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
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。
数据分析平台公司Databricks完成10亿美元K轮融资,公司估值超过1000亿美元,累计融资总额超过200亿美元。公司第二季度收入运营率达到40亿美元,同比增长50%,AI产品收入运营率超过10亿美元。超过650家客户年消费超过100万美元,净收入留存率超过140%。资金将用于扩展Agent Bricks和Lakebase业务及全球扩张。
上海AI实验室发布OmniAlign-V研究,首次系统性解决多模态大语言模型人性化对话问题。该研究创建了包含20万高质量样本的训练数据集和MM-AlignBench评测基准,通过创新的数据生成和质量管控方法,让AI在保持技术能力的同时显著提升人性化交互水平,为AI价值观对齐提供了可行技术路径。