近日微软推出AI工具Dynamics 365 Copilot,该工具引用了OpenAI的ChatGPT进行搜索,微软将其用于商业用户。
这一新的AI助手将利用ChatGPT的生成式AI功能,理解用户编写的自然语音并即时生成回复或者是新的内容。微软正在将这项技术添加到各项应用中,使其可以快速地用来总结会议记录、为客户生成电子邮件内容、自动输入数据并协助完成其他任务。
微软在2月初的时候开始在Bing搜索引擎中使用ChatGPT聊天机器人,以增强搜索和回答功能。该技术使用生成式AI,让用户可以根据从网络搜索中收集的信息提出问题,并获得对话式答案。
微软正在将这种AI助手添加到Dynamics 365 Sales和Viva Sales等工具中,以创建会议摘要、产品和定价信息,以及来自已记录Teams电话的洞察。而将其添加到客户服务工具中,将让用户可以快速起草由AI驱动的电子邮件和聊天,并且这些都完全是由虚拟代理运行的,当AI无法再管理聊天的时候再转交给人类。
营销人员可以利用这个AI助手大大简化他们的工作流程,方法就是要求它通过提问来查看数据,并且通过给这些数据总结出报告并进行回复。以前,营销人员必须手动设计复杂的查询并细分他们自己的客户报告,然后手动阅读这些报告才能得出洞察。而现在,有了Copilot这个AI助手,就可以为他们完成很多繁重的工作,并能够了解他们的需求,甚至可以根据关键主题、现有电子邮件、相关主题等提出建议。
微软业务管理解决方案Dynamics 365 Business Central将让Copilot能够使用元数据中的各种属性(例如颜色、材质和尺寸)快速为店面生成生动的产品描述,还可以调整Copilot的语调、格式和长度以符合客户想要的情绪,这样他们就不需要在副本上线之前对其进行过多的个性化设置。
微软业务应用和平台企业副总裁Charles Lamanna表示:“下一个业务应用时代正在被生成式AI所改变。用户将越来越期望他们的客户关系管理和企业资源规划应用程序能够包含由AI提供支持的专业知识。”
供应链方面也得到了Copilot的AI支持,可以使用Copilot通过访问新闻、天气预报和供应商信息来更好地预测各种中断事件,以主动标记潜在的问题。代理商将可以使用Copilot编写外联电子邮件、重新安排订单路线、预估新的交货日期、选择备用配送中心以满足客户需求。
微软面向商业用户的低代码应用开发平台Power Platform也获得了两项新的AI更新,包括通过对话功能增强了现有机器人,以及向Power Apps和Power Automate中增加了生成式AI模型。
Power Virtual Agents让开发人员可以使用可简化机器人创建的低代码、拖放式可视化界面构建聊天机器人。大多数情况下,这些机器人能够让客户自助完成大量任务,但有的时候也会有他们无法回答的问题,必须交给人类。现在,通过公司网站上训练的生成式AI,机器人可以轻松地回答客户各种问题,而无需写下每个问题和答案。
AI Builder是四年前推出的,主要用于提供对Power Platform中各种强大工具的访问权限,如今,生成式AI模型可以通过Azure OpenAI服务在这个低代码界面上进行预览了。开发人员使用这种新的功能,可以将生成式AI嵌入到他们的应用中,从而构建出许多不同的功能,包括总结报告以及使用Power Automate通过电子邮件进行发送。Power Automate是一款营销应用,可以根据关键字自动生成内容并为社交媒体生成文本。聊天应用可以在会话完成后自动汇总协作线程。
目前,这种对话式助手还处于实验阶段,尚不适用于机器人,但已经可以预览了。带有生成式AI模型的AI Builder模板目前提供了有限的预览。
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。