ZD至顶网软件频道消息: 近日,微软企业和云计算的执行副总裁Scott Guthrie通过博客向外宣布,微软将于2017年向Linux开放SQL Server数据库软件,同时还宣布了与Red Hat、Canonical就此展开合作。那么,对于微软来说,让SQL Server运行在Linux上到底有什么意义?
事实上,微软正在豪赌其云计算平台Azure,在这种转变之下,传统的、只针对Windows的方式已经不再适用。如果微软能够通过Linux平台上的SQL Server中增加Azure的收入,那么它的目的就达到了。而从去年微软通过推出基于Linux的Azure HDInsight版本(它的云Hadoop产品)而立竿见影地让自身在大数据领域里获得之前不曾有过的声誉来看,这种方式是可行的。
微软数据平台MVP及区域总监Simon Sabin表示:Linux版本的SQL Server可能也会为微软在应用程序容器领域赢得同样的精彩。当然,基于Windows的容器是一回事,可是Docker社区更多的是基于Linux的。
另外,更重要的是,Linux版本的HDInsight产品打破了微软难以和大数据ISV进行合作的僵局,相较以往只能通过运行在Windows Server上的Hadoop版本开展,微软获得了更多的合作伙伴。这也包括了Datameer同微软之间的合作伙伴关系,它已经为这两家公司都创造了商业机会,这就是俗话说的双赢。
当然,对于企业用户来说,SQL Server能在Linux上运行在一定程度上也符合企业对其产品进行跨平台战略的部署需求。同时,微软这项决定也挽回了一部分开发人员的心。以往,由于大量的开发都是基于Linux,这就让MySQL、PostgreSQL等开放源代码的Linux兼容数据库赚足了眼球。为此,微软推出了免费的SQL Server Express Edition,以及便宜的Server Developer Edition,希望重新赢得这个领域的市场份额。
当然,如果这样就能让微软在该领域市场万事大吉,还是太天真了。SQL Server的Linux版本会开放源代码吗?如果不开放,那么微软就仍然是在同MySQL和Postgres制造摩擦;会有运行在Mac OS(本身就是UNIX的衍生品)之上的SQL Server开发者版本吗?如果没有的话,那么对于很多使用Macs并且希望能够间或本地/离线运行的开发人员来说,这就是一个障碍。
*nix上的SQL Server并不真的是什么新东西。回顾SQL Server的发展历史就会知道,SQL Server产品最初是由微软和Sybase(现在已经是SAP的一部分了)联合推向市场的。Sybase的版本运行在UNIX上,而微软的版本运行在Windows和OS/2之上。但是当微软和Sybase进行了那场臭名昭著的“离婚”之后,微软推出了SQL Server 2005,新的代码库全部是微软的,一切都建立在Windows基础之上。所以Linux版本的SQL Server仍然是一件大事。
而且,鉴于以上种种原因,这一举措是否能够为微软带来回报尚未可知。但是无论如何,向Linux开放SQL仍旧是一个正确的举措,而且如果将其和微软已经采取的其他众多正确的行动放在一起(例如,Office和Outlook进入iOS和安卓平台;HDInsight进入Linux平台;Linux进入Azure),它就只是整个战略中的一部分,而这个战略已经开始产生回报,并且很可能会在未来带来更多的回报。
好文章,需要你的鼓励
Workday高管指出,企业必须从传统的资历导向转向技能导向策略,才能成功整合AI智能体到workforce中。AI智能体应被视为具有特定技能的"数字员工",需要经历完整的员工管理生命周期,包括招募、培训、发展和离职规划。调研显示,新加坡超过40%的企业已开始采用技能导向策略,其中约60%报告了创新提升等益处。企业应建立统一的治理系统来管理人类员工和AI智能体,确保两者协同工作而非相互替代。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
Songscription公司发布AI音乐转录工具,可在几分钟内将音频文件转换为乐谱。该产品采用免费增值模式,面向专业和业余音乐家。目前主要支持钢琴转录,未来计划增加吉他谱等功能。用户可上传音频文件或直接从YouTube链接进行转录,系统还能生成钢琴卷帘谱。公司定位为增强型音乐记谱软件,帮助用户加速转录过程。该初创公司已获得Reach Capital的预种子轮融资。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。