微软正式确认Configuration Manager将转为年度发布节奏,同时将Intune作为创新的主要焦点。
这一变化将于2026年秋季生效,在此之前还会有几个中间版本——2025年12月发布2509版本,2026年3月发布2603版本,然后在明年9月发布第一个年度版本2609。
根据微软的说明,这一决策是为了"与Windows客户端安全和稳定性节奏(H2)保持一致","首要任务是维护安全、可靠的Configuration Manager体验"。
实际上,这意味着热修复汇总只会在"绝对必要时"进行,关键更新和补丁将根据需要应用。
微软Configuration Manager(MCM)最初于1994年以System Management Server的形式与Windows NT 3.5一同推出,现已成为微软系统管理软件套件中的重要组成部分。多年来,随着Windows巨头不断添加功能,该产品经历了多次名称变更,最终确定为MCM。
微软希望客户转向Intune进行硬件管理。该公司将Intune描述为"设备管理的未来",并表示"所有新的创新都将在那里进行"。另一方面,Configuration Manager将"重新专注于安全性、稳定性和长期支持"。
当《The Register》询问微软这是否可能是最终淘汰Configuration Manager的一个步骤时,该公司没有回应。
转向Intune并非轻而易举的决定。Reddit上有用户对这一宣布回应道:"希望他们能创新一些功能对等性。"
另一位用户说:"如果他们甚至想让Intune接近Configuration Manager的能力,就必须在Intune上投入大量精力,而且他们需要在我像使用Configuration Manager那样使用它之前达到这一点..."
Intune是基于云的服务,而Configuration Manager是纯粹的本地服务。后者在本地环境中提供更多的细粒度控制。然而,Windows服务器更新服务(WSUS)的弃用让MCM用户深思。
去年9月,微软表示"WSUS弃用不会影响微软Configuration Manager的现有功能或支持",但也鼓励用户转向Intune等服务进行服务器更新管理。
微软本周表示:"在考虑长期设备管理策略时,请记住微软Intune是所有新创新发生的地方。"
Q&A
Q1:微软Configuration Manager的发布节奏有什么变化?
A:微软Configuration Manager将从当前的发布模式改为年度发布节奏,该变化将于2026年秋季生效。在此之前还会有2025年12月的2509版本和2026年3月的2603版本,然后在2026年9月发布第一个年度版本2609。
Q2:微软为什么要推动用户从Configuration Manager转向Intune?
A:微软将Intune定位为"设备管理的未来",所有新的创新都将在Intune中进行。而Configuration Manager将重新专注于安全性、稳定性和长期支持。微软希望客户转向基于云的Intune进行硬件管理。
Q3:Configuration Manager和Intune有什么主要区别?
A:两者的主要区别在于部署方式和控制程度。Intune是基于云的服务,而Configuration Manager是本地部署的服务。Configuration Manager在本地环境中提供更多的细粒度控制和管理能力。
好文章,需要你的鼓励
微软正式确认配置管理器将转为年度发布模式,并将Intune作为主要创新重点。该变化将于2026年秋季生效,在此之前还有几个版本发布。微软表示此举是为了与Windows客户端安全和稳定性节奏保持一致,优先确保安全可靠的用户体验。配置管理器将专注于安全性、稳定性和长期支持,而所有新功能创新都将在云端的Intune中进行。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
人工智能初创公司aiOla推出基于流匹配训练技术的语音AI模型Drax,挑战OpenAI和阿里巴巴等巨头。该模型重新定义语音算法训练方式,能在嘈杂环境中准确识别语音,兼顾速度与准确性。相比OpenAI的Whisper和阿里巴巴Qwen2,Drax采用并行流处理技术,速度提升32倍,词错误率仅7.4%。该模型已在GitHub开源,提供三种规模版本。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。