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
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。