ZD至顶网软件频道消息: 近些天以来,微软Outlook.com服务的用户几乎每天都会问我一个问题,为什么他们还没有被迁移到“新的”Outlook.com上。
早在2015年5月,微软就宣布将会让Outlook.com变得更像是其“常规的”Outlook邮件客户端。在当时,微软的官员们表示他们已经开始为一小部分用户提供新的Outlook.com预览,然后“在未来几周之内”扩大预览版的使用范围。
微软表示,新Outlook.com将有大量的新功能,包括支持分类收件箱“Clutter”、邮件主题、自动链接预览生成、弹出阅读和撰写窗口等,另外还将支持诸如Uber、PayPal和Maps等插件。微软在去年年底表示,建议联系人和自动飞行通知也将成为Outlook.com功能的一部分。
到2016年2月,微软表示新的Outlook.com已经度过了预览阶段,并已经每周面向数百万Outlook.com用户推出了。可即便到四月底,除了那些去年新创建的账户,旧Outlook.com用户只有很少一部分被迁移到新的Outlook.com之上了。
为什么新的Outlook.com推出看起来似乎永远没完没了?
Outlook市场营销总监Jon Orton透露,Outlook.com账户总数为4亿个,目前微软已经将超过1.75亿Outlook.com账户迁移到了新的平台上。
Orton表示,将现有的Outlook.com用户转移到新的Outlook.com“可不仅仅是一次整容”,“这次的规模同之前从Hotmail到Outlook.com的迁移相比要大得多,而且我们迁移的并不仅仅是用户界面和体验,还要将数据转移到Office 365中。”
据悉,现有的Outlook.com服务运行在传统的基础架构之上。他表示,新的Outlook.com“和其他的Office 365使用了一样的构件”。这样新功能在未来就能够更快、更容易地引入Outlook/Office 365和Outlook.com之中,而不用针对两个不同的平台建设两次。
Orton承认,微软扩展了预览时期(从2015年5月至2016年2月)。在这段时间里,微软就这项新服务获得了大量的反馈,并积累了很多转型的经验,这让这家公司进行了大量的“改进和修正”。
另外,Orton表示,微软正在将不同的用户组在不同的时间内进行转移,但具体将哪些用户优先迁移到新的服务版本之上是有条件筛选的。
“决定迁移哪些用户以及何时迁移取决于用户使用的功能。” Orton表示,“例如,如果你正在使用共享日历,在迁移的过程中就需要特别注意到这一点。”
对于迁移截止时间,Orton只是说,“我们预计绝大部分Outlook.com的用户都将在今年夏天结束之前完成升级。”
对于微软打算何时将它的Outlook Mobile(Acompli)邮件客户端放在同Outlook以及Outlook.com同样的后端平台上,我也感到十分好奇。(它在运营过程中至少是部分地使用了Amazon Web Services。)
Orton表示至今为止仍然没有公布具体的时间安排,“移动依靠着一个云计算层处理搜索以及同诸如Focused Inbox之类的文件服务的连接。”他表示,“我们还需要做一些工程工作,使它同Outlook和Outlook.com的基础架构统一。”
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。