ZDNet至顶网软件频道消息: 微软拟推出本地部署和云部署Dynamics CRM产品的更新,更新将分为两波完成。
微软合作伙伴Marc Sallin9月4日在微软Dynamics CRM社区网站的“XRM & .NET开发”博客里发博文介绍了相关更新情况。
路线图
微软Dynamics CRM团队一直都是用星座名给产品版本起代号,秋季发布的这一波更新仍然用的是这个方法。Dynamics CRM中的下一个主要版本代号为“织女星”(Vega),又名“CRM 2015”。(CRM “织女星”代号是一年多以前公布的。)
据上述博文介绍,织女星是Dynamics CRM本地部署版和网络版的下一个版本。据该博文的一个路线图幻灯片资料,织女星定于2014年第4季度发布(见上图)。
根据Sallin博文提供的功能表,织女星新添了29种语言的支持并包括对“任何设备”的支持。织女星新版含高新技术企业销售方案的新优化功能,包括外部定价、属性继承和交叉销售/向上销售功能,并带有离线草稿功能。
Sallin的文章指出,该版本为“网络优先”(Online first focus),文章列出了即将发布的更新版里更简单的注册和配置、更快的自助服务和多区租户的等重要功能。表里还提到“CRM网络客户端里的强大商业智能”(Power BI in CRM Web client)(强大商业智能是微软Office 365的商业智能服务。)该产品的“用户体验”更新里包括多实体搜索。
2015年发布的CRM版本会支持Windows Server 2012和2012 R2、Windows 7和Windows 8、SQL Server 2012、Outlook 2010和2013。而对Windows Server 2008和2008 R2、Windows小企业服务器、 Windows Vista、IE 8和IE 9、 SQL Server的208和2008 R2、Office 2007的支持将被终止。
2014年结束以前还会发布什么呢?据Sallin贴出的路线图介绍,年底前发布的还有微软Social Listening的一个专有云部署版(代号为Hydra)、Microsoft动态营销(代号为Electra)、新版Parature(代号为Phoenix)。
“秋季后一波”信息图
路线图还给出了明年春季一波(Q2 2015) 里许多微软Dynamics CRM交付产品的代号。其中有代号为Carina的一个新的核心CRM版本——笔者觉得同时有本地部署和云部署版。 2015年春季的专有云部署CRM产品包括另一个微软Social Listening(代号为Corvus)、动态营销(代号Spica)和Parature(代号Taurus)。
Social Listening是托管在Azure上的,基于微软2013年3月收购Netbreeze时买入的社交分析技术。动态营销是基于2012年收购市场自动化公司MarketingPilot时买入的技术。Parature为微软CRM用户提供“客户服务”功能。微软于2014年1月收购了Parature。
Sallin博文的“秋季后一波”信息图(见上图)列出了可能于2015年发布的一些功能。其中包括“尖端”手机客户端、基于Excel整合的预报、Parature。
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
浙江大学等高校研究团队开发的VolSplat系统,通过"体素对齐"替代传统"像素对齐"方法,实现了快速高质量的3D场景重建。该技术仅需6张普通照片即可生成精确3D模型,在RealEstate10K等标准数据集上显著超越现有方法,为机器人导航、增强现实、建筑设计等领域提供了新的技术选择,代表了3D重建领域从二维思维向三维思维的重要转变。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
武汉大学团队与字节跳动公司合作,提出MAPO混合优势策略优化方法,解决AI训练中的"一刀切"问题。该方法能根据问题难度动态调整评分策略,避免传统方法中的优势反转和优势镜像问题。通过轨迹确定性判断和权重动态调整,在几何推理和情感识别任务上都取得显著提升,为AI自适应学习提供新思路。