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
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。