埃森哲正在深化与微软和Databricks这两个长期技术合作伙伴的关系,以促进企业采用AI技术。在2026财年第二季度财报发布前一天,埃森哲宣布计划与微软联合推出前置工程师实践项目。此外,该公司还将启动埃森哲Databricks业务集团,专门构建支持智能体的数据库。
这些扩大的合作伙伴关系旨在为客户提供AI专业知识。与微软的合作中,埃森哲正在利用一个日益增长的趋势,即将具备AI技能的工程师嵌入到组织中,帮助构建定制化工具。埃森哲董事长兼首席执行官朱莉·斯威特在周四的2026财年第二季度财报电话会议上表示,前置部署工程师模式通过"深入解决尚未解决的问题"来创造价值。
斯威特说:"你必须具备来自客户的深度领域知识、技术知识,然后是我们带来的经验、集成能力、行业和职能知识,大家通过团队合作来解决新问题。"
埃森哲正在采取有针对性的举措来部署AI专业知识,并帮助企业在运营中扩展这项技术。
通过前置部署工程师模式,埃森哲和微软将汇集具备AI技能的工程师,结合微软的前沿技术能力和埃森哲的工作流程经验,帮助企业扩展AI应用。根据埃森哲的说明,两家公司将与客户"肩并肩工作",构建试点项目并将项目投入生产。
埃森哲首席战略和服务官曼尼什·夏尔马在微软的公告中表示:"当战略和工程作为一个整体运作时,企业AI才能成功。与微软的这次合作建立了一个新模式,将工程师置于AI转型的中心——这个模式能够在企业规模上从雄心转向可衡量的成果。"
埃森哲还在扩大与Databricks的合作伙伴关系。两家公司共同成立了一个业务集团,帮助客户部署和扩展Databricks的产品和服务,包括用于在企业数据上构建智能体的Agent Bricks,以及支持员工与数据互动的Genie。根据周二的公告,这个新业务集团将得到超过25,000名Databricks专业人员的支持。
这家IT咨询公司也在寻求将AI专业知识嵌入到自己的公司中。周三,埃森哲完成了对英国AI公司Faculty的收购,并将Faculty的首席执行官兼联合创始人马克·沃纳提升为埃森哲首席技术官。这次收购为埃森哲的员工队伍增加了数据科学家、AI工程师和其他AI专业人员。根据公告,沃纳将负责领导埃森哲的技术战略和执行。
收购和与微软推进前置部署工程师模式都建立在埃森哲努力缩小影响企业客户的AI人才短缺差距的基础上。作为相关努力的一部分,该公司去年进行了组织变革。
埃森哲还扩大了内部AI人才库,目前雇用了超过85,000名AI和数据专业人员,超过了公司到2026年底达到80,000人的目标。斯威特在周四对投资者表示:"我们将在2026财年比2025财年雇用更多入门级的重塑人才,这对我们的财务模式很重要。正如我们的客户必须重塑自己一样,埃森哲也必须如此。"
这家IT咨询公司报告2026财年第二季度收入为180亿美元,同比增长8%。该公司还获得了221亿美元的新咨询和管理服务订单,同比增长6%。
Q&A
Q1:埃森哲的前置部署工程师模式是什么?
A:前置部署工程师模式是埃森哲与微软合作推出的一个项目,通过将具备AI技能的工程师嵌入到客户组织中,结合微软的前沿技术能力和埃森哲的工作流程经验,帮助企业构建定制化AI工具,解决尚未解决的问题,并将AI项目从试点阶段推进到生产阶段。
Q2:埃森哲目前有多少AI和数据专业人员?
A:埃森哲目前雇用了超过85,000名AI和数据专业人员,这已经超过了公司原定在2026年底达到80,000人的目标。公司还计划在2026财年比2025财年雇用更多入门级的重塑人才,以应对AI人才短缺的挑战。
Q3:埃森哲与Databricks的合作主要做什么?
A:埃森哲与Databricks成立了埃森哲Databricks业务集团,专门帮助客户部署和扩展Databricks的产品和服务。主要包括使用Agent Bricks在企业数据上构建智能体,以及通过Genie支持员工与数据互动。这个业务集团由超过25,000名Databricks专业人员支持。
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。