Sierra是一家专为企业打造客户服务AI智能体的创业公司,其联合创始人兼CEO Bret Taylor坚信,人类与软件的交互方式将在不久的将来发生根本性转变。
上个月,Sierra推出了Ghostwriter——一款专门用于构建其他智能体的智能体。凭借这一"智能体即服务"工具,这家初创公司意图以自然语言取代传统的基于点击操作的Web应用程序。用户只需描述自己的需求,Ghostwriter便会自主创建并部署专属智能体来执行相应任务。
曾担任Salesforce联席CEO的Taylor认为,以语言驱动提示词取代软件的理念之所以令人振奋,很大程度上是因为企业中许多现有工具并未被频繁使用。
"作为新员工入职时你会登录Workday,也许在开放注册期间也会用到它,"Taylor在本周于旧金山举行的HumanX大会上对与会者说道。他指出,用户将很快通过自然语言完成工作任务,而无需与任何软件界面直接交互,而不必费心学习如何操作复杂的系统。
"我真心相信,这就是世界的发展方向,"Taylor说。
他还补充道,Sierra已在借助Ghostwriter以"前所未有的速度"部署智能体。他以Nordstrom为例,表示其公司仅用四周时间便为这家零售商完成了智能体的落地部署。
Sierra在去年秋天宣布,公司年度经常性收入(ARR)已突破1亿美元,距其成立不足21个月。今年9月,公司完成由Greenoaks Capital领投的3.5亿美元融资,最新估值达100亿美元。
"大多数公司并不想开发软件,"Taylor说,"他们想要的是解决问题的方案。"
尽管Taylor预言软件领域的根本性变革即将到来,但多位技术专家和投资人向TechCrunch表示,就目前而言,AI智能体的落地实施距离真正自主还有相当距离。
许多声称提供AI智能体服务的公司,包括Sierra和法律AI初创公司Harvey,都依赖所谓的"前线部署"工程师,需要持续对客户智能体进行更新和调优,以确保其按预期运行。
Q&A
Q1:Sierra推出的Ghostwriter智能体是什么?它能做什么?
A:Ghostwriter是Sierra推出的一款"智能体即服务"工具,核心功能是自动构建并部署其他智能体。用户只需用自然语言描述需求,Ghostwriter便会自主生成并运行专属智能体来完成任务,目标是替代传统需要点击操作的企业软件界面。
Q2:Sierra的AI智能体目前真的能完全自主运行吗?
A:目前还无法做到完全自主。尽管Sierra等公司宣传AI智能体的自动化能力,但实际上仍需依赖"前线部署"工程师对智能体进行持续更新和调优,以保证其按预期工作,距离真正意义上的自主运行还有一定差距。
Q3:Sierra公司目前的发展规模和融资情况如何?
A:Sierra成立不足21个月便实现了年度经常性收入(ARR)突破1亿美元。公司最近一轮融资由Greenoaks Capital领投,融资金额达3.5亿美元,最新估值为100亿美元,是当前企业级AI智能体领域增长最快的初创公司之一。
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。