企业工作流软件巨头 ServiceNow 正将人工智能驱动的自动化引入电信行业。今天在巴塞罗那举行的 MWC25 大会上,该公司宣布推出其首个面向通信服务提供商的 AI 代理。
这些新的 AI 代理是与 Nvidia 合作开发的,使用了 Nvidia AI Enterprise Software 和 AI Platform,并通过配备 840 个高性能 H100 图形处理器的 Nvidia DGX Cloud 进行训练。
据 ServiceNow 介绍,这些代理旨在通过自主解决客户服务和网络运营相关问题,提升通信服务提供商在整个服务生命周期中的生产力。它们将在 3 月 12 日发布的最新版本平台 Yokohama 中向所有 ServiceNow 电信客户开放。
AI 代理是 AI 领域最热门的新趋势之一,指的是能够以最少人工监督代表用户自主执行任务的系统。它们通过观察环境收集信息,使用先进算法进行推理、规划并自主执行任务。它们还依赖大语言模型来理解用户的请求和提示,可以访问外部工具来增强解决问题的能力,并随时间推移不断学习和进步。
ServiceNow 表示,其 AI 代理平台 Now Assist 与 Nvidia 的 NIM 微服务和 NeMo 工具的结合,使其能够开发出一些最强大和最可靠的 AI 代理,专门用于解决电信领域的挑战。这包括许多开箱即用的 AI 代理,旨在自动化网络运营和简化客户服务操作,目标是提升客户体验并加快问题解决速度。
这些代理是去年推出的 Now Assist for Telecommunications Service Management 平台的延伸,该平台帮助 ServiceNow 的电信客户利用 AI 工作,可以执行修复网络、处理服务中断以及预防客户问题等任务。
例如,一些代理专门设计用于服务、测试和修复网络,通过分析网络数据来诊断出现的问题。这种分析在几秒钟内就能完成,它们能立即找出最佳修复方案,并通过为负责的工程师安排任务来协调修复操作。
此外,还有专门用于分析网络事件的 AI 代理。它们在网络警报发生时立即响应,并快速深入了解根本原因。一旦确定问题所在,它们就会生成解决方案手册,预测可能发生的网络中断,防止对客户造成影响。
该公司还介绍了其账单解决方案代理,这些代理可以自主识别任何异常使用模式,并实时解释相关费用,同时为客户推荐更具成本效益的套餐。ServiceNow 表示,这可以帮助电信公司提高透明度,减少客户意外收费,并有助于减少账单投诉和呼叫中心的工作量。
ServiceNow 制造、电信、媒体和技术部门总经理兼副总裁 Rohit Barta 表示,客户可以使用该公司的 AI Agent Orchestrator 平台来协调新代理,他将其比作 AI 代理的"控制塔"。这些代理还利用 ServiceNow 的 Workflow Data Fabric 工具连接各种企业数据源。客户还可以使用无代码 AI Agent Studio 来自定义预构建的 AI 代理。
"ServiceNow 的与众不同之处在于我们能够在单一平台上协调多个 AI 代理,确保它们无缝协作," Batra 在博客文章中说。"AI Agent Orchestrator 实现了代理间的通信,集中协调网络运营、客户服务和业务流程。"
通过其 AI 代理,ServiceNow 旨在成为电信业 AI 革命的领军者。该公司认为,这项技术将永远改变通信服务提供商的工作方式,通过自动化常规任务,使人类工程师和客户服务代理能够专注于更高层次的工作。该公司引用了麦肯锡公司的预测,预计到 2040 年,电信公司可以利用 AI 创造 2500 亿美元的价值。
IDC 分析师 John Byrne 表示,ServiceNow 的 AI 代理专业知识与 Nvidia 的软件和基础设施的结合,可以为通信服务提供商提供前所未有的智能自动化水平。"这种合作有潜力使电信提供商能够加快问题解决速度,提高可靠性,并大规模提升客户体验,"他说。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。