至顶网软件频道消息:微软的Build大会已经进行了总结,有很多是企业技术采购者需要考虑的重要问题。
大问题:我们已经学到了什么?下面是已经出现的六个关键主题。
微软承认移动,并且认为它可以通过将Windows连接到苹果的iPhone、安卓和物联网来保持其相关性。微软首席执行官萨提亚.纳德拉在分析师简报会的开幕词中没有提到智能手机。不过纳德拉十次提到了移动这个词。
这里是他的观点:
当你表示这将是多设备体验时,接下来合乎逻辑的事就是使得这些体验丰富的数据和人工智能分布。事实上,你看到它,你今天非常清楚地知道,人们将在云中训练,使用例如GPU,采用这种模式,将其部署在边缘,以便使用商品相机等能够识别,你知道的,人物、地点、东西。
在一张幻灯片中,移动和云计算优先意味着以下的含义:
你必须眯起眼睛才能从中找到智能手机。
即使已经拥有了5亿用户,Windows相关性在可预见未来仍将持续面临争议。 ZDNet的Jason Perlow表示,Windows应该(再一次)死亡,但是随着市场和用例的改变,微软可能会找到一种不断重新整合其核心操作系统的方法。换句话说,Windows可能会变得不仅仅是一个操作系统。
微软的Azure Cosmos DB对于企业来说值得考虑。Azure Cosmos DB是一种全球分布式和多模式数据库服务,具有高可用性的服务水平协议。企业将采用SLA,但是目前尚不清楚Cosmos DB是否能够对Oracle构成威胁。Azure Cosmos DB可以在一大堆Amazon Web Services广泛的数据库阵容中,这给Oracle提供了一些适合的地方。无论哪种方式,企业都可能倾向于使用SLA的数据库。
LinkedIn和Dynamics 365正在将数据作为大卖点进行整合。如果微软要在LinkedIn收购上获得回报,那么它将不得不在金融、人力资源、运营、市场营销、销售和客户服务方面销售大量的软件服务。纳德拉强调了这张幻灯片:
分析师们相信这一点。Jefferies的分析师John DiFucci在一份研究报告中说:
管理层希望通过LinkedIn和Office 365来推动Dynamics,这意味着更紧密的集成,使现代专业人员能够访问比以前更多的数据。目前,Dynamics业务约为20亿美元,并持续保持了两位数的增长。管理层认为,LinkedIn业务在过去两年中以15%的年均复合增长率继续保持良好态势,总量超过5亿,而会议数量增长了20%。管理层预计,在2018财年,Dynamics和LinkedIn的70%以上的合并收入将来自SasS。
微软希望在其所有产品中扩展其设计语言。这种被称为Fluent的设计语言旨在提供深度、光、运动和物质效果的感官和协作体验。下面所示的方法很有趣,但很难实现。
纳德拉和微软显然在数字化转型潮流中。现在的数字化转型必定是当今技术中使用最为过度的术语之一。不过,不可否认的是这个市场是巨大的。微软拥有足够的资产,可以通过物联网、云平台和大量与数据和人工智能相关的终端推动企业数字化转型。
这种数字化转型将如何进行?通过像SAP、Oracle和Salesforce这样的企业拥护者开展的大型垂直销售工作。
Stifel的分析师Brad Reback指出:
虽然微软的根源在于成为一个近乎普遍的IT平台,但我们认为,随着数字化转移不断渗透进入所有的行业,该公司越来越期待垂直发展并成为行业解决方案供应商。例如,微软在零售、酒店、医疗保健和制造业垂直领域更直接地针对一线员工。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。