尽管Windows 10的许多版本已在近两个月前结束支持,Windows 11的市场份额领先优势仍未显著扩大。
根据Statcounter数据,截至2025年11月,Windows 11在Windows桌面市场占有率为53.7%,而Windows 10为42.7%。这表明两者间的差距正在缩小,而非微软和PC制造商预期的扩大。
需要注意的是,Statcounter的数据仅代表相对较小的网站子集(约150万个),并结合了消费者和企业设备的数据。
消费者升级缓慢的原因
Lansweeper首席技术布道师Esben Dochy指出,消费者更可能拥有无法升级的设备,或遵循"没坏就别修"的原则。他还提到,欧盟消费者可免费获得微软扩展安全更新(ESU)。
对于企业而言,情况则有所不同。Dochy表示:"主要阻碍是缓慢的变更管理流程。这些流程可能因糟糕的规划、资源不足、执行困难(在高度分散的组织中)等原因而变慢。ESU用于在变更管理流程进行时保持安全,但组织需要付费获取ESU,这使得准备不足或效率低下的组织成本更高。"
企业迁移策略分析
Omdia(前身为Canalys)研究经理Kieren Jessop认为,Statcounter呈现的情况"真实但复杂"。
"当消费者购买新的Windows 11电脑时,他们经常将旧的Windows 10机器保留作为辅助设备——用于孩子的作业、厨房电脑或基本任务。这些机器继续产生网络流量并出现在使用统计中,即使使用强度较低。这意味着Windows 11的采用曲线代表净增长而非纯粹替换,缓解了Windows 10的下降速度,但并未反映实际购买行为或主要设备的安装基础构成。"
Jessop解释,企业层面情况不同。仍在使用Windows 10的企业将ESU计划视为战略桥梁而非替代方案。ESU已成为企业PC迁移规划的标准工具。
组织正在有选择地使用ESU——"覆盖具有应用程序依赖性的关键任务系统、不存在Windows 11驱动程序的专业硬件,以及尚未分配更新预算的部门。这是战略分流而非无限期保持Windows 10的整体决定。"
升级挑战与经济考量
"公司为其设备队伍的特定部分争取时间,同时对其他部分执行分阶段迁移。对于大型企业而言,每设备ESU成本通常远低于迁移的中断成本——兼容性测试、部署规划、用户再培训以及推出期间的潜在生产力损失。考虑到许多组织无论如何都需要购买新硬件,将资本支出分散到正常更新周期中比为满足任意截止日期而实施紧急计划更具财务意义。"
Windows 11面临的挑战在于,除了许多版本免费支持的结束外,没有必备功能让企业打破硬件更新周期,特别是在困难的经济环境下。
微软尚未发布Windows 11采用率的官方统计数据。然而,硬件供应商已注意到过渡步伐的缓慢。戴尔首席运营官Jeffrey Clarke在分析师电话会议中评论道:"如果你将其与之前的操作系统支持结束相比较,我们在Windows 11方面比上一代落后10-12个百分点。"
Q&A
Q1:为什么Windows 11的市场份额增长这么慢?
A:主要原因包括:消费者设备无法升级或遵循"没坏就别修"原则;企业变更管理流程缓慢,涉及规划不足、资源缺乏等问题;许多消费者保留旧Windows 10设备作为辅助设备;经济环境困难下企业不愿打破硬件更新周期。
Q2:企业如何利用扩展安全更新来处理Windows 10到11的迁移?
A:企业将ESU作为战略桥梁工具,有选择地覆盖关键任务系统、没有Windows 11驱动的专业硬件和预算未到位的部门。这是战略分流,为设备队伍特定部分争取时间,同时对其他部分执行分阶段迁移,而非无限期停留在Windows 10。
Q3:Windows 11相比之前操作系统升级的表现如何?
A:根据戴尔首席运营官的数据,Windows 11的采用率比之前操作系统支持结束时的情况落后10-12个百分点,显示升级速度明显放缓。主要原因是缺乏必备功能驱动企业打破硬件更新周期。
好文章,需要你的鼓励
跨境电商平台的崛起,让家居企业不再只做幕后生产者,而是以品牌形态直接触达全球消费者,逐渐从幕后走向台前。在这一潮流中,跨境家居电商赛道的“老玩家”,致欧家居科技股份有限公司(以下简称“致欧家居”)正通过数字化供应链,重塑跨境家居电商的“护城河”。
DeepSeek-AI团队开发的DeepSeekMath-V2突破了传统数学AI只关注答案正确性的局限,首次实现了AI的"自我验证"能力。该系统在2025年IMO竞赛中达到金牌水平,在2024年普特南竞赛中得分118/120,远超人类最高分。这项技术通过训练AI像数学专家一样检查和改进自己的推理过程,为AI辅助数学研究和教育开启了新的可能。
华硕Ascent GX10 GPU采用了最新的Blackwell架构,这一架构针对Diffusion模型和Transformer等主流AI模型配备了专门的加速单元。
这项由伊利诺伊大学与谷歌联合开展的研究提出了"分离然后合并"(StM)的视频合成新方法,通过自动分解5万个视频片段创建了大规模训练数据集,解决了传统方法无法同时保持原始动作和实现环境适应的问题,让AI能像经验丰富的演员一样既保持特色又融入新场景。