ZDNet至顶网软件频道消息: 美国科技博客ReadWrite今天刊登题为《纳德拉证明微软并未改变》(Satya Nadella Proves That Microsoft Hasn't Changed At All)的评论文章称,微软CEO萨提亚·纳德拉(Satya Nadella)周四发给员工的公开信证明,该公司并没有彻底转变观念,没有把人放在第一位,而是重点吸引企业的IT部门,并一厢情愿地希望引导用户如何将设备用于工作。
以下为文章全文:
微软满脑子想的都是怎么让你工作,至于你的个人生活,并不是他们的重点。
微软CEO萨提亚·纳德拉在周四发给员工的公开信中阐述了公司的核心战略,以及未来几年的愿景和重点。
纳德拉今年早些时候曾经表示,该公司将在一个“移动为先,云端为先”的世界中,专注于发展“普适计算和情境智能”。而在周四的公开信中,它将这一模糊的概念进一步细化。
纳德拉说:“我们的核心战略是,在移动为先和云端为先的世界里,成为一家生产力和平台公司。我们仍将再造生产力,以便帮助地球上的每个人和每个组织获得更多的收获。”
在纳德拉的那份声明中,生产力成为了第一关键词,其余的一切似乎都成了次要内容。“生产力”(productivity)一词在纳德拉的那封信中出现了20次,而这个词的变种“工作”(work)出现了27次。
他表示,微软必须成为一家高度关注其客户的企业。但从纳德拉的这封信可以看出,你我并非他的客户。
纳德拉所谓的客户并不是我们这些整天用电脑和智能手机工作的人,我们只是结果而已。纳德拉真正的客户其实是各大企业和组织的IT部门,是决定企业使用何种生产力工具的决策者。
纳德拉似乎忘记了一件最重要的事情:过去7年间,全世界的企业设备领域最重要的趋势已经变成了“员工自带设备”(BYOD)。而在此期间,最受追捧的设备,绝大多数都与微软没有多大关系。
“我们将针对移动为先和云端为先的世界,提供一种重新设计的数字化工作和生活体验。最重要的是,这些体验将照亮生产力。因此,人们将更加方便而高效地召开会议、展开协作。”纳德拉说。
虽然纳德拉始终在强调移动为先的理念,但他对生产力的关注却未必能够赢得这一市场。在他看来,雇主是第一位的,人是第二位的。在纳德拉的整封信中,个人生活总是放在生产力之后。微软内部的甚至有一个名为“数字化工作和生活体验”的部门——工作在先,生活在后,这似乎并非巧合。
纳德拉说:“我们认为,人们的生产力、团队和整个组织的商业流程,是一个相互联系的数字基板。我们还在为个人、IT和开发者设想各种相互交织的平台。这种全面的视角使得我们可以在一个数字化程度日益加强的世界中,解决更加复杂、更加微妙的现实挑战。这也为庞大的增长机遇打开了一扇大门——随着生活和工作等方方面面的数字化程度逐步加强,技术开支在整个GDP中的百分比也将增长。”
微软在设备、操作系统、云计算和服务领域的最大竞争对手是苹果和谷歌。纳德拉并未具体提到这两家企业,但对工作和生产力的关注是微软区别于谷歌和苹果的关键所在。
苹果和谷歌都关注人——苹果甚至比谷歌更关注人。无论是Mac OS X还是iOS,苹果首先想到的都是为人们提供提供高品质的产品,至于是否要利用这些设备来工作和提高效率,完全由人们自己决定。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。