谷歌履行了自己在最近Cloud Next大会上做出关于让人工智能服务更易于实施的承诺,宣布推出第一个所谓的“预打包的人工智能服务”,正如其名,这是用于特定业务任务的捆绑预构建AI工具。
谷歌推出预打包的人工智能产品背后的想法是,企业仍然需要帮助才能采用这些新技术。人工智能的潜力已经足够明显,但正如谷歌产品经理Apoorv Saxena和Geordy Kitchen在博客文章中指出的,人工智能还“需要专门的人才和硬件、合适的数据类型和数据量,用于训练和提炼机器学习模型”。
这就是企业眼下需要解决的问题。预打包的服务是以两种方式提供的:通过谷歌合作伙伴提供的打包解决方案,或者通过客户可以用来创建自定义AI工具的参考架构。
“这些都需要比预打包解决方案更多的开发工作,但为需要那些高度业务特定的集成AI部署的企业简化了复杂性,”Google的产品经理说。
有两种预打包的人工智能服务,其中包括“Contact Center AI”,该服务自上个月推出Alpha测试版以来已经有800多个用户。企业通过使用Contact Center AI,基本上可以实现一个为他们接听电话的智能聊天机器人,还可以询问和回答简单的问题,以确定呼叫者是否需要和人工代理沟通。谷歌表示,这个人工智能服务还可以记录趋势并分析出现问题的频率。
第二个打包服务是“Cloud Talent Solution”人工智能捆绑包,旨在招募新人才,同时缩短招募人才所需的时间。
谷歌还通过一个参考架构提供了“Recommendation Solution”人工智能工具,可以帮助企业向客户推荐类似或互补的产品,让企业可以将服务直接编码到他们现有的网站中,然后利用谷歌的机器学习功能,根据用户的购买历史、搜索等建议来改善他们的产品营销。
谷歌选择提供打包服务和参考架构的策略,是一种“经过验证的方法”,比人工智能本身更早,并且已经在早期技术(如预测分析)方面取得了成功,Constellation Research副总裁兼首席分析师Holger Mueller这样表示。
Mueller表示,“谷歌正在加强联络中心和人才获取领域,后者是谷歌最早的人工智能产品之一,另一方面,推荐功能具有更广泛的适用性,因此从参考架构开始是有道理的。CXO希望看到AI厂商提供验证平台和参考架构,因此谷歌现在是走在了正确的轨道上。”
好文章,需要你的鼓励
Y Combinator合伙人Ankit Gupta与Anthropic预训练负责人Nick Joseph最近进行了一次深度对话。
微软研究院提出潜在分区网络(LZN),首次实现生成建模、表示学习和分类任务的真正统一。该框架通过共享高斯潜在空间和创新的潜在对齐机制,让原本独立的AI任务协同工作。实验显示LZN不仅能增强现有模型性能,还能独立完成各类任务,多任务联合训练效果更是超越单独训练。这项研究为构建下一代通用AI系统提供了新的架构思路。
9月13日的PEC 2025 AI创新者大会暨第二届提示工程峰会上,“年度提问二:新工作时代:AI工作流由谁主导?”从企业实践到技术实现、从业务落地到战略决策,展开了一场高密度的思想碰撞与经验分享,将AI工作流背后的难题和解决路径彻底揭开。
上海AI实验室开发的VLAC模型让机器人首次具备真实世界自主学习能力。该系统如同给机器人配备智能导师,能实时评估动作效果并从中学习。在四个操作任务测试中,机器人成功率从30%提升至90%,仅需200次练习。技术结合视觉、语言理解和动作生成,支持跨场景适应和人机协作,为家庭服务、医疗护理等领域应用奠定基础。