微软正在准备向新闻媒体和其他客人发出参加预期春天发布活动的邀请,邀请可能在近几天内发出。预期的春天发布活动上微软聚焦在Windows云版的相关内容将比较多,而关于Surface外形规格的消息可能会较少。
据消息人士透露,春季的发布活动代号为“Bespin”,当于五月初举行。Bespin是星球大战电影和书籍里虚构的星球。 所谓的“云城”位于Bespin。笔者与Numerama.com的Cassim Ketfi一直在坊间传闻方面有合作,他也从他的内幕消息人士听说过笔者听说过的5月Bespin活动。
Windows云版是Windows 10的一个新版本,最早是在Windows 10创作者更新的测试中出现的,但Windows 10创作者更新仍有待微软官员公开/正式宣布。
笔者在1月曾发文提过,Windows云版尽管名字里带个云字,但即便和云有那么一点点关系其实也扯不上云。测试用户证实,Windows云版也就是个只能运行从Windows Store安装的统一Windows平台(UWP)应用程序的Windows 10简化版。新的Windows云版本和以前名Windows RT或Windows 8.1带Bing SKU的Windows 10版类似。
Windows云版并非从云里传送的Windows 10版本,也并非新的Windows 10订阅服务。Windows云版只是一个简单(可能更安全和更好管理一些)的Windows 10版本,以后能够升级到Windows 10 专业版(要花些钱)。 Windows 云版有助于微软更好地与Chromebook和Chrome操作系统进行竞争,尽管微软官员在发布该产品时可能不会公开这样说出来
笔者在最近的一篇博文里说过,我的联系人表示,微软不会在这个活动上推出Surface Book 2个人电脑。我的消息人士表示,Surface Book 2 的推出仍然存在可能性,但却没有准备好。微软现在将重点放在现有的Surface Book和带Performance Base的Surface Book存货的销售上。
笔者也曾打探过微软有没有可能在本次的春季发布活动上推出Surface Pro 5。我的一些联系人认为,有这个可能,但也提到值得注意的是,即将推出的设备可能也只是改进性的,不会是变革性的。
笔者和Windows Weekly网站的同事Paul Thurrott听到的消息相同:那些希望用上USB-C的人可能会失望。我的一些联系人表示,新的Surface Pro产品可能会用上英特尔Kaby Lake处理器。我的消息人士表示,但不有新的电源连接或其他端口。
如果这些有点让人搞不清状况的话,微软的官员对春季的发布活动未作过任何评论。笔者还从几个联系人那里听到另一个传闻,说微软可能会在Bespin活动上展出Surface设备的一个新牌子。
数字时代过去发的消息都颇为准确,特别是关于微软发布活动消息。数字时代最近称微软已经在着手制造蛤壳式笔记本电脑。微软这样做并不符合Surface团队自己提出的使命,也就是打造新的设备类别,务求扩展Windows设备市场。
笔者一直都在想,微软是不是准备了某个个人电脑/平板电脑产品,用于运行Windows云。其他人也是这样想的。该设备大有可能名为“Surface 4”,如微软想发明另一种新产品类别的话则另当别论。至于该设备内部的处理器会是什么类型,笔者则是毫无头绪。
微软已于2016年12月停止生产Surface 3平板电脑。Surface 3用的是Atom,2015年5月面向学生、家庭和其他不愿花太多钱的用户推出时的价格是499美元。微软Surface 3发货时装的是Windows 8.1,但这些设备可以升级到Windows 10。微软也曾推出过Surface 3的LTE版本。
好文章,需要你的鼓励
亚马逊云服务部门与OpenAI签署了一项价值380亿美元的七年协议,为ChatGPT制造商提供数十万块英伟达图形处理单元。这标志着OpenAI从研究实验室向AI行业巨头的转型,该公司已承诺投入1.4万亿美元用于基础设施建设。对于在AI时代竞争中处于劣势的亚马逊而言,这项协议证明了其构建和运营大规模数据中心网络的能力。
Meta FAIR团队发布的CWM是首个将"世界模型"概念引入代码生成的32亿参数开源模型。与传统只学习静态代码的AI不同,CWM通过学习Python执行轨迹和Docker环境交互,真正理解代码运行过程。在SWE-bench等重要测试中表现卓越,为AI编程助手的发展开辟了新方向。
当今最大的AI数据中心耗电量相当于一座小城市。美国数据中心已占全国总电力消费的4%,预计到2028年将升至12%。电力供应已成为数据中心发展的主要制约因素。核能以其清洁、全天候供电特性成为数据中心运营商的新选择。核能项目供应链复杂,需要创新的采购模式、标准化设计、早期参与和数字化工具来确保按时交付。
卡内基梅隆大学研究团队发现AI训练中的"繁荣-崩溃"现象,揭示陈旧数据蕴含丰富信息但被传统方法错误屏蔽。他们提出M2PO方法,通过改进数据筛选策略,使模型即使用256步前的陈旧数据也能达到最新数据的训练效果,准确率最高提升11.2%,为大规模异步AI训练开辟新途径。