微软宣布对Windows系统的许可制度做出重大改革,降低其在云端的使用门槛,但并未说明此次调整的原因是否与欧盟发起的不正当竞争诉讼有关。
其中最大的变化就是为Windows Server添加的虚拟核心许可选项,不再强制要求根据主机内的物理处理器核心数量为操作系统计费。
微软公司首席合作伙伴官Nicole Dezen在周一的公告中解释道,“目前,Windows Server是按物理核心计算许可数量的,这就要求客户必须能够访问到服务器物理硬件,以确保购买充足的Windows Server许可证来覆盖设备中的全部物理核心。”
“通过虚拟核心许可选项,客户现在可以根据在虚拟机中使用的虚拟核心数量采购Windows Server许可,从而在虚拟或外包场景下降低Windows Server的许可门槛。”
客户可以根据自己在虚拟机中使用的虚拟核心数量,为Windows Server选择许可。微软之所以做出这一改变,目的就是帮助用户将Windows Server更多迁移至云端。但这里的“云端”可没那么普适,支持范围还不包括阿里云、亚马逊云科技、谷歌云和微软Azure。相反,其仅支持微软合作伙伴社区运行的云。另外,这项新规将在全球范围内生效。
Windows 10和11也迎来了类似的更新,已经拥有Microsoft 365 F3、E3或者E5许可证的用户可以“在自己托管外包商的服务器上运行操作系统……无论用户的主设备是否拥有合格的操作系统(QOS),例如Windows 11 Pro,而且无需任何额外许可。”
很明显,新规对此前要求主设备不具备QOS的客户额外购买许可证,才能正常在虚拟环境中使用Windows 10或Windows 11的条款做出了大幅修改。
无论是微软针对合作伙伴的公告还是Dezen做出的上述声明,都具体披露了这些许可条款变化,但却有意无决忽略了做出调整的原因。
这原因说来也简单,就是欧洲各云服务商认为微软以往的软件许可条款涉嫌不正当竞争,因而决定采取法律行动、帮助自身摆脱不利地位。微软公司最终以让步换取庭外和解,公司总裁Brad Smith也在5月18日的一篇帖子中承诺,“我们将通过放宽那些传统软件许可实践,尽可能降低Windows Server在虚拟环境和云环境中的使用门槛,不再强制要求许可证与物理硬件相绑定。”
三个多月之后,微软公司开始践行自己的承诺,以示对各家合作伙伴的慷慨,同意与欧洲各云服务商达成和平协议。
Dezen在公告中简要提到了这一停战协议,她还强调“我们欢迎各云服务商、客户及其他利益相关方为微软的策略调整提供持续反馈。”微软的企业博客也将此次许可证调整定义为帮助小型企业蓬勃发展的负责任举动,而且完全没有提到事件背后的核心驱力——法律诉讼。
新的许可证制度将在10月1日正式启动,微软还将在未来几周内针对客户及合作伙伴发布培训课程。
其他高,还包括允许云解决方案提供商(CSP)向客户出售 “包括Windows Server、远程桌面服务(RDS)和SQL Server等多种产品在内的一年或三年期订阅服务”。在一年期订阅方案中,还具体包括多种按月计费选项。
微软同时提出CSP“托管商”计划,允许合作伙伴“预先构建托管桌面和服务器解决方案,并将这些解决方案与CSP中的许可证打包出售给客户(即许可证一揽子托管),或者出售给已经拥有许可证的客户(即客户自带许可的合作解决方案)。”
这项“托管商”计划也提供桌面版本,这意味着微软虚拟桌面选项将愈发复杂,其中涵盖Windows 365云PC、Azure虚拟桌面,以及在Azure当中运行Citrix及VMware桌面即服务等产品的方案。新一轮学习又要来了,预祝大家能早日搞清楚怎么把Windows客户端许可证用在这么多细分领域当中。
好文章,需要你的鼓励
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。