微软最近公布了9月底发布的年度Ignite IT Pro会议的会议清单,提到了SQL Server的下一个版本、Surface Hub 2和LTE 版本的Surface Go,Intune和Windows Autopilot的下一步计划,以及Windows Server 2019和新的远程桌面服务,以及更多其他内容,至少给我们了一些暗示。
通过翻看目前列出的623场Ignite活动,发现了一些值得注意的事情。
去年,微软在Ignite大会上突出宣传了其人工智能、智能前沿和未来量子计算技术。在2018年3月份,微软正在着重宣传量子计算、混合现实和人工智能,这些领域将成为今年Ignite大会的主要话题。
但是,至少从列出的会议安排看,议程似乎更多地建立在产品现实上。
目前,列表上没有一场量子计算的活动。只有两个关于混合现实的活动,其中一个主题是“Visio Immersive”,这听起来很像微软用SharePoint Spaces做的事情。
人工智能仍然很重要,列表上有大约不到100场活动以某种方式涉及到了人工智能。我们想知道微软是否会在Ignite大会上推出“AI Accelerate Kit”,微软在Inspire大会上告诉合作伙伴将于十月份推出,包含了人工智能用例、最佳实践和“Ethical AI”指引。
与去年一样,微软将重点关注Microsoft 365、其捆绑的Windows 10Office 365和Intune安全/管理技术。此外,在今年的Ignite大会上,还会有很多关于Dynamics 365 CRM和ERP内容,这是有意义的,因为在十月份微软的Dynamics产品套件的下一个功能更新将推出。
今年,也会有一些非典型(但受欢迎)的开发人员内容。ASP.NET、Visual Studio Code和Visual Studio 2017、Node.js以及大量的容器的活动都列在议程当中。有一些关于Progressive Web Apps的活动以及更多侧重MSIX的活动,MSIX是微软正在推出新的Windows 10应用程序打包技术。
目录中列出的活动中,有115场活动涉及到SQL Server(包括Azure SQL)。有迹象表明微软将推出SQL Server 2017的继任者——该产品的代码代号为“Aris”,它目前正在进行私人社区技术预览测试。(感谢Twitter上的The Walking Cat提供了Aris这个代码代号。)
一场活动的介绍是这样描述的:“了解SQL Server的路线图和新功能,包括智能查询处理、数据虚拟化、关键任务安全和HADR的新功能,以及Linux和Docker容器的新场景。”
在硬件方面,微软正在向与会者宣传“能够满足Surface系列最新成员——Surface Hub 2和Surface Go”的能力。几天前,列表上有一场名为“LTE世界中的Surface”活动(之后似乎已经消失了)。我一度认为微软可能会在今年秋天在Ignite大会上展示LTE版本的Surface Go,但也许官方已经决定推迟到另一个时间/活动。微软今年早些时候推出的Surface Hub 2将于今年秋季提供给测试者,并将于2019年上市。
最近,微软向测试人员提供了一个名为“Windows 10 for Remote Sessions”的Windows 10新SKU的早期版本。Ignite上有一个关于“Windows虚拟化中的新功能和下一步”的活动,可能会提供更多详细信息。
该活动的介绍称:“参加本活动,了解远程桌面服务(RDS)的最新改进,它使您能够托管远程用户可访问的桌面或应用程序。”
Windows Server 2019,微软Windows Server的下一个主要版本,也将成为Ignite大会上的一个热门话题,这是有道理的,因为其将于今年秋季开始推出(可能在10月份左右)。
微软的Ignite大会将于9月24日至28日在奥兰多举行。
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。