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
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。