Zoom Communications宣布扩展其企业智能体AI平台,为Zoom Workplace、Zoom Phone和Zoom CX增加工作流程编排功能。该举措旨在帮助组织自动化任务,并根据其服务中的交互触发工作流程。
此次更新包括多项新功能,如可使用无代码工具进行编排的自定义和预建AI智能体、为公司AI Companion助手提供的企业搜索连接器,以及包括Zoom AI文档、AI表格和AI演示文稿在内的生产力工具。
Zoom还在其通信和客户体验工具中引入了新功能,包括Zoom Phone Mobile、Zoom虚拟智能体AI前台的短信支持、用于联络中心平台的AI专家助手3.0、用于客户交互的自然语言工作流程编排,以及新的会议安全增强功能。
该公司表示,目标是使组织能够将会议、电话通话和客户服务互动转化为自动化工作流程和完整的业务成果。
Greyhound Research首席分析师桑奇特·维尔·戈吉亚表示:"新平台功能背后的理念很简单。如果会议是做出决策的地方,那么托管这些会议的平台应该能够将这些决策直接转化为运营成果。"
此举表明Zoom正在努力扩展其业务范围,超越视频会议,将其平台定位为由AI驱动自动化支持的职场协作中心。但分析师对其结果仍持怀疑态度。
Omdia首席分析师苏联杰表示:"目前,Zoom很可能仍将作为专业化参与者,在这些生态系统之上发挥层级作用。这基于Zoom在视频和实时协作方面的优势,并基于来自会议和连接应用的洞察增加智能体AI功能。"
分析师表示,一个关键挑战是竞争对手已经控制了大多数组织数据所在的核心企业系统。Microsoft 365和Google Workspace等平台已将其AI智能体直接集成到管理电子邮件、文档、电子表格、存储和身份服务的生产力环境中。
Pareekh Consulting首席执行官帕里克·贾恩说:"微软的Copilot智能体旨在检索信息并在Microsoft 365内部执行发送电子邮件或更新记录等操作。与此同时,谷歌将Gemini Enterprise定位为一个能够访问具有权限的企业数据并连接到第三方系统的助手和智能体平台。"
但一些分析师认为,Zoom可能在另一个领域拥有优势:会议和通话期间产生的大量对话数据。这些信息中的大部分在对话结束后通常会消失,除非有人手动记录。
戈吉亚表示:"如果Zoom能够持续将这些对话转换为结构化输出,如文档、任务、工作流程触发器和跨企业系统的运营更新,那么该平台就远不止是一个会议工具。它将成为协作与执行之间的桥梁。"
实际上,这意味着Zoom不太可能取代Microsoft 365或Google Workspace成为大多数企业的核心生产力环境。相反,它可能成为跨企业系统的编排层,将对话转化为行动。
戈吉亚补充说,这个角色可能不如拥有核心生产力套件那样显眼,但如果组织越来越依赖AI系统来捕获决策并自动触发业务流程,它可能在战略上变得重要。
Q&A
Q1:Zoom的新智能体AI平台有哪些主要功能?
A:Zoom的智能体AI平台新增了工作流程编排功能,包括可使用无代码工具编排的自定义和预建AI智能体、企业搜索连接器、AI文档/表格/演示文稿等生产力工具,以及Zoom Phone Mobile、AI专家助手3.0等通信和客户体验工具。
Q2:Zoom能否替代微软Office或谷歌Workspace?
A:分析师认为Zoom不太可能取代Microsoft 365或Google Workspace成为企业的核心生产力环境。相反,它更可能成为跨企业系统的编排层,将对话转化为行动,作为协作与执行之间的桥梁。
Q3:Zoom在AI领域相比微软和谷歌有什么优势?
A:Zoom的主要优势在于会议和通话期间产生的大量对话数据。如果能够持续将这些对话转换为结构化输出如文档、任务和工作流程触发器,Zoom就能成为协作与执行之间的重要桥梁,这是其他平台难以复制的优势。
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。