从终端用户计算的角度来看,2024 年是科技高管们试图说服世界人工智能 (AI) 可以帮助员工更高效工作的一年。
这导致了一系列旨在提高办公效率和自动化任务的"副驾驶"应用的出现。大语言模型 (LLM) 能够生成内容、在会议中做笔记以及总结复杂文档的事实表明,这项技术正被应用于改善工作流程和加速日常任务。
为了支持这些新的终端用户应用,IT 行业一直在推动在边缘设备、PC 和移动设备上开发 AI。微软推出了一个名为 Copilot+ 的新 PC 类别,这类 PC 需要神经处理单元 (NPU) 来本地运行一些 AI 工作负载。最初,这些 PC 是基于 ARM 架构的,但英特尔和 AMD 也在加大基于 AI 的 PC 研发力度,毫无疑问这种趋势将在 2025 年持续下去。
然而,尽管这些设备承诺可以提高生产力,一些行业专家认为企业升级到这些新设备还没有明确的使用场景。
自新冠疫情以来,新 PC 的购买量已经连续多年下降。只有当 IT 部门被迫升级以确保 PC 硬件能运行受支持的操作系统时,才会出现增长。
鉴于 Windows 10 将于 2025 年 10 月 14 日结束支持,一些 IT 部门可能会在迁移到 Windows 11 时,顺理成章地将老旧 PC 升级为支持 AI 的新设备。
AI 也被用于桌面 IT 支持。自然语言查询为终端用户提供了一种简单的方式来访问 IT 支持常见问题解答库中的知识,使他们能够找到一些可能遇到的 PC 硬件问题的答案。
设备本身也可以运行代理软件,收集大量关于其健康状况的信息。在适当的情况下并遵守隐私法的前提下,这些信息可以为桌面 IT 支持提供数据,用于训练机器学习算法,从而实现预测性维护,保持 PC 的最佳运行状态。
IT 预算仍然紧张,《计算机周刊》报道了一些公司决定购买二手 PC 设备而不是购买新设备的案例。虽然这对许多组织来说可能有点小众,但它使 PC 购买变得更加经济实惠,终端用户通常可以以合理的价格获得更好的硬件。
对于那些只需要 PC 完成非常特定任务的组织,如呼叫中心,微软通过推出新的设备类型重新激发了人们对基于云的 PC 的兴趣。
其 349 美元的 Windows Link 设备实际上是一个锁定的瘦客户端设备,可直接启动进入微软云。随着企业寻求降低桌面计算 IT 维护成本和降低针对终端用户的网络攻击风险,这类设备很可能成为未来 IT 资产的一部分。
以下是《计算机周刊》评选的十大终端用户计算文章。
1. 在企业中支持 Copilot+ PC 的挑战
Windows PC 通常使用与 x86 兼容的硬件,搭载英特尔或 AMD 处理器。微软现在正在推动基于 ARM 架构的 Windows 来支持 AI。
2. 提高终端用户计算的可持续性
识别终端资产、实施虚拟桌面和使用翻新设备是管理终端设备环境可持续性的一些方法。
3. IT 策略:支持分布式工作力
支持混合或完全远程工作的员工的想法改变了终端用户计算支持的动态。我们探讨了其中的挑战。
4. Windows 11:在欧洲、中东和非洲地区的优先级不如北美地区高
调查显示,IT 决策者今年优先考虑提高桌面生产力和更新 PC,美国有更多人优先考虑在 PC 和 Windows 11 升级上的支出。
5. 为什么设备端 AI 是消费者和企业应用的未来
虽然在云端运行 AI 工作负载看似合乎逻辑,但 PC 硬件上 AI 的出现提供了一种本地计算的替代方案。
6. 播客:面密度、AI 设计和 50TB 硬盘驱动器
我们与希捷讨论了硬盘驱动器、使用人工智能设计更高面密度、每个盘片更多 TB 容量的硬盘,以及容量高达 50TB 的硬盘,特别是使用 HAMR 记录技术。
7. 第三季度出货的新 PC 中有五分之一是针对 AI 优化的
PC 制造商正在努力展示使用神经处理单元来提供设备端 AI 加速的高端设备的优势。
8. 骁龙峰会 2024:PC 和移动设备达到 AI 第一个拐点
领先移动技术平台的年度会议发布了新处理器,并致力于引领 PC、移动、汽车和空间计算领域的创新步伐。
9. 闪存价格下降,因驱动器产量增加但需求滞后
今年早些时候,由于制造商产量紧缩,闪存价格很高,但此后由于需求疲软而下降,现在闪存每 GB 的成本仅略低于 10 美分。
10. CrowdStrike 更新混乱解释:你需要知道的事
网络安全公司 CrowdStrike 的软件更新失误在全球范围内造成了 IT 混乱。了解全球 CrowdStrike 更新中断是如何发展的。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。