Windows Server 2019是微软公司长期服务渠道(简称LTSC)之下新一轮的迭代产品,其中囊括大量新的特性以及部分管理员用户此前就已经体验过的功能。此外,Windows Server 2019还将以半年度周期(简称SAC)的方式发布产品更新。自上一次LTSC版本(即2016年9月发布的Windows Server 2016)以来,其陆续迎来了1709与1803两个版本。而本周的发布,将代表着LTSC大版本正式获得升级。
Windows Server 2019将获得微软公司为期十年的技术支持——而不像SAC版本那样仅拥有18个月的支持周期。很明显,更长的支持周期对于管理员而言将非常重要。
超融合基础设施(简称HCI)
为了在热门技术方向的争夺当中占据主动,或者吸引更多热衷于高虚拟化水平的客户加入微软阵营,微软公司对Windows Server 2019中的超融合基础设施支持能力做出了强化。微软方面表示,其Cluster Sets技术将允许用户通过软件定义网络与存储进行部署,节点数量亦可由两个扩展到数百个——这一超融合支持能力最初亮相于2016版本当中。
如果大家希望构建一座数据中心,那么超融合基础设施本身就足以让Windows Server 2019成为一套重要的发布版本。而如果大家无此打算,微软的云产品也同样能够帮助大家在转型之路上走得更快更稳。
拥抱混合环境
Windows Server 2019可通过内部部署及云版本形式运行,微软希望用户能够在未来的某一时间点上借此向Azure过渡。考虑到这一点,该平台中内置有大量连接器以及管理工具Windows管理中心,用以降低云端准入门槛。Azure备份与文件同步以及灾难恢复等功能亦可将数据中心“扩展”至Azure当中。此外,存储迁移服务负责将文件服务器直接分流至云端,且无需修改任何用户配置。
保障安全
Windows Defender Advanced Threat Protection(简称ATP)目前已经在Windows Server 2019当中正式启用,并与Defender Exploit Guard相配合。然而,更重要的消息在于,面向Linux虚拟机的Shelded VM功能正式亮相。这一同样首次出现在Windows Server 2016中的功能可通过访问主机服务器以阻止那些已无实际作用的虚拟机继续运行。不过原本此项功能仅适用于选择Windows作为客户操作系统的场景。如今。爱好Linux的用户群体终于能够在Linux虚拟机当中实现这一功能。
微软向Linux频频示爱
微软对Linux的爱还不止于此。Windows Subsystem for Linux(简称WSL)同样被引入Windows Server,允许Linux容器以并行方式与Windows容器同步运行。在2019版本当中,WSL甚至允许Linux用户以自己熟悉的方式编写脚步,而不必另行学习PowerShell。
应用程序兼容性改进还包括对Service Fabric以及Kubernetes的支持,并将Server Core基础容器镜像的体积缩小至原本的三分之一。
此次Windows Server 2019的发布非常重要,亦可被视为Essentials产品的最终版本。不过由于整个技术支持周期将延续至2028年,因此管理员们将有充足的时间逐步规划迁移工作。
好文章,需要你的鼓励
苹果在iOS 26中推出全新游戏应用,为iPhone、iPad和Mac用户提供个性化的游戏中心。该应用包含五个主要版块:主页展示最近游戏和推荐内容,Arcade专区提供超过200款无广告游戏,好友功能显示Game Center动态并支持游戏挑战,资料库可浏览已安装游戏并提供筛选选项,搜索功能支持按类别浏览。iOS 26.2版本还增加了游戏手柄导航支持,为游戏玩家提供更便捷的操作体验。
上海AI实验室联合团队开发RoboVIP系统,通过视觉身份提示技术解决机器人训练数据稀缺问题。该系统能生成多视角、时间连贯的机器人操作视频,利用夹爪状态信号精确识别交互物体,构建百万级视觉身份数据库。实验显示,RoboVIP显著提升机器人在复杂环境中的操作成功率,为机器人智能化发展提供重要技术突破。
睡眠耳塞制造商Ozlo正将其产品转型为数据平台。公司与冥想应用Calm建立合作,利用SDK分享睡眠传感器数据,帮助内容创作者了解用户真实反馈。Ozlo计划推出AI睡眠助手、耳鸣治疗订阅服务和床边音箱等新产品,并收购了脑电图技术公司Segotia,预计2027年推出脑电监测产品进军医疗设备市场,目前正在进行B轮融资。
英伟达研究团队提出GDPO方法,解决AI多目标训练中的"奖励信号坍缩"问题。该方法通过分别评估各技能再综合考量,避免了传统GRPO方法简单相加导致的信息丢失。在工具调用、数学推理、代码编程三大场景测试中,GDPO均显著优于传统方法,准确率提升最高达6.3%,且训练过程更稳定。该技术已开源并支持主流AI框架。