微软终于在搭载苹果M1与M2芯片的Mac平台上官方支持Windows 11运行,此举也为VMware和Parallels在Arm上全面支持虚拟Windows 11打开了大门。
用户们注意到,这条最新消息已经出现在微软的支持页面上,其中提到已授权Parallels Desktop在M1和M2芯片的Arm平台上运行Windows 11。
微软指出,“Parallels Desktop版本18是一款授权解决方案,可用于在苹果M1和M2计算机平台的虚拟环境中运行Arm版本的Windows 11 Pro及Windows 11 Enterprise。”
2020年苹果刚刚发布M1芯片时,用户就立即开始在其上运行Windows 10 on Arm。问题在于,当时用户虽然可以使用Apple Bootcamp(或者Paralles及VMware Fusion)在搭载英特尔芯片的Mac上运行Windows,但微软并没有真正放开授权,因此Windows or Arm理论上只适用于微软自家的Surface系列以及惠普和联想等OEM厂商。苹果软件主管Craig Federighi之前曾表示,M1硬件的确可以运行Windows on Arm以及x86应用程序,但是否放开Windows使用许可仍由微软决定。
微软强调了在M系列处理器上运行Windows on Arm的一些限制,但态度的松动还是令Parallels开发商Alludo(原Corel)及VMware感到振奋,双方很快发布了额外的“支持”公告。
VMware在博文中表示,“伴随此次微软公布的新消息,我们很高兴终于可以全速推进,为配备苹果芯片的Mac平台提供全球领先的Windows支持。”虚拟巨头同时表示,现在他们可以直接获取来自微软的开发指导。
Alludo公司则表示,客户现在可以“确信微软已为其解决方案提供授权”。事实上,Parallels 18从去年开始就已经支持在苹果M系列芯片上运行Windows on Arm,而微软选择这个时机放开似有深意。苹果曾表示将从2020年起在两年之内逐步在新款Mac上淘汰英特尔芯片,现在目标已经达成,Parallels的发挥将不再受限。
微软还通过原生远程桌面应用或浏览器端的Cloud PC,为PC、Mac、iPad、Linux和Android设备提供Windows 365服务,订阅费用为每用户每月20至162美元。
微软指出,面向PC和Mac平台的Windows on Arm可能影响那些依赖DirectX 12或OpenGL 3.3及更高版本的游戏。另外,无法支持依赖于“嵌套”微软Hhyper-V的虚拟化功能,包括Windows Subsystem for Android,Windows Subsystem for Linux,Windows Sandbox以及Virtualization-Based Security(VBS)。
微软同时做出澄清,称最好在Windows on Arm上运行64位Arm应用,但客户也可以通过x64或x86仿真运行各类应用软件。
微软提醒,“搭载M1和M2芯片的Mac计算机不支持Windows商店中提供的32位Arm应用。Windows的一切Arm版本正在弃用32位Arm应用程序。要获得最佳使用体验,请优先选择64位Arm应用程序;但客户也可以在Mac M1和M2计算机上通过x64或x86仿真工具运行32位软件。”
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。