大家都在讨论企业 AI 代理,但很少有人真正准备好实现它们所需的全部条件。
成千上万的初创公司正在构建专用于狭窄任务的代理,尤其是面向客户的任务。但是,真正的企业转型不仅仅依靠推出聊天机器人——它需要整合智能系统以指导行动、记录系统以执行操作以及交互系统以提供可用体验。Salesforce Inc. 是唯一一家构建这一完整堆栈的主流企业。
在最近的一次采访中,我与 theCUBE 的 Dave Vellante 一起与 Salesforce 联合创始人、董事长兼首席执行官 Marc Benioff ( pictured ) 进行了对话,探讨该公司如何为代理时代重新构建企业软件。Benioff 阐述了为何这种“下一次演进”——从软件即服务 (SaaS) 向服务即软件 (SaSo) 转变——比 15 年前开启的云计算和移动浪潮更具颠覆性。云计算使应用程序成本更低、获取更便捷;而企业 AI 代理结合人工监管,则彻底重新定义了这些应用程序的运行方式。
以下是我们对话的亮点。
如何让企业 AI 代理助力提升人类生产力
Benioff 将当下的热情比作 Salesforce 早期初创时期的景象。他表示,目前的 CEO 代表着“最后一代只依靠纯人工劳动力的高管”。他正在 Salesforce 内部积极推动这一愿景,目标是在工程、服务和支持等职能中通过“代理层”实现 50% 的生产力提升。
他预计这种增长将年复一年地持续叠加,这正是企业 AI 代理的一个关键承诺。
数字劳动力市场
虽然 Salesforce 今年通过其 SaaS 业务将产生约 409 亿美元的收入,而整个企业软件行业规模约为 5000 亿美元,但数字劳动力市场的规模可能达到 3 至 12 万亿美元。企业 AI 代理以及基于代理的数字劳动力将 SaaS 转变为 SaSo。
这一变化代表了一种根本性转变,正如例如 OpenTable Inc. 的客户案例所展示的那样,其生产力提升是“一两年前根本无法实现”的。客户和合作伙伴将能够通过一个类似于 Apple App Store 的代理商店来交换这些服务。
Salesforce 整合 vs DIY
Salesforce AI 战略的架构基础由三个深度集成的层次构成。Salesforce 正在“下大力气”重写并深度整合 Data Cloud 内的核心应用。
Data Cloud 整合了来自外部和 Salesforce 源的数据,从而提供一个丰富的 4D 业务状态图。以 Tableau 为例,它在 Data Cloud 上重建,实现了 Sales Cloud、Service Cloud 以及其他应用之间的流动性。这种整合使得 Tableau 能够出现在其他应用中,甚至嵌入到 Slack 内。再加入 Agentforce(第三层)就构成了完整的架构。
另一种选择是那些颇具实力的组织尝试 DIY 的整合工作,但即便如此,它们也很难达到同样的可靠性——尤其是在大规模构建和部署企业 AI 代理的情况下。
成为纯软件超大规模交易商
Salesforce 正在朝着成为“纯软件超大规模交易商”的方向发展,提供云级别的应用与平台能力,而无需建立实体数据中心。Salesforce 提供“数据流动性”,即将数据与其他数据平台及孤立的应用进行联合。但是,当数据进入 Data Cloud 后,数据网络效应会使数据得以丰富,远比之前封闭在各自孤岛中的数据更具价值。
例如,迪士尼的一位客户如今实现了“代理流动性”,数千名主题公园游客所依赖的企业 AI 代理能够同时访问客户偏好、游乐设施可用性数据以及多个系统中的其他信息,从而提供人工工作人员难以协同完成的推荐。
回应 Nadella 关于代理将使 SaaS 消失的论调
几个月前,微软 CEO Satya Nadella 曾在网络上引发热议,他建议企业 AI 代理直接访问数据库架构将使 SaaS 消失。这听起来更像是在挑衅。“若仅仅通过某种法律发现 API 将所有数据倾倒进一个大型存储库,再让所有员工在其中乱窜,必然会引发重大问题。”
治理数据和通过元数据对数据进行定义的要求不会因为 AI 代理的出现而消失。必须有一个确定性的软件层来调控访问,同时叠加非确定性的代理能力。我们对他将 Microsoft 365 Copilot 描述为 Clippy 的说法提出了质疑,但他表示 Salesforce 也将能够将这些数据联邦整合到 Data Cloud 中。至于是否会迎来 Klarna 时刻,Benioff 并不愿意给出具体时间框架。
好文章,需要你的鼓励
铠侠正在测试最新的UFS v4.1嵌入式闪存芯片,专为智能手机和平板电脑设计,可提供更快的下载速度和更流畅的设备端AI应用性能。该芯片采用218层TLC 3D NAND技术,提供256GB、512GB和1TB容量选择。相比v4.0产品,随机写入性能提升约30%,随机读取性能提升35-45%,同时功耗效率改善15-20%。新标准还增加了主机发起碎片整理、增强异常处理等功能特性。
上海AI实验室团队提出创新的异步拍摄方案,仅用普通相机就能实现高速4D重建。该方法通过错开相机启动时间将有效帧率从25FPS提升至100-200FPS,并结合视频扩散模型修复稀疏视角导致的重建伪影。实验结果显示,新方法在处理快速运动场景时显著优于现有技术,为低成本高质量4D内容创作开辟新路径。
谷歌在伦敦云峰会上发布Firebase Studio更新,新增Gemini命令行界面集成、模型上下文协议支持和"代理模式"。代理模式提供三种AI协作层次:对话式"询问"模式用于头脑风暴,人机协作代理需开发者确认代码变更,以及几乎完全自主的代理模式。尽管谷歌声称已有数百万应用使用该平台,但目前仍需精心设计提示词,非工程师用户还无法直接创建成熟应用。
上海AI实验室联手复旦大学提出了POLAR方法,这是一种革命性的奖励模型训练技术。通过让AI学会识别不同策略间的差异而非死记评分标准,POLAR在多项任务上实现了显著提升,7B参数模型超越72B现有最强基线,为AI对齐问题提供了全新解决思路。