微软表示:“这一调整是根据合作伙伴的反馈做出的,将提供更大的灵活性,为合作伙伴和客户创造更顺畅的体验。”
本季度,微软计划允许其云解决方案提供商计划中的解决方案提供商将终端客户订阅的新商务体验从一个合作伙伴转移到另一个合作伙伴,自从备受争议的NCE计划推出以来,这一直是困扰一些解决方案提供商的大问题,此举消除了这个问题。
根据与CRN共享的文件以及微软发言人的确认,这一调整适用于直接计费和间接提供商。NCE的七天取消政策在转让后仍然适用,并且这些变化仅适用于CSP许可证和基于席位的订阅。
这些文件显示:“这一调整是根据合作伙伴的反馈做出的,将提供更大的灵活性,为合作伙伴和客户创造更顺畅的体验。”
微软NCE更新
微软发言人在发给CRN的一封电子邮件中确认,只要原MSP和分销商同意,调整后的政策将允许在两家不同的MSP和两家不同的分销商间转让NCE订阅。
该发言人表示:“未来的合作伙伴负责向微软支付订阅期剩余时间的款项”。“如果当前的合作伙伴按月支付年度订阅费用,那么在转移时,当前的合作伙伴将不再收到发票。如果当前的合作伙伴向微软预付了整个订阅期的款项,他们将收到按比例退还的款项。”
一些合作伙伴对CRN表示,微软解决方案提供商无法在NCE订阅结束前转移终端客户,这给一些合作伙伴造成了问题,如果客户在其他解决方案供应商那里的订阅期尚未结束,就很难将其拓展为新客户。
合作伙伴告诉 CRN,有些合作伙伴不得不与以前的合作伙伴达成交易,比如将收入留给以前的合作伙伴,直到订阅结束。如果最终客户选择年度承诺,这可能意味着要损失几个月的收入。按照NCE,年度承诺比月度承诺费用低20%。
总部位于美国洛杉矶梅泰里的微软合作伙伴Guardian Computer的总裁 Jean Prejean在接受 CRN 采访时表示,期中转移是一个“非常好的调整”。
她表示:“这种灵活性对于适应兼并、收购或者客户偏好变化等业务动态至关重要。”“它让我们在客户关系管理方面更加负责和灵活。”
微软发言人证实,并购是合作伙伴提到的一种需要转移许可证的情况。
对于合作伙伴感兴趣的NCE未来的调整,Prejean等解决方案提供商的高管对CRN表示,比七天更长的取消窗口(例如至少一个月)将在不产生财务后果的情况下为客户提供更大的灵活性。
分销商Pax8网站上一篇关于“渠道变更”政策的帖子称,转移不会为订购“开启一个新的七天修改窗口”。转移需要当前的和新的间接供应商或直接计费合作伙伴批准。
微软在佛罗里达州杰克逊维尔的合作伙伴Axiom公司首席执行官Bobby Guerra在接受CRN采访时表示,尽管一些合作伙伴提出了强烈批评,但是NCE的推出似乎表明微软并不明白CSP合作伙伴和MSP在基层实施Microsoft 365套件方面的价值。
Guerra表示:“自NCE诞生以来,我们一直在请求,看到微软朝这个方向前进,这真是一个令人兴奋的消息。”
其他NCE更新
微软在披露的政策调整文件中表示还在更新当前的Azure 计划和每用户订阅转移,“以允许新的商务订阅”并“使CSP合作伙伴能够将其客户的订阅转移到新的或者不同的合作伙伴,主要是让NCE订阅从一个合作伙伴转移到另一个合作伙伴。”
这些文件显示,“这一增强功能还包括为现有客户转移Microsoft 365 with Teams订阅”。
微软表示,NCE的其他调整包括从4月1日起可以在CSP新商务中使用Government Community Cloud(GCC)产品。
3月1日,合作伙伴中心开始提供基于NCE许可证的SKU。不过,微软仍在继续处理CSP NCE公共领域价目表中出现的一些错误。微软表示,其中一些问题将于5月1日得到修复。
6月和9月,微软将退役部分NCE应用编程接口 (API),并对这些接口已经计费的检索和未计费的每日额定使用对账。据微软称,更新的 API 已全面推出。
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。