盡管微軟發(fā)布Windows 8已兩年之久,但其可用的Metro風格自定義LOB應用程序仍相對較少。
其原因之一是微軟對Windows Store/Metro風格應用程序的側面載入要求過多。而有了側面載入功能,公司不需通過Windows Store即可向其用戶部署Metro風格的自定義商業(yè)應用程序。
然而,側面載入需要花費的成本及其許可條款令許多企業(yè)打消了為Windows 8構建“現代化”LOB應用的念頭。不過,在微軟今年召開的Build 2014大會上,該公司高管打破了其中的部分局限性。
Magenic技術公司首席技術官霍特卡(Rockford Lhotka)以及其他一小部分人一直直言不諱地批評微軟Windows 8應用的側面載入政策。其中甚至有一些微軟內部成員已厭倦了該公司在側面載入方面缺乏進展的現狀,并試圖通過自己的項目繞開這個限制。
針對其中一些抱怨,微軟似乎已開始著手改善。在其Build 2014大會上,微軟官方宣布他們已下調開發(fā)人員需要為側面載入功能解鎖設備支付的費用。
從今年5月開始,對任何具有批量授權協議的與Windows Pro電腦或平板電腦領域相關的公司,微軟將向其授予企業(yè)側面載入權。被許可方可以以約100美元的價格獲得不限量Windows 8.1設備的LOB應用程序的側面載入權。而在這之前,開發(fā)者需要支付30美元才能獲得一臺設備的解鎖鑰匙。
上周,微軟還面向Windows 8.1用戶推出了一些新工具,旨在幫助開發(fā)人員創(chuàng)建和部署運行在Windows 8.1更新中的觸控商業(yè)應用。這些工具包括:
•Windows運行時組件代理:允許側面載入的Windows Store應用在應用容器之外運行時訪問Windows運行時組件。
•網絡環(huán)回:通過該工具,側面載入的Windows Store應用便可與桌面進程和應用通信。開發(fā)人員可以通過使用依賴于Win32或基礎類庫組件的現有代碼構建觸摸友好型應用,否則無法使用側面載入的Windows Store應用程序。
•Windows通知服務:側面載入的Windows Store應用可通過該工具接收推送通知。
霍特卡認為,雖然微軟的這種改變挺好,但就幫助開發(fā)者將應用實際安裝到他們的設備這一方面而言,仍遠遠不足。他在上周發(fā)表的一片博文中指出,在使用Windows Intune時,用戶每月仍不得不為每臺設備支付6美元到11美元不等的費用。
霍特卡表示:“我認為微軟已經通過改變獲得側面載入權的費用及其可用性,朝著正確的方向邁出了實質性的一步。伴隨著像(Magenic的開放源碼)OrgPortal和CompanyStore這類項目的日益成熟,我想我們已經明白,WinRT(Windows8運行時編程接口)是商業(yè)應用開發(fā)值得考慮的事情。”
然而,盡管微軟已做出了這樣的改變,仍有一些用戶認為側面載入不可行。
一位名為“SleepDaddySoft”的網友在評論微軟博文時指出,向側面載入許可收費的規(guī)定使得WinRT/Windows 8的Metro風格應用成功無望。
他表示,“除非不再向側面載入許可收費,否則對LOB應用程序而言,WinRT平臺永遠不可行。有誰會費力構建一套只能部署到擁有企業(yè)許可證用戶設備的WinRT LOB應用程序?在不經許可就能夠輕松地免費創(chuàng)建一個Web應用、桌面窗口應用、Android應用或Mac OS X桌面應用的情況下,有誰會購買你的許可做這些呢?”
SleepDaddySoft說道:“其實很簡單。別再這樣做了,取消對每個人、每臺設備每一Windows版本的許可要求。然后看著各種類型的開發(fā)人員在Windows平臺上DIY Kinect/Rift/WearableComputing/NextBigThing,極客們將做出許多令人驚奇的事情,之后Windows Store及其平臺將受益于這種網絡效應的積極發(fā)展。”
此外,微軟還宣布稱領有Windows或Windows Embedded軟件保證(Software Assurance)的批量受權(volume licensees)用戶將有權獲得Windows Enterprise和Windows Embedded Industry SKU。微軟高管表示,引入新的Windows Embedded Industry并不意味著微軟將中斷或替換其現有的Windows Embedded版本。
好文章,需要你的鼓勵
騰訊ARC實驗室推出AudioStory系統(tǒng),首次實現AI根據復雜指令創(chuàng)作完整長篇音頻故事。該系統(tǒng)結合大語言模型的敘事推理能力與音頻生成技術,通過交錯式推理生成、解耦橋接機制和漸進式訓練,能夠將復雜指令分解為連續(xù)音頻場景并保持整體連貫性。在AudioStory-10K基準測試中表現優(yōu)異,為AI音頻創(chuàng)作開辟新方向。
Meta與特拉維夫大學聯合研發(fā)的VideoJAM技術,通過讓AI同時學習外觀和運動信息,顯著解決了當前視頻生成模型中動作不連貫、違反物理定律的核心問題。該技術僅需添加兩個線性層就能大幅提升運動質量,在多項測試中超越包括Sora在內的商業(yè)模型,為AI視頻生成的實用化應用奠定了重要基礎。
上海AI實驗室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語言模型人性化對話問題。該研究創(chuàng)建了包含20萬高質量樣本的訓練數據集和MM-AlignBench評測基準,通過創(chuàng)新的數據生成和質量管控方法,讓AI在保持技術能力的同時顯著提升人性化交互水平,為AI價值觀對齊提供了可行技術路徑。
谷歌DeepMind團隊開發(fā)的GraphCast是一個革命性的AI天氣預測模型,能夠在不到一分鐘內完成10天全球天氣預報,準確性超越傳統(tǒng)方法90%的指標。該模型采用圖神經網絡技術,通過學習40年歷史數據掌握天氣變化規(guī)律,在極端天氣預測方面表現卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學領域帶來了效率和精度的雙重突破。