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
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。