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
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
AI代码编辑器开发商Cursor完成23亿美元D轮融资,估值达293亿美元。Accel和Coatue领投,Google、Nvidia等参与。公司年化收入已突破10亿美元。Cursor基于微软开源VS Code打造,集成大语言模型帮助开发者编写代码和修复漏洞。其自研Composer模型采用专家混合算法,运行速度比同等质量模型快四倍。公司拥有数百万开发者用户,将用新资金推进AI研究。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。