Anthropic已收购总部位于西雅图的AI初创公司Vercept,这标志着能够直接操作软件应用的AI智能体新兴市场正在进一步整合。
Vercept是西雅图专注于AI的孵化器A12的毕业企业,该公司开发了能够控制远程MacBook的云端智能体,这是重新思考工作方式的更广泛努力的一部分,因为企业正在探索超越聊天和代码生成的AI驱动任务自动化。
此次收购紧随Anthropic在12月份对编程智能体引擎Bun的收购。这些举措表明,Anthropic正致力于将更复杂的"智能体"工作流程直接嵌入其核心平台。
Vercept在其网站上表示,其产品将在2026年3月25日前关闭。
整合趋势分析
分析师表示,企业AI领域的长期成功需要大量资源,包括计算能力、高质量数据集、快速产品迭代和持续资金支持。
Omdia首席分析师Lian Jye Su表示:"虽然小型初创公司在细分创新方面表现出色,但它们往往难以与主要供应商直接竞争。这类似于网络安全领域的总体趋势,通过与拥有规模和丰富客户接触点的巨头合作或被其收购,生存的可能性更大。"
根据Kadence International高级副总裁Tulika Sheel的观点,大型平台厂商正在整合补充其核心模型的能力,而不是让这些能力分散在各个细分初创公司中。
Sheel补充说:"这可能表明,此类技术的长期可行路径是通过战略收购并嵌入到更广泛的技术栈中,在那里规模、数据访问和模型对齐可以得到严格管理。"
AI模型公司也正变得更加垂直整合,添加有助于它们在企业环境中更有效扩展的解决方案。
Counterpoint Research研究副总裁Neil Shah表示:"这本质上是遵循生态系统蓬勃发展的'自然秩序',现在领先的模型公司寻求收购这些小型创新者,以帮助向所有人扩展这些解决方案。"
话虽如此,Vercept独立产品相对快速的关闭突显了企业在试点早期AI提供商时面临的不确定性。
Su表示:"首席信息官应该建立风险缓解机制,比如从具有明确成功指标的低承诺实验开始,要求数据可移植性,并采用使用API和开放标准的模块化设计架构。"
人才争夺战加剧
这笔交易还在精英AI研究人员的激烈竞争背景下展开。Vercept联合创始人Matt Deitke早前离职加入Meta的超级智能实验室,据报道获得了2.5亿美元的薪酬包。
对于企业买家而言,这突显了人才集中度如何深刻影响领先模型提供商的产品路线图。
Gartner高级首席分析师Ashish Banerjee表示:"在前沿AI领域,人才保留就是新的正常运行时间。如果一个提供商无法留住其开发人员,就无法维持其路线图。我们正在观察AI领域的'NBA式'劳动力市场。一次招聘变动就能在一个季度内改变产品方向。"
Sheel表示,这为企业买家创造了机遇和风险:强大的人才团队预示着创新动力,但激进的人才流动也可能引发对未来连续性和平台稳定性的质疑。
因此,首席信息官不仅应评估当前能力,还应评估供应商研发和工程团队的深度及保留策略。
Q&A
Q1:Anthropic收购Vercept有什么战略意义?
A:此次收购表明Anthropic正在深化其在AI任务自动化领域的布局,通过整合能够直接操作软件应用的智能体技术,将更复杂的"智能体"工作流程嵌入其核心平台,这是继收购编程智能体引擎Bun后的又一重要举措。
Q2:为什么AI初创公司更容易被大公司收购?
A:分析师指出,企业AI领域的长期成功需要大量资源,包括计算能力、高质量数据集、快速产品迭代和持续资金支持。小型初创公司虽然在细分创新方面表现出色,但往往难以与拥有规模和丰富客户接触点的主要供应商直接竞争。
Q3:企业在选择AI供应商时应该注意什么?
A:首席信息官应该建立风险缓解机制,从具有明确成功指标的低承诺实验开始,要求数据可移植性,采用模块化设计架构。同时还要评估供应商研发团队的深度和人才保留策略,因为在前沿AI领域,人才保留直接影响产品路线图的稳定性。
好文章,需要你的鼓励
海外博主做了一次 Siri AI、ChatGPT、Claude 横评。看完之后我最大的感受是,AI 助手的竞争已经不只是模型能力,而是谁离用户更近。
南京大学提出Light-Omni框架,通过全局状态与潜在状态双机制,让AI视频助理无需反复推理即可实现精准记忆检索,速度提升逾12倍,准确率同步提高。
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
TREK方法通过引入外部验证解法对AI进行短期校准,解决了GRPO训练在困难题目上因无法探索正确解法区域而陷入瓶颈的问题,在数学推理和智能体任务上均取得明显提升。