ZD至顶网软件频道消息:本周在亚特兰大举行的Ignite大会上,微软宣布Windows 10的月活用户已经突破4亿大关。
此前,在微软提供了一年免费Windows 10更新结束之后,微软称月活用户数为3.5亿。
虽然升级步伐略有放缓,但这是大多数科技公司都值得庆祝的一个健康增长。
当然有很多新用户是赶在免费升级的最后一个月更新的,其他一些用户则是购买了新的PC。但是可以肯定的是,一些全新的Windows 10台式机都是企业升级的。
本周我从美国政府的Digital Analytics Project下载了有关Windows使用情况的最新数字。2月,只有19%的流量是来自运行Windows 10的设备。9月,浏览这个美国政府网站的PC中有1/3(也就是32.9%)是运行Windows 10的。
同期,其他Windows版本都在直线下降。9月,Windows XP和Windows Vista总共占有3.5%流量比例。
DAP数据出乎意料的丰富,到今年为止包括超过300亿次独立访问,这让我要去看看周末流量和平日访问之间的差距。很少有人会在周末工作,因此这个群体可能代表着家庭用户。相反,平日美国政府网站的流量可能包含大量商业网站。
这些数字是很有启发性的。在消费者中,Windows 10显然是各种Windows版本中的佼佼者,超过Windows 7高达8%。
平日的情况大不相同,因为企业仍然倾向于使用他们熟悉的Windows 7。
不过,即使在这种较为保守的环境中,Windows 10仍然成功地赢得了Windows PC中近31%的份额。而且,Windows 7的使用率从年初到现在下滑地非常快,从2月的65%减少到9月的不足58%。
在本周的Ignite大会上,埃森哲公司首席信息官Andrew Wilson表示,埃森哲已经将自己10万名员工的PC升级到了Windows 10,还有一些迁移计划在未来数月进行。
Wilson承认,这与数年前的情况大不相同了,那个时候CIO们普遍冒风险而选择旁观。“我们是在两年之后才开始升级Windows 7的,因为我们必须等待并且观望。”
我从不少IT专业人士那里听到了类似的说法,他们为大规模企业部署做好准备,但是通常几年之后才开始做。
本周,我看到了一家财富50强企业一个大部门的部署计划,他们现在已经采购了新的Windows 10 PC,计划在2017年上半年安装11万台PC。
在这个大型机构内,只有少数应用是部署滞后的(最大是一个第三方加密包),而且该公司预计在2019年前完全迁移到Windows 10。
这个计划中最令人意外的,就是现有PC就地升级的普及。以前,企业通常倾向于给PC安装新版本的Windows,但是Windows 10升级过程被认为是很稳定,甚至让资深的IT专业人士都认可了。
为什么情况突然改变了呢?不是因为CIO们突然决定冒险了,更合乎逻辑的解释是,过去几年中CIO们必须支持的应用已经发生了很大的变化。
对于Windows 10,CIO们到底是怎么想的呢?达成了共识?有很多CIO认为,“这个操作系统本身的优先级要低于把应用迁移到云中,而且操作系统的细节对于客户来说不那么重要,因为应用越来越多是跨多平台运行的。”
奇怪的是,这意味着Windows 10升级的风险要低于早期版本。以前,企业在开始部署流程之前可能有十几个业务线应用需要测试,现在大多数测试都是没有必要的,因为浏览器本身承载了很多兼容性的任务。
当然,仍然有很多不愿承担风险的CIO们不愿意加入Windows 10的大军。但是我猜其中很多人是愿意会在2020年1月之前做迁移的,那个时候Windows 7就会结束10年的支持生命周期了。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。