在去年的Build开发者大会上,微软在第一天花了很多时间来演示未来会议的概念。在演示中,未来的Cortana支持的会议功能与Cortana与Teams、Outlook和Windows的集成一样重要。在今年的Build开发者大会上,看起来一个更加业务优先的Cortana加上各种机器人和虚拟助理服务也将出现在议程中。
从2016年以来,微软一直在打造其“对话即服务”/机器人服务。快速浏览一下今年Build 2019会议的议程,可以看出尽管Cortana在使用率和占有率方面远远落后于Alexa和Google智能助理,但并未完全出局。同时,微软似乎准备继续推动该公司在去年秋天推出的、语音优先的虚拟助理(Virtual Assistant)技术,让企业能够建立自己的个性化数字助理。
自从上次的Build开发者大会以来,微软一直致力于对Cortana重新定位,将其从独立的数字助手变成数字助手的助手。在今年的Build开发者大会上,微软计划介绍去年推出的Cortana Skills Kit for Enterprise。根据今年Enterprise Skills Kit对话环节的描述,企业可以使用该套件针对特定业务线场景开发解决方案,包括通过语音填写/撤回服务票据、检查剩余的休假等。
为了与Cortana的业务优先重点保持一致,Build 2019还有一个环节专注于介绍如何将Cortana软件开发套件与Azure IoT和Cortana蓝牙规范结合使用,以“为一线工作人员提供环境智能帮助”。
正如今年的CES所展现的那样,微软正在考虑将Virtual Assistant Solution Accelerator——而不是Cortana,作为让更多客户使用该公司的产品和服务进行语音输入的主要方式。微软在2018年11月以预览形式推出了Virtual Assistant Solution Accelerator。使用Virtual Assistant Solution Accelerator,客户可以更改助理的姓名、声音和个性,并使用一组初始会话技能。
Virtual Assistant Accelerator包括一些现成生产力的技能,包括日历、电子邮件和任务清单。这些技能与Microsoft Graph编程接口集成,这意味着它们可以连接到Office 365和Outlook.com。微软还承诺将“尽快”为这些技能添加对Google API的支持。这些技能让用户可以完成很多事情,例如在他们快要迟到时调整会面时间;通过汽车在任务列表添加内容;在酒店设置中要求延迟退房和客房服务;找到可用的会议室;找到具备特定技能的人等。
在今年的Build中,微软承诺公布更多关于其虚拟助手技术的细节和演示。可以使用微软的Conversational 人工智能认知服务构建这些类型的虚拟助手,Conversational人工智能认知服务可用于语音识别、文本到语音、语言理解和Microsoft Bot框架。
在一次会议中,微软的官员们表示他们将提供“参考硬件”并调用“麦克风阵列”(也许就像去年在Build上展示的设备一样?)
该会议环节承诺:“我们将突出介绍新的功能,包括新的非开发人员对话设计工具(Conversational Design)和语言生成(Language Generation)。”
通过其Dynamics 365产品系列,微软也在打造自己的Virtual Agent软件即服务产品系列,帮助用户设计和监控自定义机器人,而无需配备开发人员或人工智能专家。部署在Azure中、用ASP.NET Core构建的Bot Designer似乎是该服务的关键。
认知服务/技能将在Build 2019大会上成为微软“会话人工智能”方面的核心,它是微软编程接口,开发人员可以将这些接口添加到他们自己的应用程序和服务中,这样可以为他们提供“人工智能”功能。除了一些上述认知服务之外,微软还有一个专门讨论名为“Personalizer”的新服务的环节,该服务使用强化学习来理解用户的行为。(在我看来,这个新的Personalizer服务可能就是微软目前在实验基础上提供的“项目自定义决策”认知服务。)
我对于微软是否会在下周的Build 2019大会上推出Cortana-Alexa集成的更新很有兴趣,官方首次在Build 2018演示过该功能。微软和亚马逊从2018年8月份开始对该集成进行公开测试。
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。