OVHcloud与Nextcloud诉讼案一触即发,Windows巨头承认可能存在反竞争问题。如今微软就自家软件许可政策对欧洲云服务商做出一系列让步,希望在缓和反竞争指控之余,避免自己成为欧盟监管机构的关注目标。
OVHcloud、Nextcloud及其他几家云服务商已经共同向欧盟委员会提起集体诉讼,呼吁建立起公平的竞争环境。其中一大争议焦点就是软件许可。目前在非微软Azure云中运行Windows时需要承担更高的授权费用,各家云服务商明显对此有所质疑。
微软总裁Brad Smith多年来帮助软件巨头拿下不少官司,他日前表示已经听取了批评意见,“虽然指责中有与实际不符的部分,但也确实提出了一些客观存在的问题。”他还补充称,微软正针对这些问题梳理解决措施。
Smith解释道,“首先要承认,我们虽然力求举措能够广泛适用,但恐怕仍会有所遗漏。几周前我与欧洲一家云服务商的CEO在视频会议中也曾提到,微软近期目标是先对问题清单做一番精简。我们会快速行动、快速从中学习。”
作为快速行动的结果,微软已经为欧洲区域提出五项云业务原则,具体包括:
关于上述第二条原则,微软将邀请更多欧洲云服务商加入解决方案供应商阵营,这对微软来说也是一件好事。
Smith坦言,“我们将尊重、甚至帮助欧洲各云服务商在其基础设施上为客户托管并运行微软产品,包括根据以往授权只能在客户自有台式机或服务器上运行的产品。”
也就是说,Windows 11和Microsoft 365商业与企业应用都将向欧洲云服务商敞开大门,作为其基础设施上运行的桌面托管服务的一部分。Smith认为,“这意味着欧洲云服务将第一次有能力为客户提供这样完整的端到端解决方案。”
Smith还补充道,在最近召开的欧洲客户会议上,也有声音希望“简化我们的软件许可”。新的许可草案即将发布,Smith表示其中“提供更清晰明确的条款”,确保客户能够“轻松确定自己的许可成本,同时了解自己需要承担哪些义务。”
软件保障计划也将有所调整,允许客户“在自己的部署选项中获得更大的灵活性”。
“我们将修改并扩展微软的软件保障计划。在新计划中,客户将获得新的版本版权、灾难恢复、故障转移支持、许可证转移及其他权益。目前,软件保障计划还没有覆盖到产品许可证转移,例如Windows、Office或者Windows Server,这就要求客户只能以更严苛的规程或者在专用硬件上使用这些软件。”
“我们将扩展软件保障计划,让客户能够在任何一家欧洲云服务商的基础设施上使用软件许可,包括专用硬件乃至多租户环境,其体验都将与选择微软Azure完全一样。此外,我们还将与欧洲云托管商进一步加强合作关系,为客户提供更加无缝的支持体验。”
Smith还承诺通过“放宽主要基于传统软件许可实践的许可规则”(即许可与物理硬件相关联),让Windows Server降低虚拟环境和云环境的使用门槛。如此一来,客户只需要根据相应的计算容量购买许可证,“无需额外评估托管虚拟环境所使用的物理核心数量。”
此外,微软还在欧洲成立了新团队,负责与各云服务商合作、提供许可与路线图支持,并由此“建立起更加紧密的反馈循环”。这样,微软就能及时拨乱反正,避免成为反垄断诉讼的打击目标。
OVHcloud公司发言人在一份声明中表示:“微软承认了我们投诉的合理性,我们也对这种必须动员欧洲当局才能确保公平竞争环境的现实感到遗憾,毕竟欧洲向来以公开公平的竞争环境所著称。我们正在等待这些决议的具体实施条件,也将继续努力捍卫欧洲云生态系统这一公平竞争环境。”
目前微软是全球第二大基础设施云服务商,单在2022年第一季度就拿下117亿美元收入。
好文章,需要你的鼓励
Genspark推出超级智能体,将"氛围编程"概念扩展至企业工作流程,实现"氛围工作"模式。该系统采用9个大语言模型的专家混合架构,配备80多种工具和10多个数据集,通过规划-执行-观察-回溯循环运行。系统能自主处理复杂业务任务,甚至代替用户拨打电话。45天内实现3600万美元年收入,展现了自主智能体平台的商业可行性,挑战传统企业AI架构理念。
北京大学和百度VIS联合研发的MV-AR技术,首次让AI学会像人类一样逐步观察物体,通过自回归方式生成多视角一致图像。该技术解决了传统方法在处理大视角差异时的一致性问题,支持文字、图像、形状等多种输入,在3D内容创作、机器人视觉等领域具有广阔应用前景。
医疗保健已成为AI应用的热点领域,在疾病诊断、康复监测和新药开发方面证明了其价值。然而,行业仍面临临床人员短缺、人口老龄化等挑战。AI智能体作为下一波AI变革浪潮,相比现有AI工具,能够执行更复杂的任务并减少人工干预。它们不仅能被动提供信息,还能主动采取行动,如自动分诊调度、辅助临床决策、远程患者监护等,有望在十年内彻底改变医疗服务的提供、管理和体验方式。
Microsoft和Georgia Tech研究团队开发了SlimMoE技术,能将超大AI模型压缩到原来的10-20%大小而性能基本不变。该技术采用多阶段渐进式压缩,保留所有专家模块但精简内部结构,成功将419亿参数的模型压缩为76亿和38亿参数版本,让原本需要企业级硬件的AI能力可在普通电脑上运行,大大降低了AI技术使用门槛。