微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 微软重塑移动战略:寻找出路

微软重塑移动战略:寻找出路

2015-07-21 09:37
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2015-07-21 09:37 CNET科技资讯网

十多年来,无论社会反响如何,微软一直都未放弃其手机业务。微软当初收购诺基亚智能手机业务时,意在开启一个新纪元,但是在本月早些时候,距离收购该部门15个月后,微软做出一个戏剧性的决定:裁减7800名员工并减记76亿美元资产。

消息公布几天后,在接受ZDNet微软观察员玛丽·乔·弗利(Mary Jo Foley)的一次采访时,微软CEO萨蒂亚·纳德拉(Satya Nadella)坚称,尽管微软将解雇数千名员工,而且基本上也将其手机业务估价为零,但微软不会放弃智能手机的制造业务,未来该公司将降低手机目标,精简手机产量,专注于业务、廉价手机和一两款旗舰手机。

尽管微软已设法在智能手机市场积攒了3%的份额,但这远不足以回报它所投入的时间和资金。因此,微软要改变其移动战略根本不足为奇。而且基于某些原因,微软的移动战略依旧耐人寻味。

首先,微软基本上算是唯一一家能够在资金力量和技术上都赶得上谷歌和苹果的公司,不论这种可能性看起来有多遥远。不过,如果连微软都无法打入这一市场,那我们将不得不处理接下来的问题:在今后的一段时间内,智能手机市场双龙争霸的局面将持续。

其次,微软在手机领域的成败对该公司的未来计划影响更为广泛。微软宣布重组手机业务的时机非常有趣,因为这将意味着,在Windows 10在本月底上市之前,这一坏消息对新系统的影响已无大碍。但它确实引发了一个问题:对Windows、微软及其相关产品和服务来说,缺乏一个成功的移动战略会有多大影响?

此外,有一个重要转变不容忽视:如今,使用智能手机的用户很可能要多于PC用户。对很多人而言,智能手机是他们的默认计算设备。事实上,对于很多新兴市场的用户来说,智能手机将成为他们的唯一设备。那么,微软在这一领域中的地位是什么?

在此,微软的短期计划便讲得通了——削减一般的Lumia系列机型,仅推几款有针对性的手机。毕竟,苹果已努力用四款(差别不大的)iPhone机型征服了智能手机领域。

一款Lumia旗舰手机已迟到很久,仍有一些企业对Windows手机感兴趣。微软在Surface平板电脑方面也取得了一些成就,这促使部分硬件制造商最终坚持了下来,冒着风险生产更好的设备。不过,难以想象现在为何会有Android厂商愿意切换至Windows平台。虽然对微软而言,向其他平台上推广Office等主要应用是有所裨益的,但这对于Windows平台的支持率帮助不大。

虽然微软的最新战略言之有理,但其实施将艰难无比,在这么多通晓移动知识的专业人士离开微软后,这一困难将尤为突出。

在采访中纳德拉还认为,当下,专注于智能手机将与过去他们将PC看做一切的中心这一设想一样危险。“如果说我们在过去曾犯过什么错误,那么一个严重的错误便是认为PC将永远是一切产品的中心。而如今,6英寸的手机设备市场占有率已非常高。我对这一点表示承认。但是,如果我们现在又认为这便是未来的一切,那将表明我们还未能吸取教训,在远不如过去的情况下还有可能重蹈覆辙。那将是愚蠢的行为。”

纳德拉是正确的:只专注于6英寸的智能设备与认为PC将永不过时一样危险。这正是各大公司近几年来突然大举进军可穿戴设备的意义所在:对下一代技术的大规模公测。

问题在于,目前可穿戴市场至多仍处于初级阶段:对此感兴趣的消费者很少,而且其产品硬件还远不成熟。可穿戴设备要想成为主流,可能还需五年或五年以上的时间。纳德拉表示“我们必须寻找未来趋势中的下一个转折点”而且“我只是不想再打造一款手机,不想推出一个‘山寨’手机操作系统”,尽管他的话很正确,但在还需不断探索智能手机的未来之路上,微软将很难直接从PC市场跨越到全息虚拟现实设备HoloLens这一领域。

微软要实现其目标,很大程度上都将取决于该公司最新移动战略的成功与否以及能否获得开发人员的支持。而且,微软未来一年的动态将至关重要。微软的确该思考下一个大事件了,但它的到来或许还要等很久。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-