距离微软结束Windows 10支持还有三个月时间,戴尔和英特尔希望说服企业买家,升级PC设备是一种优势而非必需。
在一份专门起草的"Windows 11与AI PC准备报告"[PDF]中,这两家供应商认为,企业应该将此视为不仅仅是操作系统升级,而是为AI的可疑好处做准备的不容错过的机会。
戴尔英国客户解决方案集团高级总监Louise Quennell在报告前言中写道:"虽然可能很容易认为这只是一个简单的操作系统更新,但我们认为这是企业重新构想PC和IT基础设施如何帮助创造更高生产力、协作和增强安全性的机会。"
他们如何做到这一点?当然是在刷新周期中优先考虑AI就绪的PC。
英特尔技术销售专家Jimmy Wai进一步表示,这个刷新周期具有"深远意义",是"下一代计算的门户"。
他说:"我们看到英国IT决策者强烈认识到这种转变,他们理解AI功能硬件对其未来运营至关重要。我们可以看到,你们将Windows 10服务终止截止日期视为用AI就绪机器刷新PC设备的绝佳机会。"
但市场情报公司Context上个月告诉The Register,尽管主要品牌大力推动,但由于多种原因,AI PC需求"相当缓慢"。
Context个人系统高级分析师Marie-Christine Pygott表示:"最大的问题仍然是缺乏能够证明投资合理性的杀手级应用或软件。与此相关的是,商业领域特别是仍在弄清楚AI整体能为他们做什么,哪些应用相关,他们到底如何受益,以及在安全方面他们实际上被允许使用什么,所以整个AI话题仍处于早期阶段。"
这也可能与PC制造商期望为AI就绪系统收取溢价有关,Gartner分析师Ranjit Atwal表示,如果他们想要买家接受,可能需要放弃这一点。
戴尔和英特尔的报告包含由Focaldata对1000名IT决策者进行调查的数据。不出所料,随着Windows 10支持在10月14日结束,80%的英国企业正在转向Windows 11,尽管迁移存在一些障碍。
这些障碍包括对软件和硬件兼容性的担忧以及对业务流程潜在中断的担心。
事实上,一些企业目前认为购买AI PC风险太大,因为没有AI软件工作标准,正如Directions on Microsoft去年强调的那样。
兼容性担忧源于微软对Windows 11的硬件要求,这意味着许多可能仅在几年前部署的Windows 10系统将无法升级到新代码。
这也可能与不确定什么构成AI PC有关;英特尔的定义简单地说是具有CPU、GPU和NPU(神经处理单元)的系统。然而,微软提出了自己的"Copilot+ PC"定义,用来描述具有能够达到40 TOPS或更高性能的NPU的Windows系统,这是AI处理性能的一个衡量标准。
戴尔和英特尔的报告称,62%的受访者更可能选择Copilot+ AI PC,而21%会选择"常规"AI PC,12%不确定。
随后,64%的受访者认为确保新PC足够强大以有效运行AI应用程序对其组织来说是关键或非常关键的——这也许解释了为什么许多人还没有急于购买。
报告还声称,高级安全功能和更高的员工生产力是Windows 11及其对AI应用支持的主要好处。
然而,讽刺的是,英特尔去年发布的一项研究发现,使用内置AI服务PC的工人比使用传统硬件的工人生产力更低。
尽管如此,最新报告表示,Windows 11和AI PC可以成为"当今AI驱动世界的差异化因素",拥抱AI的组织"将在生产力方面获得显著优势",而那些延迟的组织面临落后风险。
但正如我们之前注意到的,每个人迟早都会使用AI PC,因为不久之后你将无法购买任何非AI功能的计算机。最近的预测估计,这些系统今年可能占PC销量的43%,并在2026年构成市场主体。
这并不能阻止戴尔和英特尔进行硬性销售:"问题不在于您的组织是否会进行这种转型,而在于您是否会作为领导者进行转型,"报告总结道,并补充说这两家公司提供全面支持,帮助您的企业进行转型,包括专家指导、灵活的融资选择和其他各种资源。
好文章,需要你的鼓励
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
OpenAI明确表示要成为互联网一切事物的主导界面。AI智能体正在改变用户的数字习惯,从健康记录分析到购物指导,ChatGPT已经在多个领域扩展影响力。用户快速采用AI工具,但企业和生态系统的适应速度滞后。电商领域的权力分配尚不明确,用户偏好AI驱动的答案优先体验,品牌则推动生成式引擎优化。研究旨在了解用户与企业在AI变革中的适应差异。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。