ZD至顶网CIO与应用频道 03月29日 评论消息(文/孙博):在这篇采访稿的开头,我们有必要一起做下回顾。
差不多三个星期前,北京时间3月8日那天,微软如承诺所言,正式对外宣布推出Visual Studio 2017,同时庆祝Visual Studio的20岁生日。
Visual Studio是微软公司开发工具的系列产品。其中包含了整个软件生命周期中所需要的大部分工具,如UML、代码管控等等。而此次2017版本的发布,微软方面宣称是有史以来最具生产力的版本,它将帮助任何开发者在任何平台上构建任何应用程序。
据微软开发平台事业部全球资深副总裁潘正磊透露,从发布到现在的两个星期时间内,客户正积极下载和使用Visual Studio 2017版本,速度甚至超过以往任何版本。
微软开发平台事业部全球资深副总裁潘正磊
新版本做了哪些轻便的调优
微软声称这是迄今为止最具生产力的版本,其内建工具整合了.NET Core、Azure应用程序、微服务、Docker容器等内容。而对于新版本如此受欢迎的原因,相较以往版本,此次又有哪些提升,对此潘正磊给出了答案。她先从云的角度谈起。
潘正磊说,此次他们做了几部分的工作。一部分是和微软内部的Azure团队一起合作,让用户不用在云端就可以直接调试代码。一部分是针对整个开发流程,从调试到发布中间的调整。以及当代码发布到云上后,涉及代码的性能、调试等场景进行了优化。
除此之外,在其他方面新版本也做了很多的调优。例如编程语言,用户可以在Visual Studio的平台上,无论使用哪些开发语言,都能够非常容易的进行开发。并且通过对Visual Studio和Visual Studio Code的技术整合,实现代码共享的功能,这样只需一套代码即可。
潘正磊说,Visual Studio变得更为快速、精简,即使所面对的应用开发和项目愈加庞大,也能够让开发者享受到全新的安装体验,让一切变得轻便而模块化。
Any Developer,Any App,Any Platform
“近一两年开始,Visual Studio 2017改变了我们的战略。我们现在的战略是拥抱所有开发人员,所有开发平台,支持开发人员开发任何的应用。”潘正磊说,微软的愿景是“Any Developer,Any App,Any Platform”。
早在Visual Studio2012版本时期,该工具还只支持Windows。在战略转型后,Visual Studio变成了一个跨平台和开源的产品,现在还同时支持iOS、Android、Mac。以此可以折射出微软对开发者的全新态度。
从微软近两年一直在强调的“移动为先,云为先”中不难看出,移动化和云是其着重发展的两大业务。因此对于此次Visual Studio 2017版本的发布,是否是希望借此来推动微软云计算平台Azure的更大发展,对此潘正磊提到了四个字——自然而然。
首先潘正磊肯定了记者的提问,她说Azure作为微软的一个重要平台,的确非常希望用Visual Studio 2017来对其推波助澜。
“放眼全球,软件愈发成为每个大公司的业务核心。对于微软来说,它的DNA里面就是关注开发者的,本身具有非常强的开发工具和服务。我们当然可以利用在开发者心中的位置,这一优势来带动Azure平台的提升。这是自然而然的一件事。”
Visual Studio 2017版本从上线以来还不到一个月的时间, 至于下一级段的打算,潘正磊说希望吸引更多的开发者,从而提高Visual Studio 2017的月活量。同时,还将对Azure功能做进一步的提升,以及针对时下流行的Micro Service(微服务)和Container(容器技术)等在平台上的体现,让用户的开发、调试、分析体验能更加方便快捷。
好文章,需要你的鼓励
Citrix宣布通过XenServer产品重返主流虚拟化市场,尽管该公司承认产品尚未完全就绪。云软件集团表示XenServer正扩大支持范围以涵盖各类工作负载。Citrix早在2010年代初就基本放弃了XenServer作为主流虚拟化产品的定位。产品管理高级总监认为当前虚拟化市场正经历前所未有的变化,特别是主要厂商的激进许可变更给IT预算带来压力,为Citrix提供了重返市场的机会。
这项研究首次将在线强化学习成功应用于流匹配模型,通过巧妙的ODE到SDE转换和去噪减少策略,显著提升了AI图像生成的精确度和可控性。在复合场景生成、文字渲染等任务上取得突破性进展,为AI生成领域开辟了新的技术路径。
Docker公司发布重大新功能,旨在简化智能体AI应用的构建、运行和部署。公司扩展了Docker Compose工具以支持AI智能体和模型的大规模部署,并推出Docker Offload服务,允许开发者将AI工作负载转移到云端。新功能还支持模型上下文协议网关的安全连接,并与谷歌云、微软Azure等合作伙伴集成。
这篇由阿里巴巴集团联合多所知名高校发表的综述论文,系统梳理了统一多模态理解与生成模型的最新发展。研究将现有模型分为扩散、自回归和混合三大类型,详细分析了不同图像编码策略的特点,整理了相关数据集和评估基准,并深入探讨了当前面临的技术挑战。