在上周举办的消费电子展会(CES)上,到处充满了Windows RT设备的身影,说不定有可能会由微软新任首席执行官以此特色发表主题演讲。
不过,至少对微软而言,这一年正是Android台式机开始在CES展会上深入发展的一年,成为第一个真正威胁到微软Windows台式机主导地位的一位对手。
由于平板电脑和智能手机的崛起,几年来个人电脑的销售一直处于衰退状态,而大部分平板电脑和智能手机都运行Android操作系统。
明年(甚至有可能是今年)平板电脑的出货量将会超过个人电脑(据Gartner预计,两者出货量将约为3.25亿台和2.68亿台),而智能手机的出货量还将继续压倒两者,2014年该数据将有近二十亿。此外其中11亿台设备将运行Android操作系统,相比之下,其中的Windows设备仅有3.6亿台。
因此对众多拼命寻找增加销售额的新途径的PC制造商而言,用Android系统做试验也不足为奇。为此,英国《卫报》的查尔斯•亚瑟对当前对个人电脑厂商收入的压力做出了调查。
多亏了微软Windows Phone、Surface和即将完成的诺基亚硬件收购,如今诺基亚不仅是微软的一名竞争者,同样也是微软的一名PC制造商盟友。这一事实使得他们较先前而言更愿意尝试搭载新的操作系统。
正如ZDNet拉里•迪格南(Larry Dignan)所指出的,如果费用合适且安全性能够提高,那么Android有可能在台式机领域会有所突破,就像它在移动领域的突破一样。虽然Android在台式机领域成为Windows的真正威胁之路上会有重重障碍,它仍是一个令微软头痛的竞争对手。如果人们不购买Windows操作系统,那他们同样也可能不会购买Office产品,更不可能购买整个从Windows Phone到Azure的生态系统。
鉴于台式机属于Windows的最后堡垒,Android敢于向其发起进攻的行为也反映出了迄今为止科技生态系统之战的激烈程度。
或许你会认为人们对Android版台式机已经没有太大需求了,但消费者对Windows的忠诚度又有多深呢?
消费者希望购买可以帮助他们做他们想做的事的设备,因为Windows,他们不再选择购买PC。大多数消费者并非特定操作系统爱好者:毕竟似乎很少有人抱怨他们的平板电脑为何不运行Windows。长期以来人们购买Windows电脑的原因是,到目前为止,Windows台式机是他们唯一的选择。而他们使用Android平板电脑后的积极体验,或许会促使人们更乐意在台式机上尝试一下。如果Android PC受消费者欢迎,那么他们将也开始出现在办公室中。
尽管微软一直试图处理好Android对Windows RT的威胁,但到目前为止其收获甚微,仍需继续努力。
然而,即使Androids平板和Chromebook笔记本吸引了不少消费者,微软的核心业务客户或许会对此进行长期抵制:大多数公司大量投资于微软基础设施,希望能在短时间内有显著成效。
就其本身而言,Android对Windows的威胁可能至少需要长达十年的时间才会对微软造成重大影响。在此期间,希望Windows能够有显著发展,迎接威胁到其中心地带的Android的挑战。
但从长远来看,哪款操作系统在台式机领域占主导地位这一问题可能已无关紧要。毕竟,很难看出PC销售量将如何再次反弹,台式计算机的时代已经过去。消费者也越来越喜欢使用平板设备——你会发现,在家里,虽然在需要时使用的公共PC依旧存在,但人们日常使用的一般都是他们的智能手机和平板电脑。那么,在办公室会不会也看到同样的事情发生呢?PC会不会变得与工作站(或复印机、传真)有点类似呢?
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。