至顶网软件频道消息: 苹果公司正在与德国企业级软件厂商SAP合作,让他们双方的客户可以利用苹果的机器学习工具更轻松地开发移动商务应用。
双方在周二举行的SAP SAPPHIRE NOW大会上表示,正在将苹果的Core ML机器学习技术及AR Kit增强现实平台与适用于iOS的SAP Cloud Platform软件开发套件进行集成。
SAP首席执行官Bill McDermott和苹果公司首席执行官Tim Cook在演讲中表示,双方的集成将让企业员工能够将iPhone、iPad和增强现实技术结合起来用于各种工作中,例如机械维修或者更精确地摆放货架商品。
苹果和SAP从2016年开始建立合作关系,这次集成也是对双方合作的一次深化。当时两家公司曾表示,正在合作为iPhone和iPad开发原生应用,这些应用可以利用SAP旗舰的HANA内存计算平台,比针对任何操作系统设计的通用Web版本或者基于云的版本运行更加流畅。当时双方合作的重点是SAP的人力资源和费用管理工具等产品。
现在两家公司将进一步扩大合作关系,让客户可以在SAP Leonardo上构建定制应用。Leonardo是SAP利用物联网、人工智能、大数据、高级分析、3D打印和区块链等技术的开发者平台。
Cook表示:“要在合适的时间向合适的人提供合适的信息,AR和ML是个关键。这方面业界已经走过了漫长的一段路,未来还有很长的路要走。”
Constellation Research分析师Holger Mueller指出,自3年前宣布合作关系以来,这两家公司的命运似乎发生了逆转,很有意思。3年前,SAP希望通过与快速发展的苹果公司合作来提升形象。然而如今,步履艰难的苹果希望通过与SAP的联盟,销售更多的iOS设备。
Mueller说:“苹果还需要游说企业软件厂商使用他们专有的增强现实平台AR Kit。这种AR技术,以及iOS上的原生应用是否是企业需要的,还有待观察,因为有很多AR Kit的替代选择是可以运行在更多平台上的,而且今年市场中还有很多开发移动商务应用的替代选择。”
Mueller认为,这很大程度上取决于这些新服务的交付方式。
双方这次扩大合作关系正值SAP意图摆脱企业IT部署这个核心业务的时候。去年11月,SAP收购了Qualtrics,后者提供的工具让企业可以获取有关产品的反馈,从而针对特定用例对产品进行优化。
现在SAP希望以这次收购为基础,为Qualtrics引入10项新功能,将经验数据与运营数据结合起来。SAP表示,这样就可以把客户、员工和利益相关者的体验数据集中在一起,企业更容易倾听和了解来自各方的声音并采取行动。
Qualtrics联合创始人、首席执行官Ryan Smith表示,经验数据越来越重要,因为只有8%的客户认为企业能够提供足够的客户体验。他认为这是一个大问题,因为客户群体通常希望获得更多个性化的体验,做不到这点的品牌会有所损失。
Smith表示:“成功的企业知道X数据和O数据是如何协同的,知道企业组织内发生了什么、为什么发生、如何实施做出响应以实现突破性的业务成果。”
他说,Qualtrics的这些新功能旨在改善商业、客户服务、营销和销售方面的客户体验,提高客户忠诚度、转化率和满意度。
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。