微软正在为其产品阵容增加更多带有人工智能的Dynamics 365应用程序。微软官方于9月18日表示,除了之前宣布的Dynamics 365 AI for Sales应用程序,微软还将在今年秋季推出Dynamics 365 AI for Customer Service应用程序和Dynamics 365 AI for Market Insights应用程序。
今年7月,微软为其即将于2018年10月到来的Dynamics 365 ERP及CRM应用的发布公布了一份238页的发布说明文档。2018年10月份的发布将包含对核心的Dynamics Sales(销售)、Marketing(市场营销)、Customer Service(客户服务)、Portals(门户)、Omni-channel Engagement Hub(全渠道参与中心)、Field Service(现场服务)、Project Service(项目服务)、Social Engagement(社交参与)、Finance and Operations(财务及运营)、Talent(人才)、Retail(零售)以及 Business Central(业务中心)产品及服务的100多个增量更新产品与服务。该公司的官员们今天重申,微软将于10月1日开始全面推出October 2018 Dynamics 365和Power平台。
早在7月份,微软还展示了即将推出的Dynamics 365 AI for Sales应用程序,表示将于2018年10月对该应用程序进行公开预览。AI for Sales旨在帮助销售团队使用技术,例如呼叫情绪分析并警告交易存在的风险,采取主动行动并帮助销售人员为他们的时间分配确定优先级。
AI for Customer Service也将在出现在今年秋季预览的产品之中,它使用Microsoft AI和自然语言理解技术帮助工作人员根据自动生成的见解了解应该在哪里以及如何采取行动。微软的官员们表示,这款应用程序可与开箱即用的虚拟代理配合使用,无需用户编写任何代码。该公司的官员还补充表示,微软本身将为客户服务部门提供针对客户服务特定领域的机器人。
AI for Market Insights也定于秋季发布预览版,该产品瞄准的是市场营销、社交媒体和市场研究团队,他们需要市场洞察力以做出更明智的决策。
微软今天在侧重该公司商业应用战略的新闻和分析师日活动期间表示,该公司已经建立了两个Dynamics-365品牌的混合现实应用程序。微软的官员们今年早些时候在公司举办的Build 2018开发者大会上首次公开展示了这些应用程序——Remote Assist和Layout。
在过去一年中,微软将其增强现实/混合现实产品的重点更多地转向商业用户和应用程序,而不是游戏玩家和普通消费者。混合现实工作场所团队(Mixed Reality Workplace Team)的Remote Assist和Layout反映了这种侧重。
Remote Assist和Layout作为产品系列的一部分被列在Dynamics 365 十月发布的说明中。Mixed Reality Workplace(混合现实工作场所)团队似乎为HoloLens和Windows混合现实头戴设备构建了另外两个新的增强/混合现实应用程序:一个用于培训和开发,另一个用于以产品为中心的协作,基于Build共享的信息。
Remote Assist是一款免提通话应用程序,旨在帮助第一线工作人员快速分类问题。客户可以使用微软的通用数据服务(Common Data Service,CDS),让Remote Assist能够在现场利用Dynamics 365现场服务的工作订单数据。
Layout是一种空间规划应用程序。它可以帮助用户在现实世界范围内可视化房间布局,这对于制造和零售以及其他市场中的客户来说可能是一种竞争优势。使用Layout,客户可以调整大小并旋转3D模型,以便动态编辑布局。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。