Aquant公司今日宣布推出全新的智能体AI平台,这是其现有产品的升级版本,旨在帮助服务组织创建、集成和部署针对其独特运营需求和挑战定制的AI智能体。
该平台专为复杂设备服务领域而设计,致力于解决服务团队面临的两难选择:要么采用刚性的预定义垂直解决方案,要么尝试强行适配缺乏深度服务专业知识的通用AI平台。智能体AI平台通过提供融入领域专业知识的水平化平台,成功弥合了这一gap。
Aquant用户可以获得构建、部署和集成针对其独特服务需求定制的AI智能体的灵活性。据该公司介绍,组织可以使用其预构建的智能体,如故障排除、知识搜索、零件识别、物联网和呼叫辅助等,以实现即时效果。
该平台还允许用户使用专业工具、数据模型和深度领域专业知识构建定制智能体,或者将内部开发的智能体引入并集成到平台中。Aquant的智能体可以融入现有的企业AI生态系统,提供广泛的兼容性,确保组织无需彻底改造其当前基础设施。
Aquant联合创始人兼总裁Assaf Melochna表示:"每个服务团队都面临独特挑战,刚性的AI解决方案很少能匹配现实世界运营的复杂性。通过智能体AI平台,我们正在消除障碍,为组织提供部署专门针对其设备、流程和客户定制的AI的自由,同时充分利用我们技术中内置的无与伦比的领域专业知识。"
该平台专门为解决现代服务环境的复杂性而构建,将深度领域专业知识直接嵌入其架构中。该产品提供内置的服务特定术语、错误代码和工作流程,使组织能够比使用通用工具更快、更有效地部署定制AI智能体。
它设计用于简便集成,无论公司是从零开始还是在成熟的AI生态系统中运营。它支持跨语音接口、客户关系管理和企业资源规划系统、协作工具、离线环境和新兴渠道的多渠道部署,确保AI在工作发生的任何地方都能访问。
此外,该平台具有检索增强对话层,通过提供以结果为导向的智能来增强有效性,产生不仅相关而且与关键业务绩效指标保持一致的响应。
Melochna补充道:"我们的愿景是让AI真正为负责复杂设备服务的团队工作,不仅仅作为回答问题的工具,而是作为能够推动创新和竞争优势的灵活、强大的引擎。这个平台为我们的客户提供了解决当今挑战和发明服务未来的工具。"
Aquant是一家获得风险投资支持的公司,已在四轮融资中筹集了1.31亿美元。该公司的投资者包括Qumra Capital Management Ltd.、Insight Partners LP、Pitango Venture Capital Ltd.、Lightspeed Venture Partners LP、Angular Ventures、Claltech和SE Ventures。
Q&A
Q1:Aquant智能体AI平台主要解决什么问题?
A:该平台主要解决服务团队面临的两难选择问题:要么采用刚性的预定义垂直解决方案,要么尝试强行适配缺乏深度服务专业知识的通用AI平台。智能体AI平台通过提供融入领域专业知识的水平化平台,帮助组织创建、集成和部署针对其独特运营需求定制的AI智能体。
Q2:智能体AI平台有哪些预构建的功能?
A:该平台提供多种预构建的智能体功能,包括故障排除、知识搜索、零件识别、物联网和呼叫辅助等,组织可以直接使用这些功能实现即时效果。同时,用户还可以使用专业工具构建定制智能体,或将内部开发的智能体集成到平台中。
Q3:这个平台如何与现有企业系统集成?
A:该平台设计用于简便集成,支持跨语音接口、客户关系管理和企业资源规划系统、协作工具、离线环境和新兴渠道的多渠道部署。Aquant的智能体可以融入现有的企业AI生态系统,提供广泛的兼容性,确保组织无需彻底改造其当前基础设施。
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。