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
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。