最近笔者参在加巴塞罗那举行的微软Convergence用户大会时发现120美元的网络漫游费根本不够用,幸运的是,与其他地方一样,巴塞罗那的星巴克为大家提供了免费可靠的互联网连接。事实上,很多游客在谷歌地图中搜索星巴克时,其实并不是为了喝咖啡,而是想要网络连接。星巴克品牌更多地会让人联想到互联网,而不是咖啡,这也让星巴克逐渐变成互联网服务提供商(ISP)。对于其他拥有分支机构的企业而言,可以学习星巴克转变成免费无线ISP。
23000个远程办公室
对于典型的全国性零售商的管理员,在数百个地点维持PoS服务、订单管理和财务核算系统很困难,更何况还要实现100%正常运行时间。即使是对于拥有10个分公司的房地产公司,监控和管理分支机构本地互联网连接、软件即服务(SaaS)应用访问和VoIP服务都不是容易事。
无论对于拥有多个销售办事处的工厂,还是拥有几十或数百工厂的小型中央办公室,这都是很大的负担。要知道,星巴克拥有超过23000个“工厂”,其中大多数都提供免费上网服务。而引人关注的是,这个新的无线ISP去年还与Google/Level 3 Communications合作在美国7000个地区提供网络连接。
为了保持这些店铺的网络连接以及充当免费的无线ISP,星巴克仅在美国就花费了数千万美元,网络设备占其主要支出。那么,如果星巴克的主要业务是卖咖啡,为什么星巴克在分布式IT投资这么多钱呢?
网络连接带来投资回报
与很多最成功的品牌一样,星巴克为客户提供网络连接的原因在于,他们不只是在卖咖啡,而是在卖一种体验。另外,星巴克还在美国一些城市推出了Starbucks Evening活动,店内会提供啤酒、葡萄酒、奶油松露和奶酪,因为他们不只是希望客户来完成交易,还希望人们融入其中。
星巴克认识到网络连接已经成为“卖点”,那些提供卓越的互联网体验的品牌可获得丰厚的回报。作为免费的无线ISP,星巴克还为主要通过应用和社交媒体联系的这一代人提供了社交中心。
我们都在成为ISP
作为管理员,我们发现我们的企业开始涉及客户带宽业务,因为我们每个人都在成为自己的免费无线ISP。现在,医疗保健、零售商、政府机构、电影院、餐厅、银行、书店、洗衣店和健身房已经发现免费的无线网络连接会让消费者高兴,并且,对于大多数企业,WLAN肯定不是他们的核心业务。
最近笔者采访了拥有50家商场的购物中心物业管理组的代表。他表示他们的总峰值访客带宽接近500Mbps,而且还在不断增长。他曾经认为他们应该要担心停车等问题,而不是向每天数以万计的客户提供无处不在的网络。这是这个公司正在经历的转变,他们正在逐渐成为无线ISP。
为此,该公司正在投资其无线基础设施,现在,卓越的免费Wi-Fi连接是客户满意度的主要原因。并且,这些满意的客户会带来更高的回报。换句话说,网络正在为这个商场提高收入,就像星巴克一样。并且,与很多此前只有店面的企业一样,我们必须重新考虑我们客户的连接需求。为了满足这个新的质量体验期望挑战,我们需要的不仅是专业技能,还需要正确的工具。
你可能此前从来没有接触过ISP业务,但你的客户(特别是潜在新客户)可能希望你成为ISP。笔者发现就连他经常光顾的轮胎店都已经开始转变,在其等候区都提供了VPN和远程桌面。
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。