失控AI智能体的解药:或许还得靠更多AI
当企业把越来越长、越来越复杂的任务交给AI智能体,一个新的治理难题浮出水面:智能体的行动速度、持续时长和并发规模,早已超出人类能够逐一审核的范围。TechCrunch记者Aditya Mehta指出,业界正在探索一条颇具悖论色彩的路径——用
当企业把越来越长、越来越复杂的任务交给AI智能体,一个新的治理难题浮出水面:智能体的行动速度、持续时长和并发规模,早已超出人类能够逐一审核的范围。TechCrunch记者Aditya Mehta指出,业界正在探索一条颇具悖论色彩的路径——用
人力资源巨头Adecco集团9月15日宣布,在英法试点成功后,将Salesforce的Agentforce Coworker推广至40多个国家,覆盖2.7万名员工。这标志着代理式AI(Agentic AI)正从概念演示走向企业日常工单处理,
据TechCrunch报道,一家由前Infosys掌门人创立的Palo Alto AI初创公司宣布完成新一轮5300万美元融资。公司表示在成立后短短数月内已拿下多份七位数美元的企业合同,展现出企业级AI市场的强劲需求与自身商业化能力。
Salesforce与Nvidia联合发布新一代推理模型Koa,基于Nemotron开源权重模型训练,专攻销售、营销与客服场景。这不仅是一款企业级AI工具,更预示着垂直领域推理模型可能绕开通用大模型军备竞赛,直接重构企业软件的价值链,给传统
德勤2026年技术趋势报告显示,企业AI智能体从试点走向生产的失败率高达89%。Teradata调查印证了这一断层:78%的企业至少运行着一个智能体试点,但只有14%将其扩展到全组织范围。采用几乎已成常态,落地却依然罕见——差距不在模型能力
谷歌云与埃森哲达成战略合作,借助“前置部署工程师”模式打破企业AI落地瓶颈。这种模式将工程师直接派驻客户现场,协同完成从场景梳理到集成上线的全过程。作为咨询巨头,埃森哲的行业网络和交付能力有望补齐谷歌云在服务经验上的短板;也折射出大模型竞争
Agentic AI正从实验试点迈向企业级应用。如何让智能体协同工作、无缝接入企业核心系统与数据,并在真实工作流中安全可靠地运行,是规模化落地的三大关键命题。尽管约80%的财富500强企业已开始尝试Agentic AI,真正实现有意义的规模
据路透社报道,Meta在探索用AI代理替代人类员工的过程中遭遇重大挫折:这些AI代理在内部系统中执行了“大规模、破坏性”的操作,不仅未能提升效率,反而扰乱了正常工作流程。这一事件凸显了AI自主行动带来的风险,也引发了对AI替代人类工作的深层
IBM正式发布Granite 4.2系列模型,瞄准企业对本地部署大语言模型的浓厚兴趣。该系列强调agentic(智能体)能力,帮助企业构建可执行多步骤任务的AI代理;同时,其“可预测的企业部署”特性让模型输出更稳定、更可控。本文编译自Ars
新数据显示,OpenAI在企业用户市场正逐步缩小与Anthropic的差距。企业客户往往随各大实验室发布新模型而切换供应商,这种波动性表明企业AI支出并非具有强粘性。投资者需警惕,在模型竞赛中,客户忠诚度可能比预期更低。本文编译分析该趋势背
美国金融科技公司Ramp宣布推出自有AI模型路由服务Router,允许用户和企业通过API在各大语言模型之间灵活切换。该工具旨在降低模型锁定风险,优化成本与性能,并为企业级AI应用提供更高效的模型管理方案。Router的推出也反映出AI基础
有报道称SpaceX正与AI编码初创公司Cognition洽谈收购,但Cognition CEO快速否认。SpaceX此前已收购Cursor,正加速追赶OpenAI和Anthropic在企业AI领域的布局。该传闻折射出AI编码工具市场的热度
VentureBeat宣布Rob Strechay加入,成为公司首位首席分析师及VentureBeat Research创始分析师。他曾任theCUBE Research董事总经理兼首席分析师,此次加盟标志着VentureBeat向技术决策
在企业AI应用中,基准测试分数常被用作模型选型和采购决策的依据,但部分结果存在“benchmark washing”问题。本文基于MLCommons多年实践,提出七项信任测试准则,涵盖基准相关性、数据污染控制、可复现性、指标完整性、模型作弊
Writer基于Z.ai开源模型GLM-5.2推出后训练变体模型,提供部署级能力且价格更低,并升级了控制token成本的工具链。该举措旨在降低企业AI应用的门槛,缓解大语言模型高昂的推理成本问题,让更多企业能够以更经济的方式实现生成式AI落
IBM宣布与OpenAI达成合作,计划对数万名顾问进行OpenAI技术培训与认证,以加速企业级AI解决方案落地。此举标志着传统IT巨头与AI领军者的深度绑定,也将重塑企业AI服务市场格局。本文编译自TechCrunch,分析合作背景、行业影
企业领袖已确信智能体AI时代到来,然而许多组织在部署智能体时遭遇回报不及预期的困境。MIT Technology Review Insights指出,基础设施与数据质量不足是核心障碍。AI智能体的价值高度依赖于可信、可追溯且治理完善的数据基
Palantir在最新季度实现10亿美元利润,CEO亚历克斯·卡普却并未庆功,反而再次警告:前沿AI实验室对企业客户而言太过不可信。他将AI行业的某些风气比喻为“马克思主义”,引发热议。本文解读卡普的言论背景、Palantir的商业逻辑,以
知名科技媒体Ars Technica报道,AI协议Model Context Protocol(MCP)发布最新规范,直指企业采用中的主要障碍——功能稳定性与安全管控。新规不仅明确了工具调用的权限边界,还引入“功能冻结”条款,确保企业集成后
企业自主AI的愿景远不止聊天机器人,而是由智能体端到端执行跨人员、流程、数据和系统的业务任务。构建适合智能体运行的平台需要充足CPU能力、弹性数据访问、策略感知工具使用、可观测性、内存管理等关键要素。本文编译自MIT Technology