ZD至顶网软件频道消息:许多微软观察家在过去的几个月里曾(错误地)满怀希望地预测,微软已经做好了推出与亚马逊Echo和谷歌Home竞争产品的准备。
专挖微软消息的网友The Wakling Cat(又名@h0x0d)挖出了家庭中心(“Home Hub”)的信息后,这一类谣言更是甚嚣尘上。但The Wakling Cat还发现,家庭中心并不是硬件,而是Windows 10里的某个或某些功能,至少在起始阶段是用于启动家庭账户共享。
12月2日,Windows中心网站发布了更多来自内幕的关于家庭中心的消息。诚如家庭中心的名字所暗示的,家庭中心的功能和策略是要使Windows 10成为一家里各用户的共享中心。
据Windows中心网站介绍,用户通过家庭中心能更容易地、以更无缝连接的方式共享日历、应用程序和服务。
(笔者曾问过微软愿不愿意谈谈家庭中心。到目前为止我还没收到任何回应,不过我预计会收到“不予置评”的回答。)
顺便说一句,微软数年来一直在努力实现上述的家庭协作/生产力愿景。微软曾在2013年做过一个未来“愿景”视频,目的是要展示一下公司高管对未来5年到10年里科技走势的看法。视频也展示这方面的一些概念,微软可能要通过家庭中心交付视频所展示的家庭协作概念。
笔者在上文里插了2张2013年视频的截屏,从图中可以看到,共享环境里的家庭成员可以在大屏幕设备甚至在家里的墙上分享照片、应用和日历。图像识别技术有可能在用户将物件放在这种设备上时触发一些积极的建议,比如给出以胡萝卜为主的食谱。
微软最近发了一个操作系统工程软件工程师职位的广告,其中也突出了微软蓬勃发展的“家庭”重点走势。实际上,微软的Windows和设备部(Windows、Xbox、HoloLense和Surface的老家)里有个“家庭团队”,该团队主打针对家庭和居家网站和后端服务。
11月的职位广告是这样写的:
“家庭用户是微软最宝贵的忠实客户。他们希望孩子们可以在家庭环境里安全地、无忧地使用家庭设备和服务。家庭用户希望能很容易地分享照片、视频、应用程序、游戏和其他购物体验。家庭用户希望能自由地交流和保持联系。微软与谷歌、亚马逊、苹果、美国电话电报公司(AT&T)及许多其他科技巨头之间的竞争极为激烈,各家都在打造抢眼的家庭产品组合,这场比赛才刚刚开始。
快来加入WDG家庭团队吧,让我们共同成为该项使命的核心。职位描述:设计和构建网站和后端服务,为全球数亿用户和他们家人提供重要的家庭功能;该职位的工作将:令家庭健康成长,保障互联网上儿童的安全,提供无忧网购,分享数字媒体和订阅,等等不一而足。”
另外,微软聚焦自然语言接口,所以Cortana、Skype,机器人和Surface笔/Dial外设也大有可能成为家庭中心策略的一部分。再者,微软在向云优先公司转型,Azure无疑也将发挥其作用。
微软已经在一些Windows“家庭”功能(后来改名为微软家族家庭安全控制)里和围绕“居家”用户在Office 365家庭用户定价/许可上做了一些这方面的工作。但到目前为止,这些工作都只是基础性的。
假如Windows中心网站说的是准确的,微软则可能进一步将家庭中心扩展成连接的家庭概念的核心。同样,微软已经在“HomeOS”(家庭操作系统)概念上做了相当多的试验和研究,但却并没有将有关技术推至市场。
笔者认为,微软Surface团队那还不至于冒出一个类似“Cortana Cube”Echo/家庭一类的竞争产品,Surface团队目前似乎在集中精力搞商业优先类的设备。但一些Windows OEM或许会尝试推出这种设备……
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。