Ubuntu 操作系统的下一个过渡版本 Ubuntu 25.04 的测试版已经发布。
根据 Canonical 公司的官方计划,在撰写本文时,"活泼海雀" (Plucky Puffin) 的正式版本将在两周后 (4 月 17 日) 发布。这个测试版出现在 Fedora 42 之后,我们在三月底对 Fedora 42 进行了评测。两个项目都将发布周期与 GNOME 的半年度发布周期保持同步,因为 GNOME 是它们的默认桌面环境。不过,Ubuntu 的发布计划更为严格,而 Fedora 则相对灵活,如果测试发现问题,发布时间会相应延迟。
Ubuntu 25.04 搭载了最新的内核和 GNOME,但系统并不轻量。
这是 Ubuntu 的一个过渡版本。长期支持版本仅在偶数年份发布,这意味着 25.04 只会获得 9 个月的支持。根据我们的测试经验,过渡版本通常运行良好,没有明显问题。主要区别在于你需要更频繁地进行升级。在升级时,Fedora 允许用户跳过一个版本直接升级到最新版,但 Ubuntu 不允许这样做。因此,如果你选择使用这个版本,你需要在今年 10 月升级到 25.10 版本,然后在明年升级到下一个长期支持版 26.04。
得益于 Canonical 去年 8 月推出的新内核使用策略,尽管内核 6.14 仅在几天前发布,但这个版本已经采用了它。默认桌面版使用 GNOME 48,我们上个月对其进行了评测,因此它将继承我们之前报道的变化,如性能和硬件支持的优化,以及新的数字健康设置。Evince 已被 GNOME 的新文档查看器 (代号 Papers) 取代。
新的 "Papers" (在启动器中显示为文档查看器) 现可处理 PDF 注释。
如往常一样,Ubuntu 使用自己的 Yaru 主题对 GNOME 进行了微调,dock 栏的应用启动器按钮使用 Ubuntu 标志。系统预装了一些扩展来优化 GNOME 体验。其中三个在设置应用中有独立页面:桌面图标、dock 栏和平铺助手。此外,Ubuntu 的 AppIndicators 允许在顶部面板显示状态图标。
测试版现已包含最新的 Firefox 137 (支持垂直标签页)。
本次发布包含最新的 LibreOffice 25.2 和全新的 GIMP 3.0。系统通过 Snap 包形式提供了一些应用:支持垂直标签页的 Firefox 137、Thunderbird 128 ESR 和新的安全中心。最新版本的 NetworkManager 改进了 IPv6 处理,Nvidia 用户获得了动态加速支持。系统底层使用了大家熟悉的系统管理守护进程 systemd 257。
虽然一些官方衍生版使用 Calamares 安装器,但大多数版本仍然使用基于 Subiquity 的 Canonical 自家安装器。这次安装器有了一些改进。双系统支持得到增强——安装器能更清晰地解释操作过程,只要释放了足够的磁盘空间,它就能与使用 Microsoft BitLocker 磁盘加密的 Windows 系统共存。这一点很重要,因为现在一些 PC 厂商默认启用 BitLocker。
如果你拥有受支持的 Arm64 计算机,现在有一个统一的 Arm64 ISO 镜像,可以在多种硬件型号上安装系统,包括搭载 Qualcomm Snapdragon X Elite 处理器的笔记本电脑——Microsoft 营销部门称之为 "Copilot+ PC"。
我们测试了默认的 GNOME 版本和搭载 Xfce 4.20 的 Xubuntu 25.04。目前,安装镜像体积较大。Ubuntu Desktop 超过 6GB,Xubuntu 也接近 4.59GB。在 GNOME 下,内存占用约 1.3GB,Xfce 下超过 900MB。在当前状态下,这不是一个轻量级操作系统,两个版本在安装过程中都出现了非致命性错误。目前,这个测试版的完成度似乎不如 Fedora 的测试版。我们相信这些问题会在正式版发布前得到解决,也希望安装镜像的体积能大幅减小。
这只海雀要真正起飞还需要一段时间,但目前的迹象令人鼓舞——特别是新增的与加密 Windows 系统共存的功能。随着 Windows 10 支持终止日期的临近,这可能是一个重要优势。
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。