智能体工具虽然能减轻日常工作流程中的繁琐任务,但大多数组织仍对采用这些工具持谨慎态度,主要担心数据安全问题。拥有商业机密的大型企业、高度监管行业的公司以及政府机构都对引入AI工具非常谨慎,担心自己或客户的数据可能被意外泄露或用于训练基础模型。
加拿大AI公司Cohere推出了名为North的智能体平台,旨在缓解这些担忧。North承诺支持私有化部署,让企业和政府能够将自己和客户的数据安全保护在自己的防火墙后面。
"大语言模型的好坏取决于它们能访问的数据质量,"Cohere联合创始人兼CEO Nick Frosst在North演示中表示。"如果我们希望大语言模型尽可能有用,它们就必须访问有用的数据,这意味着它们需要部署在客户的环境中。"
与使用Azure或AWS等企业云平台不同,Cohere表示可以将North安装在组织的私有基础设施上,这样公司永远不会看到或接触客户数据。Frosst表示,North可以运行在组织的本地基础设施、混合云、VPC或气隙环境中。
"我们甚至可以部署在他们放在某处壁橱里的GPU上,"他解释说,并补充North设计为最少只需两个GPU即可运行。
Cohere声称North还包含精细访问控制、智能体自主策略、持续红队测试和第三方安全测试等安全协议,并符合GDPR、SOC-2和ISO 27001等国际合规标准。
超越私有部署的功能
迄今融资9.7亿美元、最新估值55亿美元的Cohere表示,已经与RBC、戴尔、LG、Ensemble Health Partners以及Palantir等客户试点了North平台。
North在开箱即用方面与许多智能体平台相似。其主要功能是聊天和搜索,让用户能够获得客户支持查询的答案;总结会议记录、撰写营销文案,以及从内部资源和网络获取信息。Frosst补充说,所有回复都包含引用和"推理"思维链,便于员工审计和验证输出结果。
聊天和搜索功能由现有的Cohere技术驱动,如Command(其生成式AI模型系列)和Compass(其多模态搜索技术栈)。Frosst表示,North由专为企业推理训练的Command模型变体驱动。
"它不仅仅是问答,而是能为你工作。North具备大量资产创建功能,可以制作表格、文档、幻灯片,还能进行市场研究,"Frosst说。
值得注意的是,Cohere在今年5月收购了总部位于温哥华的Ottogrid,这是一个开发自动化高级市场研究企业工具的平台。
像其他智能体平台一样,North可以连接Gmail、Slack、Salesforce、Outlook和Linear等现有工作场所工具,并与任何模型上下文协议(MCP)服务器集成,以访问行业特定或内部应用程序。
"当你通过与模型聊天建立信心时,从将其用作辅助工具到用作自动化工具之间会发生平滑过渡,"Frosst表示。
Q&A
Q1:Cohere的North平台有什么特殊之处?
A: North是Cohere推出的智能体平台,最大特点是支持私有化部署,可以安装在组织的私有基础设施上,包括本地环境、混合云、VPC或气隙环境,确保企业和客户数据始终在自己的防火墙后面,从不被外部接触。
Q2:North平台具备哪些主要功能?
A:North的主要功能包括聊天和搜索,能够回答客户支持查询、总结会议记录、撰写营销文案、访问内部和网络信息。还具备资产创建功能,可制作表格、文档、幻灯片和进行市场研究,并能与Gmail、Slack、Salesforce等工作场所工具集成。
Q3:North平台在数据安全方面有哪些保障?
A:North包含多重安全保障:精细访问控制、智能体自主策略、持续红队测试和第三方安全测试。平台符合GDPR、SOC-2和ISO 27001等国际合规标准,最少只需两个GPU即可运行,确保在客户环境内完全私有化部署。
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。