至顶网软件与服务频道消息:微软的云竞争对手已经对微软将从10月1日开始的许可调整发出了很多声音。而一直将自身定位成客户选择盟友的微软则发现自己陷入了不信任和价格欺诈的指责之中。
为什么会引发这么多的抱怨呢?因为微软围绕着“外包”的新的许可政策将削弱亚马逊和谷歌的能力,让他们不再能够帮助他们的客户以较低价格将自身现有微软企业软件许可带入各自云平台。
作为该公司推出Azure Dedicated Host预览版的一部分,微软的高管们宣布将进行许可变更,Azure Dedicated Host是微软新的单租户云选项。微软的高管们本月早些时候表示他们正在改变许可方式,因为专用云选项更像是多租户云产品,而不是像本地数据中心那样,因此应该受到和云许可政策一致的约束。
微软研究公司的方向研究分析师Wes Miller 解释称:“专用硬件是一个漏洞。硬件是属于你专用的,所以它的行为就像你的本地系统一样,”尽管它实际上是由AWS、谷歌、现在还有Azure提供的云选项。
微软的竞争对手正试图证明微软的政策从未禁止客户在他们的云平台上使用“自带许可证”(BYOL)选项。微软认为,应该只有第三方服务提供商(即其云服务提供商合作伙伴),而不是其他的竞争云供应商能够为客户提供此选项。但是,到目前为止,微软围绕专用主机的许可条款含糊不清,基本上可以说是不存在。
亚马逊突出推出BYOL选项,作为客户在亚马逊云上运行微软软件的重要方式。
(有些关联的另外一件事:目前的状况让我想起了微软及其渠道合作伙伴最近在内部使用权利(Internal Use Rights)方面发生的很多事情。微软的高管们今年表示,该公司从来没有打算让合作伙伴通过合作关系在自己的业务中使用这些软件;这些软件只是用于演示目的。但是微软从来没有实施过这些政策。该公司宣布计划从明年开始这样做——但是这一说法后来在七月份被撤销了。)
BYOL是企业用户利用自身现有的Windows Server、SQL Server和其他微软企业软件许可证,并将其用于云端的一种方式。微软BYOL规则对于Azure和其他云已经区别对待了。非Azure云的正式名称是License Mobility;而在Azure上,License Mobility通常采用“Azure Hybrid Benefit”的形式。
研究微软方向的分析师Miller指出,对于那些正在AWS和谷歌云平台上通过专用主机运行Windows Server 和Windows客户端的客户来说,微软即将进行的许可调整将是“巨大的”。他表示:“为什么这样说?这些产品从来没有提供——并且现在仍然不提供——通过Software Assurance 的License Mobility。”
微软官员指出,从10月1日开始,“没有Software Assurance和移动权利的本地许可软件将无法在以下公共云供应商提供的专用托管云服务中部署:微软、阿里巴巴、亚马逊(包括AWS上的VMware Cloud)和谷歌。他们将被称为“列表供应商”。
10月1日,已经通过这些“列表供应商”运行微软本地软件产品的客户将能够按照他们现有的许可继续部署并使用微软企业软件。但是他们无法通过自己现有的许可,增加工作负载或者升级到10月1日之后发布的、新的产品版本。在10月1日之后,拥有Software Assurance的客户将只能够在这些专用产品上,根据License Mobility或Azure Hybrid Benefit规定的权利,使用微软软件。
是的,这是一场复杂的混乱。在我听来,这像是打破这一切的一次微弱尝试。
AWS对这个问题的抱怨在我看来颇具讽刺意味,因为这些举措可能会阻止客户“摆脱保守厂商的藩篱”。很多客户仍然想要并且需要(我猜想更多的是出于需要而不是自身愿望)使用“保守的”Windows Server、SQL Server、Office客户端和服务器——在他们自己的数据中心,以及在微软、亚马逊和谷歌的云中,或者两者兼而有之。
这家大型云供应商一贯宣称他们反对锁定,并且支持客户选择。但是到了最后关头,他们最终还是反对将业务交给竞争对手。
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。