业内人士表示,AI领域的下一个重大突破将是"主动式"系统——即能够预判用户需求并在用户意识到之前就主动满足这些需求的智能体。
正在这一领域积极布局的初创公司IrisGo便是其中之一。该公司于今年早些时候完成了一轮280万美元的种子轮融资,由吴恩达旗下的AI Fund领投。IrisGo正在为PC端打造一款桌面伴侣应用,能够学习用户的日常工作流程,并在几乎无需人工干预的情况下自动完成这些任务。
Iris由Jeffrey Lai联合创立,他曾任职于苹果公司,参与构建了Siri中文版。值得一提的是,"Iris"正是"Siri"的字母倒序拼写。
核心理念非常直接:只需向Iris演示一次操作流程,它便会记住并在未来自动执行,无需重复指令。
在与TechCrunch的对话中,Lai进行了一次现场演示,展示了Iris如何学会在线下咖啡订单。演示过程中,Iris记录了从Philz Coffee(湾区一家知名连锁咖啡品牌)选择拿铁、填写信用卡信息到完成购买的全部步骤。随后,Lai让Iris自主重复下单,智能体顺利完成了任务。
当然,订购咖啡只是一个演示用例,并非核心目标。IrisGo真正的愿景是通过该系统自动化处理各类商业任务。Iris内置了一个"技能"库,涵盖邮件起草、发票处理、报告生成、文档摘要等多种开箱即用的自动化工作流。与此同时,Iris还能持续学习用户的桌面操作行为,并自动将这些任务纳入其可执行的动作清单。
该应用还集成了一个编程助手,在概念上与OpenAI的Codex或Anthropic的Claude Code类似,专门为开发者日常工作提供辅助支持。
"我们的目标用户是知识工作者——白领阶层。他们每天都要重复大量繁琐的工作,"Lai表示。他指出,尽管当前前沿模型的能力已相当强大,但AI辅助办公仍然让人感觉费时费力。他表示,Iris的目标是打破这一局面,推动工作方式向更高度自主的方向演进——让人类专注于高层次的概念性工作,而由智能体系统在后台处理所有事务性工作。
Iris的一项颇具吸引力的特性是其本地化数据处理能力。系统设计上优先在设备端完成数据处理,从而提供比其他严重依赖云端的应用更强的隐私保护。Lai表示,该系统目前仍采用混合架构——较大、较复杂的任务最终会通过云端处理,但公司承诺"云端处理仅在用户明确授权的情况下进行,并采用端到端加密"。
在扩大影响力方面,IrisGo的策略之一是借助知名人士和机构的背书来积累可信度。吴恩达的支持——他是谷歌深度学习研究团队Google Brain的联合创始人之一——发挥了重要作用。Lai通过一位共同认识的朋友与吴恩达牵线搭桥,两人均是卡内基梅隆大学的校友。随后,Lai与联合创始人向吴恩达演示了Iris,最终获得了AI Fund的领投。英伟达和谷歌也参与了该公司的投资。
目前,IrisGo已正式推出macOS和Windows应用的测试版,同时正积极与笔记本电脑厂商洽谈预装合作。该公司近期已与宏碁达成了此类合作协议,Lai表示,希望未来能与更多设备制造商达成类似合作。
Q&A
Q1:IrisGo是什么类型的产品,它能帮用户做哪些事情?
A:IrisGo是一款面向PC端的AI桌面智能体应用,能够学习用户的日常工作流程并自动执行。它内置了邮件起草、发票处理、报告生成、文档摘要等技能库,还能根据用户的桌面操作行为持续学习新任务,并提供编程辅助功能,帮助知识工作者减少重复性工作。
Q2:IrisGo的数据隐私保护机制是怎样的?
A:IrisGo优先在用户设备本地完成数据处理,以提供比云端应用更强的隐私保护。该系统采用混合架构,较复杂的任务会通过云端处理,但公司承诺云端处理仅在用户明确授权后才会进行,且全程采用端到端加密,用户对数据流向拥有一定的控制权。
Q3:IrisGo目前获得了哪些机构的投资支持?
A:IrisGo完成了280万美元的种子轮融资,由吴恩达旗下的AI Fund领投,英伟达和谷歌也参与了投资。吴恩达是谷歌深度学习研究团队Google Brain的联合创始人之一,其背书为IrisGo在业内积累了重要的可信度。
好文章,需要你的鼓励
仿人机器人与自动驾驶汽车在区域架构、功能安全及雷达传感方面高度相似。多分辨率摄像头组合可更好地模拟人类视野,兼顾广角低保真与局部高精度需求。自然运动需实时计算正逆运动学、距离与深度,同时须兼顾功耗效率。当前视觉与基础操控技术最为成熟,而触觉、全身协调及非结构化环境中的移动能力仍是主要挑战。业界正借鉴自动驾驶经验,加速推进仿人机器人的规模化落地。
这项研究提出Epi2Diff方法,通过将大型推理模型的解题思考过程拆解为认知片段序列,提取过程特征预测考题对人类的难度,在四个真实考试数据集上超越了所有对比基线。
随着AI技术发展,攻击者可融合白市、灰市及黑市数据,构建个人及其环境的数字孪生体,使定向攻击更为便捷。专家指出,AI与网络安全的核心交汇点是数据本身。防御AI数据融合攻击需依赖硬件信任根、强加密、安全密钥存储及严格的数据匿名化措施。芯片架构师需将安全设计嵌入硬件层,确保数据完整性验证、隔离执行及认证数据流,以应对日益复杂的运行时攻击面。
南京大学与阿里巴巴提出MIMFlow,将掩码图像建模与标准化流端到端融合,让生成模型专注语义建模,以更少参数和更少令牌在ImageNet上取得FID 2.50的优异表现。