AI会议记录应用已经意识到,仅凭转录会议内容和生成摘要,难以支撑其商业模式和估值。它们现在希望打造一个全功能工作空间,让用户能够整合不同来源的数据、跨平台搜索,并基于此做出业务决策。继Read AI、Fireflies.ai和Fathom等会议记录工具之后,Otter如今也正式推出企业搜索功能——其实现路径是将自身作为模型上下文协议(MCP)的客户端。这意味着它可以通过AI工具正在快速采用的通用标准,连接并提取外部应用和服务中的数据。
Otter已有近十年历史,但在过去几个月里,它开始积极向企业生产力工具的方向转型。去年10月,该公司推出了一种方式,允许企业构建自定义MCP,以便在应用之外访问Otter数据。而此次最新举措,则更侧重于将外部数据引入应用内部。
随着此次功能上线,用户可以连接Gmail、Google Drive、Notion、Jira和Salesforce账户,并将这些数据与现有的会议数据一并进行查询。该公司表示,后续还将支持Microsoft Outlook、Teams、SharePoint和Slack的接入。用户不仅可以跨平台搜索数据,还可以将会议摘要推送至Notion,或直接起草Gmail邮件。
该公司还表示,已对AI助手进行了全新设计,使其始终贯穿整个界面,用户可以随时提问。助手能够理解当前屏幕的上下文,例如某次特定会议或某个频道,并据此给出相应回答。
与此同时,越来越多的会议记录工具正在效仿Granola的做法,支持无机器人会议录制——即通过设备系统音频进行录音,而无需让机器人加入通话。Otter表示,该功能已于去年底在Mac应用上推出,目前正在发布具备类似功能的Windows应用。
围绕是否使用机器人进行会议记录,业界一直存在争议。Otter首席执行官Sam Liang表示,该公司的企业客户更倾向于让会议记录机器人加入通话。
"与企业客户沟通时,大多数人实际上更希望会议记录工具加入Zoom会议,因为这样更透明。他们也希望会议记录能够分享给所有与会者,而不是仅限于某一个人获取。"他在接受TechCrunch采访时如此表示。
Otter还表示,该平台具备去重功能,可防止多个机器人同时加入同一会议,避免出现机器人数量超过人类参会者的尴尬局面。
去年,该公司披露其用户数量已达2500万,年经常性收入为1亿美元。虽然此次未提供最新财务数据,但该公司表示,平台用户数现已增至3500万。
Q&A
Q1:Otter的企业搜索功能支持哪些第三方平台?
A:目前,Otter企业搜索功能已支持连接Gmail、Google Drive、Notion、Jira和Salesforce,用户可将这些平台的数据与会议记录一并进行搜索查询。该公司还宣布,后续将陆续接入Microsoft Outlook、Teams、SharePoint和Slack,进一步扩大数据整合范围。
Q2:Otter是如何通过MCP实现跨平台数据整合的?
A:Otter将自身作为模型上下文协议(MCP)的客户端,通过这一AI工具正在快速采用的通用标准,连接并提取外部应用和服务中的数据。用户在Otter中不仅可以跨平台搜索数据,还能执行诸如将会议摘要推送至Notion或起草Gmail邮件等操作,实现数据的双向流通。
Q3:Otter的无机器人会议录制功能是如何工作的?
A:Otter的无机器人会议录制功能通过设备系统音频直接捕获会议内容,无需让机器人加入通话。该功能已于去年底在Mac应用上线,目前正推出Windows版本。不过,Otter CEO表示,企业客户仍更倾向于使用机器人加入会议的方式,因为这种方式更加透明,且便于将会议记录分享给所有与会者。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。