至顶网软件频道消息: 像大多数技术供应商一样,微软无法创造出足够流行的词汇。这家雷德蒙德的科技巨头目前最喜欢的一个词就是“以人为本”。与微软的其他一些用词不同,它涉及从低层框架到办公家具(不是开玩笑)在内的所有东西。
微软365 Apps营销高级主管Rob Howard在本周Build 2019大会上接受我的采访时表示:“我们不专注于设备或应用程序。我们专注于人。” 他表示:“就像我们为自己创造这种方式一样,我们希望为我们的开发人员、合作伙伴和客户提供相同的(体验)。”
在Build大会上,微软不再谈论Windows开发人员平台或Office开发人员平台。该公司的高管们现在谈论的是“Microsoft 365开发人员平台”,它不仅适用于Windows设备,也适用于iOS和Android。在今年的Build大会之前,我都还认为名称更改只是微软不再强调Windows的一种演示。但实际上并不仅仅是这样。
Howard表示,微软身份(意味着Azure Active Directory / Active Directory)是微软365开发者平台的支柱。统一的微软图形API和另一关键部分——knowledge substrate,它支持微软新的会话引擎——都定位在这里。还有一个名为“Fluid Framework”的新产品,仍然在开发之中。
微软的Fluid Framework是更快的共同创作环境和复合文档类型环境的产品组合。微软承诺推出一款软件开发套件,微软打造的首个Fluid体验将于今年晚些时候推出。如果这听起来有点像微软在试图“包打天下”,那是因为微软试图在本周Build大会期间展示Fluid Framework能够提供的各种开发人员和用户体验。
Howard告诉我,一旦他们开始使用Fluid Framework技术,开发人员就会发现这是构建基于Web的分布式应用程序的框架。
Howard表示:“状态将分布在不同人的机器上。这是一种开发技术,可以促进多个人和团体之间的合作。”而且它与Windows或Edge无关。
Howard解释说,微软痴迷于提高人们合作速度的原因是,当共同创作的延迟较少时,会发生不同类型的互动。当用户能够以难以置信的高速度和大规模进行协作时,他们的交互更加流畅。(因此,微软选择了“Fluid Framework”这个名称。)
Howard表示:“五十毫秒是改变人们合作方式的门槛。当延迟低于这个阈值时,它会变得更加流畅。”他指出,如果你要添加很多人,加上推荐内容的智能代理——它可以作为“合作者”,和你一起快速检查并设计事物,速度和规模就变得更为重要。
从用户的角度来看,以可能提高生产力的方式应用这种分布式共同创作技术可以让事情变得更加有趣。如果用户可以获取文档的一个组件并使其在应用程序之间无缝移动,同时保持上下文实时同步,那么用户将获得全新的计算体验。
Howard表示:“我不必离开我的应用程序来执行多项任务或上下文切换。”
虽然这些场景在个人电脑和小屏幕设备上可能很有趣,但它们在更大的屏幕上确实会更有吸引力。更大的屏幕电脑,例如微软很快将要交付的Surface Hub 2S大屏幕会议系统和Surface Studio,可能才是大规模协作场景真正能够发挥用武之地的地方。
本周,微软邀请了一些记者参观其在微软园区中的最新设想中心。(我猜测我的邀请函在邮件中搞丢了。)在过去几年中,微软与Studio O + A合作设计了该中心,该中心设有六角形会议室,配备了大量壁挂式触摸屏和触摸式办公桌,以鼓励协作。
几年来,微软一直致力于阐述和展示其对智能办公和智能会议的愿景。在去年的Build大会上,该公司的高管们展示了Cortana如何在环境计算方案中发挥核心作用。微软官员今周表示,微软在去年和今年的Build大会上展示的圆形麦克风阵列将被打包进入该公司将出售的参考硬件开发套件。(如果你没有自己的智能音箱,我想这是尝试让更多人使用语音与他们的应用和服务进行交互的次佳选择。)
如果你不是100%肯定微软打算重新回到以前的定位上——一家以企业生产力为重点的科技公司,那么本周的Build演示和公告应该可以让你信服。
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。