比Win7快30% Win10今年的任务就是它

简介:

7月29日,微软发布了Windows 10系统。这一系统将用户熟悉的Windows 7界面与Windows 8的新技术结合在一起。

Windows 10与以往版本的Windows有很大不同。在PC的黄金时代,用户会在夜间排长队购买Windows 95的拷贝。而对于Windows 10,系统正式发布首日甚至没有太多新PC搭载这一系统,而商店货架上也没有摆满了新系统的光盘。用户获得Windows 10的主要方式是免费下载,随后升级现有的计算机。

这意味着微软将自行承担成本,同时也失去了造势的机会。不过这也表明,微软计划将Windows系统从软件变成一项服务。

过去多年中,微软希望整合PC、手机和平板电脑的操作系统,而Windows 10最终实现了这一目标。苹果和谷歌等竞争对手目前尚未做到这一点。

Windows 10应用可以同时运行在台式机和移动设备上,此外还可以运行在Xbox和HoloLens现实增强设备中。通过适当的适配器,在插入键盘、鼠标和显示器之后,运行Windows 10的手机可以变身最基础的计算机。

因此,2016年关于Windows 10最大的问题在于,是否会有更多人关心这一切。

到目前为止的普及率

微软没有公布目前Windows 10的用户数据。该公司10月初表示,已有超过1.1亿台PC运行这一系统,但随后没有公布更多的新消息。

第三方数据可能更清晰。根据Net Market Share的数据,运行Windows 10的PC占桌面互联网使用量约9%。(Windows整体占比为91%。)

在移动端,情况并不是很好。尽管Windows平台在智能手机市场的份额为3%,但只有0.09%的手机运行Windows 10系统。这意味着,在推动Windows 10智能手机发展的过程中,微软还有许多工作要做。

为了实践Windows 10成为一项服务的承诺,微软已发布了Windows 10的首个更新,而更多的更新预计将于2016年发布。不过微软拒绝透露,这些更新将包含什么内容。

微软下一步需要做什么

开发者对数据非常关心。移动操作系统的市场份额是决定他们的应用支持哪些平台的关键。正是由于这样的原因,微软设定了未来3年将Windows 10安装至10亿台设备的目标。即使最不看好Windows 10的开发者也无法忽略如此多的用户。

为了实现这一目标,微软对Windows 10采取了免费策略。对Windows 7和Windows 8的个人用户来说,Windows 10的升级是免费的,不过企业用户仍需要付费。

除了推动用户数增长以外,Windows 10还有许多其他工作需要去做。

微软需要找到完整的支付解决方案。该公司已建立了应用销售的机制,但目前移动设备还需要协助完成店内和在线支付。

Windows Phone 8包含了基本的钱包应用,但这一版本的系统未能取得太大的发展。与此同时,尽管苹果、谷歌和三星都已推出了自主的移动支付应用,但Windows 10在这方面还没有太大的动作。

微软此前承诺,将向开发者提供所有必要的工具,帮他们将当前的应用移植至Windows 10平台,但微软的这一承诺只完成了一部分。面向iPhone开发者的工具目前仍在测试中,而面向Android开发者的一款工具似乎消失无踪。

尽管Windows 10可以支持较老的PC,但在手机端情况并非这样。微软最初计划在12月底前实现这一目标,但目前的计划已经推迟至明年。

对微软来说,好消息在于Windows 10的设计支持定期升级。微软已经证明,该公司有能力提供升级,而Windows Insider项目的参与者能帮助该公司在升级正式发布前进行测试。

不过,微软目前并不占优势。如果Windows 10希望在竞争中取得一席之地,那么微软还需要解决种种挑战。

本文转自d1net(转载)

相关文章
|
机器学习/深度学习 算法 数据可视化
【机器学习】十大算法之一 “K-means”
k-means算法早在1957年就被发明了,最早由J. MacQueen提出。后来,Lloyd(1982年)、Hartigan(1975年)、Forgy(1965年)等学者对此算法进行了修正和改进。这个算法已被广泛应用于数据挖掘、模式识别、图像处理等领域,它可以用来识别数据集之间的模式,因此是一种十分实用的机器学习算法。本篇文章介绍了k-means算法,一种常见的聚类算法。我们详细讲解了该算法的发展史、原理、功能以及示例代码。
1222 153
【机器学习】十大算法之一 “K-means”
|
23天前
|
人工智能 安全 调度
AI工程vs传统工程 —「道法术」中的变与不变
本文从“道、法、术”三个层面对比AI工程与传统软件工程的异同,指出AI工程并非推倒重来,而是在传统工程坚实基础上,为应对大模型带来的不确定性(如概率性输出、幻觉、高延迟等)所进行的架构升级:在“道”上,从追求绝对正确转向管理概率预期;在“法”上,延续分层解耦、高可用等原则,但建模重心转向上下文工程与不确定性边界控制;在“术”上,融合传统工程基本功与AI新工具(如Context Engineering、轨迹可视化、多维评估体系),最终以确定性架构驾驭不确定性智能,实现可靠价值交付。
309 41
AI工程vs传统工程 —「道法术」中的变与不变
|
6月前
|
存储 人工智能 自然语言处理
从Prompt到Context:为什么Think Tool是形式化的必然?
本文从编译原理的视角,为当前AI工程实践(如Prompt Engineering、Context Engineering、Think Tool)提供坚实的理论根基。AI编程的演进并非凭空而来,而是重演了软件工程历史上对形式化、可验证性和可靠性的追求。
从Prompt到Context:为什么Think Tool是形式化的必然?
|
5月前
|
人工智能 云计算
和五所高校一起,我们共同打造了一门AI课程!丨云工开物
9月1日,阿里云联合多所高校推出的「动手学AI:人工智能通识与实践」课程正式开放。课程涵盖理论与实践,支持多专业定制,助力高校AI人才培养。
|
7月前
|
机器学习/深度学习 人工智能 缓存
万字综述,讲一讲这两年大模型这整个领域到底发展了哪些方面
本文深入探讨了自2023年GPT-4发布以来,大型语言模型(LLM)领域的发展趋势及其技术演进路径。
万字综述,讲一讲这两年大模型这整个领域到底发展了哪些方面
|
3月前
|
人工智能 决策智能
清华大学“Al+经管 零基础玩转大模型”AI Day举办成功丨云工开物
2025年11月13日,清华经管学院CDC联合阿里云举办“AI+经管”AI day,百余名学生参与。活动通过“讲座+实践”形式,聚焦大模型在经管领域的应用,涵盖金融智能体、多智能体协同、零代码数据看板等实战内容,助力学生掌握AI技能,推动AI与专业融合,提升数智时代竞争力。
|
2月前
|
自然语言处理
模型架构篇🏗️ 主流大模型结构
本文系统梳理主流大模型架构:Encoder-Decoder、Decoder-Only、Encoder-Only及Prefix-Decoder,解析GPT、LLaMA、BERT等代表模型特点与应用,并对比参数、上下文长度与优势场景,涵盖中英文大模型发展及面试核心要点。
230 0
|
7月前
|
SQL 缓存 安全
深度理解 Java 内存模型:从并发基石到实践应用
本文深入解析 Java 内存模型(JMM),涵盖其在并发编程中的核心作用与实践应用。内容包括 JMM 解决的可见性、原子性和有序性问题,线程与内存的交互机制,volatile、synchronized 和 happens-before 等关键机制的使用,以及在单例模式、线程通信等场景中的实战案例。同时,还介绍了常见并发 Bug 的排查与解决方案,帮助开发者写出高效、线程安全的 Java 程序。
412 0
|
10月前
|
机器学习/深度学习 人工智能 自然语言处理
这个模型让AI角色会说话还会演!MoCha:Meta联手滑铁卢大学打造对话角色视频生成黑科技
MoCha是由Meta与滑铁卢大学联合开发的端到端对话角色视频生成模型,通过创新的语音-视频窗口注意力机制实现精准的唇语同步和全身动作生成。
622 12
这个模型让AI角色会说话还会演!MoCha:Meta联手滑铁卢大学打造对话角色视频生成黑科技
|
弹性计算 数据管理 数据库
从零开始构建员工管理系统:Python与SQLite3的完美结合
本文介绍如何使用Python和Tkinter构建一个图形界面的员工管理系统(EMS)。系统包括数据库设计、核心功能实现和图形用户界面创建。主要功能有查询、添加、删除员工信息及统计员工数量。通过本文,你将学会如何结合SQLite数据库进行数据管理,并使用Tkinter创建友好的用户界面。
630 2
从零开始构建员工管理系统:Python与SQLite3的完美结合