ZDNet至顶网软件频道消息: 微软于9月30日首次公开了下一代操作系统Windows 10,并公布了将于10月1日提供给PC的早期技术预览版,新操作系统特别强调针对企业级性能的设计改进。
微软称其为下一个Windows版本“Windows 10”,而不是之前很多人预期的Windows 9。为什么?因为这是最后一个Windows的主要版本,微软希望它是一次大的且跨平台的发布。未来,Windows 10核心将运行在PC、平板电脑、Windows Phone甚至是Xbox上。它的用户界面将兼容每一种设备,但是会有一套通用的操作系统核心,可跨所有平台工作。通过Windows 10的发布,微软将整合自己的各种应用商店,微软方面在9月30日旧金山举行的预览发布会上确认了此消息。
明天,也就是10月1日,微软将开放preview.windows.com网站,对测试Windows 10企业技术预览版本感兴趣的用户可以下载代码。通过该预览网站注册的用户将参与Insiders Program。在该项目下,未来几个月微软将通过Windows Update向最初的技术预览版定期推送更新。
参与该项目的用户将需要向微软提供各种表格形式的反馈,关于他们喜欢什么功能以及不喜欢什么功能。
企业技术预览(Build 9841)将只运行在x86设备上。微软目前还没有提供ARM版本的Windows 10代码。微软官方表示,预计将在2015年初公布更多专注消费者的预览。(此前透露的消息称微软将在2015年1月或者2月公布消费者预览版本)
在未来几个月的某个时候(我猜是10月TechEd Barcelona),微软将公布关于Windows Server和Windows 10的系统管理端信息。微软方面今天确认,在2015年4月的下一届Build大会上,微软将谈论更多Windows 10开发方面的信息。
微软操作系统群组负责人Terry Myerson告诉我们这些参会者,微软计划在2015年年中提供完整版本的Windows 10。之前泄漏的消息称微软打算在2015年春季之前提供Windows 10。
Myerson和Joe Belfiroe(负责微软操作系统体验团队)在9月29日首次公开展示的大多数新功能此前都已经通过各种来源泄漏了。
新的开始菜单、虚拟桌面以及运行在桌面上的Metro风格应用,都将是企业技术预览版本的组成部分。目前来看Charms Bar仍然是企业技术预览的一部分,但是未来对于Charms Bar的支持将有所变化,Belfiore这样确认。
微软高管们展示了多项新功能,包括一个新的快照帮助功能,旨在帮助用户找出如何一排一排“抓取”应用。在Windows 10中,用户将可以水平地和垂直地抓取应用。一个新的任务视图将帮助用户在虚拟桌面之间进行导航。
另外一项还没有包含在Windows 10预览版中的新功能被称为“Continuum”。Continuum将允许使用二合一设备的用户连接键盘或者断开连接,更轻松地在各种模式之间进行转换。当断开键盘的时候,任务栏上会出现一个返回按钮,帮助用户更轻松地浏览。
微软知道,Windows 7用户是决定Windows 10是否能赢得用户的心的关键。Belfiore表示,微软的目标是让Windows 7用户感觉好像是,尽管他们从普锐斯换代到特斯拉(也就是Windows 10),但是不必重新学习如何驾驶。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。