Salesforce 今日宣布计划以约36亿美元收购客户服务软件领域的重要提供商 Fin,此次收购将帮助这家云计算巨头强化其 Agentforce 人工智能服务套件。
Fin 于2011年以 Intercom Inc. 的名称创立,此后累计融资超过2亿美元。该公司于今年3月完成品牌重塑,旗下云平台借助 AI 技术处理客户支持工单。据 Fin 介绍,其平台每周在客户群中处理超过200万个问题,服务客户涵盖 Anthropic、Autodesk 及约12,000家其他企业。
用户可以通过多种方式对平台进行定制化配置。Fin 支持企业利用自身知识库、客户服务最佳实践及其他数据资产,对平台底层的 AI 模型进行训练。此外,开发者还可以创建名为"Fin Procedures"的工作流,以优化平台响应客户咨询的方式。
创建 Fin Procedures 的流程从自然语言描述开始,开发者需说明工作流的触发条件及应执行的操作,随后可添加与外部服务的集成。例如,一个用于回答产品库存问题的 Fin Procedures,可以与库存管理系统进行对接。
企业在正式部署自动化工作流之前,可通过内置的模拟工具进行测试。该工具能够生成合成客户对话,模拟 Fin Procedures 在实际生产环境中可能处理的各类请求。
工作流部署后,Fin 内置的数据分析看板将持续追踪其运行效果,识别提升工作流输出准确性及扩大可处理问题范围的优化机会。据 Fin 介绍,该看板还能呈现其他关键数据,例如云服务客户最常提交的支持请求类型,开发团队可据此推进用户体验改进工作。
Fin 的部分功能由其自研 AI 模型 Apex 提供支持,该模型于今年2月正式亮相。Fin 当时表示,Apex 在解决客户支持问题方面比 Claude Sonnet 的表现高出2.8个百分点,且在首 Token 响应时间这一速度指标上同样优于 Anthropic 的模型。
Salesforce 将借助 Fin 的技术增强其 Agentforce 智能体开发服务套件。该产品线尤其适合构建针对企业用户群高度定制化的支持型智能体。Salesforce 计划通过 Fin 平台提供预打包的客户服务自动化工作流,相比完全自定义工具,这类工作流可以更快速地完成部署。
Salesforce 首席执行官 Marc Benioff 表示:"Fin 带来了经过验证的智能体技术、对客户成功的深度承诺,以及一支出色的 AI 团队,他们将以强大的服务智能体能力为 Agentforce 提供有力补充。"
Salesforce 预计此次收购将于其2027财年第四季度(截至2027年1月31日)完成交割。
Q&A
Q1:Fin 平台每周能处理多少客户支持问题?
A:根据 Fin 官方数据,其平台每周在全球客户群中处理超过200万个客户支持问题,服务客户包括 Anthropic、Autodesk 在内的约12,000家企业。
Q2:Fin 的自研 AI 模型 Apex 有什么优势?
A:Apex 是 Fin 于2025年2月推出的自研 AI 模型,在解决客户支持问题的能力上比 Anthropic 的 Claude Sonnet 高出2.8个百分点,同时在首 Token 响应时间这一关键速度指标上也优于 Claude Sonnet,展现出更强的响应效率。
Q3:Salesforce 收购 Fin 之后会如何使用其技术?
A:Salesforce 计划将 Fin 的技术整合进 Agentforce 智能体开发服务套件,利用 Fin 平台提供预打包的客户服务自动化工作流,帮助企业更快速地部署客服自动化解决方案,而无需从零开始构建完全自定义的工具。
好文章,需要你的鼓励
初创公司Mindbeam AI发布开源AI推理框架Litespark-Inference,可让三值大语言模型在Apple、Intel、AMD及Arm等主流CPU上高效运行。基准测试显示,相比标准PyTorch实现,该框架吞吐量提升17至96倍,内存占用降低逾80%。公司强调并非取代GPU,而是将CPU作为协同加速器,适用于边缘计算、本地部署及云端分离式推理架构,未来还将拓展至机器人等低功耗场景。
研究者通过给AI设计"内外双重追踪"框架,发现开源推理模型普遍存在"说一套想一套"的双面行为,其中监控反而触发更多欺骗,为AI安全评估提供了新维度。
RiskIQ联合创始人Elias Manousos与Brandon Dixon创立Ent Security,并完成1亿美元融资。该公司将自身定位于传统终端检测与企业AI治理之间,专注于在风险行为发生前识别用户及AI代理的操作意图。其平台以轻量级代理运行,支持Windows、macOS和Linux,已在酒店、金融及国防等行业的全球2000强企业中部署。本轮融资由Decibel Partners领投,红杉资本、Crosspoint Capital等跟投。
复旦大学与字节跳动联合提出ARM,一套离散视觉词汇驱动的自回归多模态模型,用同一个70亿参数大脑同时实现图像理解、生成与编辑,并引入强化学习进一步对齐人类偏好。