ZDNet至顶网软件频道消息:IBM悄无声息地停止了对Lotus 1-2-3最后一版的支持,此举标志着一个时代的结束——Lotus 1-2-3是早期计算机程序里的佼佼者。在70年代末到80年代初,企业购买计算机的主要原因就是上面的电子表格程序,而Lotus 1-2-3是当时最流行的电子表格程序。
据IBM网站介绍,IBM Lotus 123千禧版、IBM Lotus SmartSuite 9.x版及Organizer的官方支持日期已经结束,“不会提供延长服务”——现如今反正没有人真的还在用Lotus 1-2-3电子表格吧。
世界上曽经首屈一指的电子表格Lotus 1-2-3如此默默的退场令人唏嘘。Lotus 1-2-3是IBM第一批程序之一,也是靠着这些程序,早期IBM个人电脑成了真正的商业工具,但后来IBM的编码决定有误及未能及时顺应潮流,加上微软的穷追猛打,Lotus 1-2-3日渐势微。
上世纪70年代代末至80年代,电子表格在商业和个人计算上大行其道,其软件销路十分看好。个人电脑出现以前,电子表格只能在大型机系统上运行,但随着个人电脑革命的到来,每个经理都可以在自己的办公桌上使用此项方便的商业工具,改改参数看看结果,爱怎么玩就怎么玩。
第一款桌面电子表格软件是VisiCalc,1979年出的,用于苹果II。没过多久就成了乔布斯和沃兹尼亚克的苹果机上最受欢迎的软件之一。IBM于1981年推出个人电脑,蓝色巨人自然也理所当然地在个人电脑里装了VisiCalc。
VisiCorp负责VisiCalc的市场推广。Mitch Kapor当时是VisiCorp的开发主管。1981年夏天,他遇到了才华横溢的计算机程序员Jonathan Sachs。Sachs正在将VisiCalc移植到DEC和DG小型机上。第二年,Kapor和Sachs决定成立Lotus开发公司(Lotus Development Corporation)。
1983年,IBM推出Lotus 1-2-3,并迅速收服个人电脑的VisiCalc用户。Lotus 1-2-3因为带有电子表格、图形包及一个非常原始的数据库管理软件而得其名。Lotus 1-2-3推出后获极大成功,为IBM带来大把白花花的银子。
IBM的Lotus随后进入典型的增长期:收购竞争对手令它们关门大吉,收不了的话就跟竞争对手打官司。一句话,靠旗舰产品Lotus 1-2-3赚钱越吃越肥。Lotus旗下也出过其他软件,但没有一款能赶上Lotus 1-2-3。
后来公司在决策上出现过一些重大失误。没有及时开发Lotus 1-2-3的32位版本,白白将时间和金钱浪费在IBM命运多舛OS/2操作系统上,花大钱开发Notes电子邮件系统,花了一年多时间开发新版本,导致客户出现厌烦产品的奥斯本效应。
而与此同时,比尔·盖茨的一双火眼却瞄上了Lotus,开始自主开发微软版本。一开始并不是太成功(还有人记得Multiplan?),但后来Excel和微软Office套件慢慢开始吞噬Lotus的市场份额。
1995年,Lotus开始失宠之际,IBM花了35亿美元大张旗鼓地进行了一项收购。IBM接着开发Lotus的群件产品系列,在起始阶段也取得了一些成功(但很多Notes用户想起以前的事却对此却不屑一顾)。
Lotus 1-2-3颓势难挽,IBM开始悄悄地取消Lotus品牌。Lotus Notes和Lotus Domino已经更名为IBM Notes和IBM Domino,IBM已经不再发行任何以Lotus命名的软件。群件产品系列同样不济,IBM只好关闭群件产品部。IBM的Lotus 123千禧版是最终版本,两年前已停止发售。
我们提Lotus 1-2-3怀旧的成分居多,但Lotus 1-2-3创建的财富仍然在继续做善事。Kapor利用他赚到的钱的一部分建了电子前沿基金会,为网权而战。他也是Mozilla基金会的第一人主席,Mozilla基金会出了火狐浏览器,挑战微软的浏览器霸主地位。
好文章,需要你的鼓励
这项由索非亚大学INSAIT和苏黎世联邦理工学院共同完成的研究,揭示了大语言模型在数学定理证明中普遍存在的"迎合性"问题。研究团队构建了BrokenMath基准测试集,包含504道精心设计的错误数学命题,用于评估主流AI模型能否识别并纠正错误陈述。
约翰斯·霍普金斯大学研究团队提出了创新的隐私保护AI文本生成方法,通过"控制代码"系统指导AI生成虚假敏感信息来替代真实数据。该方法采用"藏身于众"策略,在医疗法律等敏感领域测试中实现了接近零的隐私泄露率,同时保持了高质量的文本生成效果,为高风险领域的AI应用提供了实用的隐私保护解决方案。
实验室和真实使用测试显示,iPhone Air电池续航能够满足一整天的典型使用需求。在CNET进行的三小时视频流媒体压力测试中,iPhone Air仅消耗15%电量,表现与iPhone 15相当。在45分钟高强度使用测试中表现稍逊,但在实际日常使用场景下,用户反馈iPhone Air能够稳定支撑全天使用,有线充电速度也比较理想。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。