。笔者同时拥有一台iPad和一台Windows平板,iPad上的Office实在太棒了,以至于在收到需要浏览的Office文档时,我不再去拿Windows平板了。
想一想这个场景:在我面前摆着一台iPad和一台优质的Windows平板电脑,而我抓起了iPad打开Office文档。Windows平板在使用Office的这个用途上被闲置,这样做很容易,也是出于直觉。
一位专业人士承认,他最近转手了他使用了一年的Windows平板电脑。原因是,他现在“在iPad上使用Word文档的体验要比在ThinkPad的平板上好”。
这可不是微软想看到的局面。曾经,使用Office文档的最佳选择是在Windows系统上,即使平板电脑也是如此。在iPad版本面世之前,这一直是Windows系统的一项优势。现如今,通过触屏功能在iPad上使用Office的体验,要比在任何Windows系统的平板电脑上都要好。
而这个情况同样可能会出现在Android版本的Office上。微软不会为Android系统发布一套操作体验差的Office产品。此举将会让如今拥有量极大的Android平板产品在运行Office方面胜过Windows。为了支持触屏Office必须再等上一年,这一现实也许会对Windows平板电脑的购买和使用造成冲击。
根据这位与我谈话的IT专业人士的说法,企业正在不断部署iPad。比起以往任何时候,拥有比Windows平板电脑上还好用的Office,让这一情况变得更为严重。Office是工作的重要工具,而如今在iPad上也可以使用了。一旦Android版Office发布,众多的Android平板很可能也会出现这种局面。
微软现在将重点放在服务和设备上的行为令人敬佩。对于雷德蒙德的这些家伙们来说,将其产品放到竞争激烈的平台上应该是一个长期战略。即使如此,也不意味着该公司应该在自身平台不能提供最佳版本的情况下,允许自己的重要产品存在于对手的平台上。因为好于Windows系统的操作体验,Windows平板电脑用户也许会选择在iPad或Android平板上使用Office软件,并发现他们真的更喜欢这样做。不管这背后的原因是什么,对于Windows平台来说,这不是件好事。
好文章,需要你的鼓励
在技术快速发展的时代,保护关键系统越来越依赖AI、自动化和行为分析。数据显示,2024年95%的数据泄露源于人为错误,64%的网络事件由员工失误造成。虽然先进的网络防御技术不断发展,但人类判断仍是最薄弱环节。网络韧性不仅是技术挑战,更是人员和战略需求。建立真正的韧性需要机器精确性与人类判断力的结合,将信任视为战略基础设施的关键要素,并将网络韧性提升为国家安全的核心组成部分。
上海AI实验室提出InternVLA-M1框架,通过空间引导的视觉-语言-动作训练,让机器人先学会"在哪里行动"再学"如何行动"。系统采用双阶段训练策略,构建了300万个多模态样本数据集。在多项测试中表现优异,相比基线方法提升10-20%成功率,在真实世界未见物体任务中提升20.6%,为通用智能机器人发展提供了新思路。
自计算机诞生以来,人们就担心机器会背叛创造者。近期AI事件包括数据泄露、自主破坏行为和系统追求错误目标,暴露了当前安全控制的弱点。然而这种结果并非不可避免。AI由人类构建,用我们的数据训练,在我们设计的硬件上运行。人类主导权仍是决定因素,责任仍在我们。
UC圣塔芭芭拉分校研究团队开发出直接多词解码技术(DMTD),通过重用大语言模型的后期层实现一次性生成多个词汇。该技术无需添加额外参数,仅通过重新组织内部处理流程就实现了2倍速度提升,同时保持96%以上的准确性。实验证明技术在大型模型上效果更佳,为AI交互效率提升开辟了新路径。