Veeva Systems通过收购Ostro公司加强了在品牌营销领域的布局。Ostro是一家技术初创公司,帮助制药企业利用AI驱动的对话工具与医生和患者建立连接。
这笔交易价值约1亿美元,包括现金和长期股权激励,将使Ostro的营销系统与Veeva的Commercial Cloud集成。Commercial Cloud是一套软件、数据和分析工具套件,供生命科学公司管理销售、营销和医疗功能。
总部位于佛罗里达州迈阿密的Ostro成立于2019年,将作为Veeva的独立部门运营,继续由联合创始人兼首席执行官Chase Feiger领导。
"我们专注于缩短识别和治疗健康状况所需的时间,"Feiger说。"我们建立Ostro是为了消除摩擦,让患者和医生能够获得可信的答案,减少点击、思考和滚动。通过与Veeva合作,我们可以为更多患者、医生和品牌带来这种体验。"
Ostro的对话式AI和语义搜索工具让客户能够轻松提问,并实时获得经过批准的信息、资源和后续步骤。该公司的工具被约半数的前20强制药公司使用,帮助向医疗专业人员提供个性化内容,并指导患者获得适当治疗。
该平台还可以用于提供指导,帮助品牌改善覆盖范围和参与度。Ostro表示,其平台的回复完全来自预先批准的医疗、法律和监管材料,100%符合法规要求。
"生成式AI改变了人们获取信息的方式。现在不再是关于你能提供多少信息,而是客户获得答案有多容易,"Veeva首席执行官Peter Gassner说。
"Ostro在帮助品牌确保患者和医生能够即时获得准确信息方面处于领先地位,"他补充道。
这是Veeva本月收购的第二家公司。此前不久,该公司收购了Yonalink以强化其在临床试验管理方面的地位,获得了其AI驱动的电子数据采集平台,用于收集电子健康记录数据,减少手动数据输入和错误,加速试验进程。
这些收购应该会建立在Veeva强劲增长轨迹的基础上。本月早些时候,该公司报告收入增长16%至32亿美元,商业解决方案拥有767个客户,研发和质量解决方案套件拥有1196个客户。
Q&A
Q1:Ostro是什么公司?主要做什么业务?
A:Ostro是一家成立于2019年的技术初创公司,总部位于佛罗里达州迈阿密。该公司专门帮助制药企业利用AI驱动的对话工具与医生和患者建立连接,提供对话式AI和语义搜索服务。
Q2:Veeva收购Ostro的价格是多少?有什么战略意义?
A:Veeva以约1亿美元的价格收购Ostro,包括现金和长期股权激励。这笔收购将加强Veeva在品牌营销领域的布局,让Ostro的营销系统与Veeva的Commercial Cloud集成,为生命科学公司提供更完整的销售、营销和医疗管理解决方案。
Q3:Ostro的AI技术有什么特点和优势?
A:Ostro的对话式AI和语义搜索工具让客户能够轻松提问并实时获得经过批准的信息。其回复完全来自预先批准的医疗、法律和监管材料,100%符合法规要求。目前被约半数的前20强制药公司使用。
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。