企业工作流软件公司ServiceNow于周三与AI研究实验室Anthropic达成多年合作协议。这项合作涉及将Anthropic的AI模型进一步嵌入ServiceNow平台,为客户提供服务,并将Anthropic的AI技术引入其员工工作中。
ServiceNow拒绝透露合作期限或交易金额的具体数字。
合作内容深度整合
根据协议,Anthropic的Claude模型系列将成为ServiceNow所有AI驱动工作流产品的首选AI模型。Claude现在也成为该公司智能体构建工具ServiceNow Build Agent的默认模型,该工具允许开发者创建智能体工作流并构建应用程序。
此项合作还包括向ServiceNow的29000名员工推广Claude。Anthropic的编程产品Claude Code也将向该公司的工程师开放使用。
ServiceNow董事长兼首席执行官Bill McDermott在公司新闻稿中表示:"ServiceNow与Anthropic正通过为全球最大企业提供AI原生工作流,将智能转化为行动。我们共同证明,具有开放生态系统的深度集成平台是构建未来的方式。"
多模型策略布局
这一消息发布仅一周前,该公司刚刚宣布与Anthropic的竞争对手OpenAI建立新的AI合作伙伴关系,通过ServiceNow的产品为客户提供OpenAI模型的访问权限。
ServiceNow总裁、首席运营官兼首席产品官Amit Zavery表示,公司有意采用多模型策略。
"我们不认为这些合作伙伴关系是竞争性的或相互排斥的,"Zavery通过电子邮件表示。"企业客户希望有模型选择权。他们希望为合适的工作选择合适的模型——在ServiceNow AI平台上保持治理、安全和可审计性的一致性。每个模型都有不同的优势,我们的作用是以为客户提供最佳结果的方式来协调它们。"
企业合作持续扩展
这项协议是Anthropic近期达成的众多企业合作之一。该公司今年早些时候宣布与全球保险提供商安联达成协议,并在去年年底与埃森哲、IBM、德勤和Snowflake建立合作伙伴关系。
尽管企业迄今为止在寻找AI投资的可衡量回报方面面临困难,但风险投资家最近预测这种情况将在2026年发生改变——尽管这是他们连续第三年做出这样的预测。
Q&A
Q1:ServiceNow与Anthropic的合作具体包含哪些内容?
A:合作包括将Anthropic的Claude模型系列作为ServiceNow AI驱动工作流产品的首选模型,Claude成为ServiceNow Build Agent智能体构建工具的默认模型,向29000名ServiceNow员工推广Claude,以及为工程师提供Claude Code编程产品。
Q2:ServiceNow为什么要同时与OpenAI和Anthropic合作?
A:ServiceNow采用多模型策略,认为企业客户需要模型选择权,为不同工作选择合适的模型。每个模型都有不同优势,ServiceNow的作用是协调这些模型为客户提供最佳结果,这些合作并非竞争性或相互排斥的。
Q3:Anthropic最近还与哪些企业建立了合作关系?
A:Anthropic近期宣布了多项企业合作,包括今年与全球保险提供商安联的合作,以及去年年底与埃森哲、IBM、德勤和Snowflake建立的合作伙伴关系。
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。