谷歌云发布了PanyaThAI数字化转型计划,旨在帮助泰国企业部署企业级智能体人工智能应用。
该计划首批支持来自关键经济领域的15家创始机构,包括朱拉隆功大学、泰国证券交易所、尚思瑞集团、暹罗百丽宫、泰京银行以及True Digital Group等。
政策研究咨询公司Public First的一项研究显示,到2030年,AI可为泰国经济贡献约7300亿泰铢(210亿美元)。然而,数据准备不足、技能短缺以及对AI可信度的担忧等障碍阻碍了企业充分利用AI技术。
PanyaThAI计划融合了Panya(智慧)和Thai两个词,目标是通过提供包含谷歌全栈AI基础设施、咨询专业知识和员工培训的完整解决方案来弥补这一差距。
该计划还将提供谷歌最新基础模型的访问权限,包括Veo 3.1和Gemini 3,并得到埃森哲、德勤以及NTT Data等合作伙伴的支持。NTT Data已承诺认证300名额外的本地专家来支持这一计划。
谷歌云泰国区总监Annop Siritikul表示,采用谷歌云AI技术的企业已经跨越了"试点炼狱",在三年内实现了平均727%的投资回报率,投资回收期仅为八个月。
他补充说:"我们的目标是帮助企业培养既精通自身领域又熟悉AI的'双语'员工队伍,提升他们解决复杂挑战和实现AI持续投资回报的能力。"
创始成员在发布会上展示了早期成功案例,突出了智能体AI(能够自主行动实现目标的系统)如何重塑业务运营。
教育内容出版发行商SE-Education展示了如何通过嵌入生成式AI驱动的语义搜索智能体来改造其电子商城平台,该智能体能够理解用户的概念化查询而不仅仅是关键词。
例如,"细胞如何分裂产生更多细胞?"这样的查询现在能够找到生物教科书、定向学习指南和引人入胜的科学漫画。而"更好地应对工作压力"这样的搜索短语将呈现管理负面思维模式、实现工作生活平衡以及工作成功策略等主题的精选书目。
SE-Education数字业务主管Passpunnee Mahayos表示,通过利用支撑谷歌搜索的相同AI组件,该公司的AI搜索智能体帮助电子商城用户更快、更精准地发现高度相关的资源。
她补充说:"这种增强体验证明了更快的发现直接带来购买——有机转化率从12%提升到惊人的27%,同时成功将跳出率降至10%,购物车遗弃率降至仅6%。"
在制造业领域,内衣品牌Thai Wacoal正在部署由生成式媒体模型驱动的创意智能体,以解决"拍摄难题"——这是一个成本高昂、耗时的过程,单个商品的每种新颜色变化都需要定制物理样品、工作室运输和完整的模特拍摄。
这个创意智能体就像数字染坊一样,计划在2026年第一季度准备就绪后,将帮助公司从单张基础照片生成各种颜色服装的真实感图片和视频。
Thai Wacoal华歌尔数字业务副总监Supranee Auiyasathian表示,使用该智能体还将帮助公司转向高品种、小批量或按需制造模式,生产可以直接与实际客户参与度和需求挂钩。
谷歌在泰国运营已超过十年。2024年,该公司宣布投资10亿美元在泰国建设云计算和数据中心基础设施,以满足对云服务日益增长的需求。
Q&A
Q1:PanyaThAI计划是什么?
A:PanyaThAI是谷歌云推出的数字化转型计划,旨在帮助泰国企业部署企业级智能体人工智能应用。该计划名称融合了Panya(智慧)和Thai两个词,通过提供全栈AI基础设施、咨询专业知识和员工培训来帮助企业充分利用AI技术。
Q2:智能体AI给企业带来了什么实际效果?
A:智能体AI正在重塑企业运营。以SE-Education为例,通过嵌入生成式AI语义搜索智能体,有机转化率从12%提升到27%,跳出率降至10%,购物车遗弃率降至6%。谷歌云客户平均三年投资回报率达到727%,投资回收期仅八个月。
Q3:Thai Wacoal如何使用AI解决制造难题?
A:Thai Wacoal部署了由生成式媒体模型驱动的创意智能体,解决"拍摄难题"。该智能体像数字染坊一样,能从单张基础照片生成各种颜色服装的真实感图片和视频,避免了每种颜色都需要制作物理样品和模特拍摄的高成本过程。
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。