ZDNet至顶网软件频道消息:前一阵有人问起微软为什么在推出Windows核心Office程序前将iPad版推到市场上,微软CEO萨蒂亚·纳德拉表示,原因很简单:那就是市场占有率。
根据我的消息人士提供的消息,就现在的架势来看,微软Touch-first Office套件的Android平板电脑版本会早过Windows 8版应市。可能没什么人感到惊讶——尽管我不得不承认我有点感到惊讶。我的内幕消息人士还说,现在看起来,Metro风格Windows版Touch-first Word、Excel和PowerPoint于2014年秋季(坊间传闻的应市日期)应市是没戏了,要等到2015年春天。
微软一如既往地不评论这些消息。下面笔者揣测一下微软这样做的想法。
Office是目前Windows系统的主导办公套件。不过微软现在越来越多地集中精力将自己打造成一个跨平台的软件和服务提供商。强调跨平台对纳德拉班子来说不是新东西,实际上,已经是几个月前的事了。但纳德拉上周(再次)明确提出,微软时下的军令里包括了一条:不要被绑定在一个应用程序、一个平台或一个设备上。
现在的Office仍然是微软的摇钱树之一。为了使Office继续保持强大,微软需要做的不仅仅是不断在Windows版(以及Mac版——影响面小得多)Office上推出新功能。微软必须出现在用户出现的地方。而在移动领域里,大部分用户出现的地方是iOS和Android平台。
在一年前的Build 2013会议上,微软展示了一个行将推出的Touch-first版PowerPoint的Alpha版本。微软官员当时声称,微软一直的计划是要在2014年提供这些Touch-first应用程序。几个月以前,我的内幕消息人士告诉我,这些Windows Store的应用程序正按计划会在2014年秋季发布。
但就现在的形势看,他们的当务之急是要将承诺过的Android版Word、Excel和PowerPoint推向市场。微软官员在2014年3月时表示,这些Android版Touch-first应用程序的发布时间并不确定。不过我听到的消息是,微软的计划是要在2014年底前推出这些程序。
这一码子事里的另一个因素是微软计划在什么日期推出Metro风格Gemini/WinRT版Word、Excel和PowerPoint。我的内幕消息人士说,微软的新计划是做到用户在2015年春季的市面上可以买到这些程序。(我不太清楚这些Gemini应用程序的预览/Beta版是否会在今年年底前推出。)
2015年春季这个日期也是Threshold(又名 “Windows 9”)预期推出市场的日期。考虑到微软据传已经在打造至少一款不包含桌面的Threshold SKU,时间上的安排不见得是巧合。这样的SKU一定得有一个能在非桌面/Win32环境下运行的Windows版本。这时候的Metro-Style/Windows Store版Word、Excel和PowerPoint是必需的,而不只是一个花式摆设。
还有一件事要提一下。据传微软的Office团队正在更新所有的桌面版Office应用程序(不包括InfoPath,InfoPath将退场)。我听到的消息是,这些桌面版更新也可能于2015年初推出。(Mac用户注意:我现在没有有关Mac Office 2011后续版什么时候现身的消息。iPad版Office和Mac Office团队现在已合二而为一。)
没别的,我只能说,新Microsoft的这一套与当年Windows的“最佳先锋”(First and best)那一套已经完全不一样了……
好文章,需要你的鼓励
近期有观点认为,大规模使用生成式AI和大语言模型会增强人类左脑的逻辑分析能力,同时削弱右脑的创造力,导致人类社会逐渐成为左脑主导的群体。但研究表明,左右脑功能分工理论缺乏科学依据,大脑两半球在创造性和逻辑性任务中都会协同工作。此外,AI不仅能辅助逻辑思维,同样可用于诗歌创作、图像生成等创意任务。
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。
微软全球AI巡展在迪拜举行,宣布启动Microsoft Elevate UAE项目,计划为超过25万名学生和教育工作者以及5.5万名联邦政府员工提供AI技能培训。该项目是微软152亿美元投资计划的一部分,旨在加强AI基础设施建设,培养本地人才能力。微软还将与G42和JAHIZ平台合作,为联邦公务员提供技术培训,支持阿联酋成为AI领域的区域和全球领导者。
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。