拥有智能索引库、专属知识库、混合大模型调度系统的 AI 原生搜索，能否成为正统，引领搜索引擎的下一个三十年？

如今的科技界，没有比 AI 搜索更强的新共识了。

在过去的几十年里，以 Google、百度为代表的「搜索引擎」，和以抖音、TikTok 代表的「推荐引擎」，轮番引领了信息经济的发展。

---

而今天，大语言模型（ LLM ）的出现，有望进一步增强搜索引擎的地位和价值，让它以 AI 搜索的新身份，再次引领人工智能应用的浪潮。

一、保守还是激进？涌向 AI 搜索的三大支流

AI 正成为「端掉」传统搜索引擎业务的最大变量，但如何实现 AI 搜索，争议不绝。目前，涌向 AI 搜索的众多玩家已经分化出三股主要支流，各自蜿蜒前行：保守派，中间派，原生派。

保守派以 Google AI Overviews，和国产搜索「AI 智能回答」为代表，即在现有搜索引擎上添加 AI 功能模块，增强传统搜索性能。

以 New Bing 为代表的中间派，虽然通过 AI 对搜索进行了更加深入的改造，但保留了传统搜索引擎这个「基础设施」，也有人称之为「答案引擎」。

最激进的当属 Perplexity、360AI 搜索为代表「原生派」——从 0 到 1 打造 AI 原生的搜索引擎，因其回答质量更高，信息结构化更强，也被称为「知识引擎」。

业内人士认为，在人工智能时代，如果按照「含 AI 量」来为搜索引擎做代际划分，那么：

保守派仅对搜索引擎做了「插件」化改造，AI 含量最低，只能算是搜索引擎 1.0。

中间派对传统搜索引擎的改造比较深入，AI 含量明显上升，具有较强的生成回答的能力，可以称之为搜索引擎 2.0。

「为 AI 而生」的原生搜索引擎，将 AI 作为系统中无法分割的一部分，含 AI 量最高，被称为搜索引擎 3.0。

如果用户仅需网址导航，传统搜索引擎和搜索引擎 1.0 完全够用。一旦搜索需求变复杂，包含推理、计算等要求，不同代际的搜索引擎表现差距，就立刻凸显出来。

举个例子。我们先问 Google，「《里斯本丸沉没》豆瓣评分高达 9.3，口碑炸裂，为什么票房才 1000…

二、AI 原生虽好，「三大支柱」门槛高

要打造一个真正的 AI 搜索引擎，门槛和投入不可谓不高。

360 集团副总裁、AI 产品负责人梁志辉估算，要打造一个通用搜索引擎，至少需要 20 亿至 40 亿元的预算。这还不包括网页排名的服务器成本、终端厂商合作费用和人力资源开支。这也正是为何全球只有少数几家通用搜索引擎的原因。

从技术架构层面来看，一个可以被称为「知识引擎」的 AI 原生通用搜索引擎，包括了「智能索引库+专属知识库+混合大模型智能调度系统」三大支柱。

1、智能索引库

对于一个搜索引擎而言，自建索引库也非常重要，但同时成本极为高昂。即使是传统搜索引擎，爬取 1000 万个网页就需要投入百万级预算。而这仅仅是冰山一角。

因此，除了极少数创业公司选择自建小规模的垂直索引库，市面上的多数所谓 AI 搜索产品，实际上依赖于购买 Google 或微软 Bing的 API 服务，这又带来两个显著问题。

首先，成本高昂。调用 Google 或 Bing 的索引库需要购买昂贵的第三方服务，这可能会吞噬企业的全部利润，使得项目难以维系。

其次，知识理解受限。若选择接入现有的索引库服务（如 Perplexity AI ），通常只能获取与查询相关的约 100 字信息。这种限制使得大模型无法对内容全文进行通读和深入分析，导致对许多知识的理解变得片段化和表面化。

作为 2012 年就开始做搜索的老牌厂商，360 搜索已经建立了约由 1000 亿个网页构成的动态更新索引库，这也为 360AI 搜索奠定了基础。

但对于 AI 搜索来讲，索引技术和索引库同样重要。在传统关键词索引之外，360AI 搜索使用向量索引、KV 索引等技术，对索引库进行了重构，使得索引效率大幅提升。

2、专属知识库

知识库是知识引擎的「高质量内容原料」，更多用于复杂推理和深度理解任务。但公域的内容质量整体下降，优质内容逐渐被有丰富内容的 App 分走。通过自建、购买和合作等方式，360AI 搜索的知识库收录了大量的高质量内容来源，包括但不限于论文、知识视频、访谈节目、课堂录音、专业网站等。

而且，通过对知识库引入了 GraphRAG，利用知识图谱进行检索，处理复杂查询更加得心应手。这使得专属知识库内容能够以大模型最容易理解和计算的方式来抓取、索引、召回，让优质知识真做到「可计算」，「可理解」。

3、混合大模型智能调度系统

生成式大语言模型，是 AI 搜索能够输出结构化高质量内容的关键。但一个直接接入大模型的 AI 搜索并不高效，也不足够智能，因为每一个大模型都有短板。360AI 搜索的解决方案是，构建了一个 CoE（ Collaboration-of-Experts，专家协同）技术架构，用实现了对包括 360 智脑在内 16 家主流国产大模型厂商、54 款大模型，和大量的专家模型的智能调度。

CoE 架构的技术原理，和近日刚刚发布的 OpenAI o1-preview 大模型理念相同、方法类似，都是基于强化学习和「思维链」 ，大幅优化了记忆、检索、推理机制，提升了大模型解决复杂问题的能力。

只不过不同点在于，OpenAI o1遵循的可能是「双系统理论（ Dual Process Theory）」，是 GPT 和 o 系列结合思维链的融合系统，前者用于「快思考」，后者实现「慢思考」。而 CoE（ Collaboration-of-Experts,专家协同）架构则集合了数量更多的大模型和专家模型，是通过思维链和「多系统协同」的方式实现「快思考」和「慢思考」。另一个不同点在于，CoE 架构的发布时间，要比 o1 早了接近两个月。

这种分工协作的模式，使得 CoE 架构在推理任务中的表现更加灵活且精准，尤其在处理复杂问题时，能与 OpenAI o1 媲美，甚至在某些场景下更胜一筹。

---

三、「革自己的命」，鲶鱼无惧

没错，推理成本，就是 AI 搜索商业模式能否闭环的关键因素。

对于传统搜索引擎而言，Google 的单次搜索成本仅为 0.2 美分。而以 360AI 搜索为代表的 AI 原生搜索引擎，单次搜索有 7-15 次大模型调用，推理成本则要高得多，但这个问题并非无解。

事实上，通过巧妙地选择和整合不同的 AI 模型，CoE 架构可以充分利用各模型的分析优势和差异化定价结构，以此提升产品性能并控制成本。国内第三方大模型激烈价格战也为 AI 搜索成本的整体下降奠定了基础。此外，通过为大模型厂商提供用户和「bad case」反馈，360AI 搜索与大模型厂商之间已经形成了互利合作关系。从长远趋势来看，情况也在好转，推理成本呈快速下降态势，有点类似摩尔定律。

尽管 AI 搜索的商业模式仍未完全建立，但这更多只是一个时间问题。微软 CEO 纳德拉强调：「据我所知，搜索业务是地球上软件业务中最赚钱的，我所需要的是更多的用户。」因此，我们完全不必担心一个大用户量的搜索引擎会一直赔钱。据了解， 360AI 搜索已经实现了商业闭环。

创始人周鸿祎曾把 360 比喻为中国互联网的「鲶鱼」，不是巨头，不是鲨鱼。这条「鲶鱼」，早在十二年前，就以「3百大战」的方式，搅动了中国搜索市场，至今仍然位列中国搜索引擎市场第二名。

十二年后，人工智能浪潮来袭，市场风云再起。秉承一贯的快速行动力，360 这条「鲶鱼」仅用八、九个月时间就迅速超越 Perplexity AI，一跃成为全球规模最大的 AI 原生搜索引擎，而且势能不减，依然全球增速最快。

纵观全球商业史，在几乎每一场需要「自我革命」的科技浪潮中，行业老二都往往比行业老大更果断、更有勇气，也更具灵活性。庞大的沉没成本迫使传统巨头们采取「保守式」创新，以期步步为营，柯达、诺基亚、谷歌和百度亦是如此。而另一方面，对于「没有历史包袱」的初创企业而言，AI搜索领域也并非「颠覆式创新」的理想突破口。

目前，AI 搜索还处于快速发展过程中，搜索体验将继续快速提升，与传统搜索引擎的差距也将越拉越大。AI 搜索会让搜索引擎从信息检索工具，进化成帮助用户完成知识探索的「知识引擎」，并最终，凭借不可逆的历史趋势，取代传统搜索引擎，成为用户检索信息、获取知识的首选。

或许到那时大多数人才惊觉，今天我们以为的搅动市场的「鲶鱼」，原来就是一条「鲸鱼」。

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

阿尔巴内斯政府尽管Meta宣布了Instagram青少年账户的新限制，但通信部长认为儿童使用社交媒体存在不平衡。

---

周三，Instagram宣布对青少年账户进行了更改，包括让父母设定使用应用的每日时间限制，阻止青少年在某些时间使用Instagram，并可以查看他们的孩子正在交换消息的账户以及他们正在浏览的内容类别。16岁以下的青少年在更改任何设置之前将需要父母许可。Meta表示，此举已计划数月，但该公告是在联邦政府宣布计划在年底前提交立法议会的一周后发布的，目的是将儿童访问社交媒体的年龄提高到一个尚未确定的年龄，可能在14到16岁之间。通信部长米歇尔·罗兰德表示，政府欢迎该公告，但“这并不否定政府今年将立法规定访问社交媒体的最低年龄”。“平台有责任利用其手头的每一种工具来确保他们能够识别澳大利亚人正在看到什么以及对于那些特定的澳大利亚人来说是否合适，”她说。

….（后续内容省略）

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

赋予企业以将LLMs从实验项目转变为可靠的、具有上下文感知的大规模人工智能应用的能力
Tecton今天宣布了一项重大平台扩展，以释放企业应用中生成式人工智能的全部潜力。{ width=60% }

---

此次发布赋予AI团队通过将LLMs注入全面、实时的上下文数据来构建可靠、高性能系统。
由LLMs驱动的生成式人工智能承诺着以空前的自动化、个性化和决策能力改变业务运营。然而，在企业生产环境中，LLMs仍然被显著低估利用。根据Gartner的一项研究，仅有53%的AI项目能够从原型转变为生产，这表明相当一部分企业GenAI计划尚未在大规模上提供显著的商业价值。
这种有限采用的主要原因在于LLMs在面对动态业务环境时的不可预测性。这源自LLMs缺乏最新、领域特定知识和实时的上下文意识。企业对AI的真正价值在于利用他们独特的、公司特定数据来创建定制化的解决方案，这些解决方案与他们业务的各个方面深度连接。
“AI行业正处在一个十字路口。我们已经看到了LLMs的潜力，但它们在企业生产环境中的采纳受到了可靠性和信任问题的限制，” Tecton的首席执行官兼联合创始人Mike Del Balso表示。“我们的平台扩展代表着企业如何能够利用他们的数据来构建生产AI应用的范式转变。通过专注于更好的数据而不是更大的模型，我们让公司能够部署更智能、更具弹性的AI应用程序，这些应用程序定制化为他们独特的业务数据，并且在关键任务场景中能够受信任。”
Tecton通过整合跨企业全面的实时数据增强检索-增强生成（RAG）应用。这种方法通过将检索候选项与最新的上下文信息相结合，使得LLMs能够做出更明智的决策。其结果是超个性化、上下文感知的AI应用程序，在动态环境中具有分秒准确性。例如，一款电子商务AI可以即时考虑客户的浏览行为、库存水平和当前促销活动，以获取最相关的产品候选项，极大地提高推荐质量和转化率。
为帮助客户构建生产生成式人工智能应用程序，Tecton推出了一套功能，包括托管嵌入、LLMs的可扩展实时数据集成、企业级动态提示管理和创新的LLM动力功能生成。
通过托管嵌入生成提高生产率并优化成本
Tecton现在提供了一套全面的嵌入式解决方案，生成并管理非结构化数据的丰富表示，以支持生成式AI应用程序。该服务高效地将文本转换为捕获语义含义的数值向量，从而支持各种下游AI任务。例如，它可以将客户评论如“产品快速送达，运行良好！”转换为一个数值向量，对评论的情感、主题和关键方面进行编码。这些向量表示可以存储在向量数据库中，从而便于跨数千条评论进行比较和候选项检索。
Tecton对嵌入生命周期的全面管理，从生成到存储和检索，极大地降低了通常与实施RAG架构相关的工程开销。因此，数据科学家和机器学习工程师可以将重点从基础设施管理转移到提高模型性能，最终提升生产率和创新。
Tecton的嵌入服务支持预训练模型和自定义嵌入模型，使团队能够自行带入模型或利用最先进的开源选项。这种灵活性加快了生产过程，提高了模型性能，优化了成本。
使用实时上下文构建超个性化AI应用程序
Tecton的新功能检索API允许开发人员为LLMs提供为其生成响应时所需的工程化特征。这种集成使LLMs可以访问关于用户行为、交易和运营指标的实时或流数据，大大提高了它们提供准确、上下文相关响应的能力。
例如，在客户服务应用程序中，LLMs可以访问有关客户最近购买、支持历史和帐户状态的最新信息，从而为其提供个性化和准确的帮助。这种能力连接了LLMs的一般知识与处理实际行业场景所需的特定、当前信息之间的鸿沟。因此，企业可以创造真正定制的AI应用程序，提供优越的客户体验，在提高运营效率，并在市场上获得显著的竞争优势。
该API针对企业安全和隐私进行了设计，确保敏感数据得到保护，并且只有授权模型和代理可以访问特定数据。这使企业能够在保持对数据的控制的同时利用LLMs的强大能力。
通过动态、版本控制的提示简化AI开发
Tecton扩展的声明性框架现在包含提示管理，引入LLM提示的标准化、版本控制和DevOps最佳实践。这一进展应对了LLM应用开发中的一个重要挑战：缺乏系统化提示管理，这对于引导LLM行为至关重要。
功能和提示之间的紧密集成促进了提示与上下文数据的动态丰富化。Tecton使得提示能够针对历史数据进行测试，并为LLMs提供时间正确的上下文，以调整大型语言模型。这确保了提示在不同时间段的有效性，并通过历史相关数据增强LLM训练，从而加强模型迭代和持续改进。
动态提示管理赋予了版本控制、变更跟踪以及必要时的简便回滚提示的能力。这一功能推动了企业范围内的AI实践标准化，加快了开发速度并确保各环境的一致性。它助力了最佳实践在提示工程中的快速采纳，潜在地节省了数百小时的开发时间，同时显著降低了合规风险。这在保持不同环境（开发、演绎、生产）的一致性以及在需要可审计的行业中保证合规性方面尤为重要。
利用LLMs和自然语言生成功能
Tecton的特征工程框架现在利用LLMs从非结构化文本数据中提取有意义的信息，将其转换为结构化、可用的格式，并创建此前难以或无法生成的新特征。这些由LLMs生成的特征可以改进传统ML模型、深度学习应用程序，或为LLMs本身丰富上下文。这种方法将LLMs在量化数据分析方面具有卓越表现的地方（LLMs擅长的地方），与传统ML仍然至关重要的定量分析结合起来，实现了更复杂的AI应用。
例如, 一家电子商务公司现在可以自动对产品描述进行分类、提取关键属性，或从客户评论中生成情感分数。这些由LLMs生成的特征可以用于提高搜索相关性、个性化推荐，或增强客户服务交互。
该框架处理了在大规模LLM工作中的复杂性，包括自动缓存以减少API调用和相关成本，并进行速率限制以确保符合API使用限制。这使数据团队能够专注于定义特征逻辑，而无需担心底层基础设施。

Quotes
“Tecton的平台扩展对于基于AI的协作具有改变性，”Atlassian的首席工程师Joshua Hansen表示。“通过实时利用我们的数据和用户互动，我们可以构建智能产品功能和AI驱动体验，从而提升团队效率。这项技术使得能够预测用户提及、改进产品内搜索体验，以及在人员和工作之间形成关联，最终转变了团队的工作方式。”
“Tecton的平台在我们增强百万用户的实时欺诈检测和个性化方面起着关键作用，”Coinbase的ML平台高级软件工程师Joseph McAllister表示。“一个能够提供相关输入信号的单一上下文平台将改善所有我们的模型性能，无论是GenAI还是预测性ML。这为我们解锁了更复杂、乃至上下文感知的AI应用程序，这些应用程序能够在大规模上产生高度准确的响应，实时在我们的产品上驱动智能体验。”
“通过此次平台扩展，我们不仅仅是在提高AI性能——我们正在根本性地改变企业的AI开发方式，”Tecton的首席技术官兼联合创始人Kevin Stumpf表示。“通过为预测性ML和生成式AI提供统一框架，我们使组织能够利用他们的业务数据直接构建先进的AI功能到他们的应用程序中，所有这一切都由统一数据平台提供支持。”

---

---

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

新平台加速了SLB在能源行业跨领域客户的先进数据和人工智能能力
全球能源技术公司SLB (NYSE: SLB) 今天推出了Lumi™数据和人工智能平台，该平台集成了先进的人工智能（AI）能力，包括生成式AI，覆盖能源价值链上的工作流程。{ width=60% }

---

这个开放、安全和模块化的平台解锁了跨地下、地表、计划和运营的高质量数据，增加了跨领域合作并释放了新的智能和洞察，以提高企业级决策的质量和速度。最新的大型语言模型（LLMs）以及SLB提供的行业优化域基础模型将嵌入到平台中，使客户能够加速规模化的AI采用。
“人工智能从根本上改变了我们行业的动态，但其变革潜力受到我们行业数据生态系统复杂性的阻碍，” SLB数字与一体化总裁Rakesh Jaggi表示。“通过Lumi数据和人工智能平台，我们将为全球客户跨领域解放并赋予数据意义 - 使他们能够扩展先进的AI工作流程并加速其持续的数字化转型。”
Lumi平台建立在最新的行业标准上，并将在所有主要云服务提供商及本地部署的环境上提供，确保其为SLB的全球客户群所用。SLB的客户可以训练和部署行业特定的传统和生成式AI模型，包括SLB的E&P基础模型。这将从根本上改变整个能源价值链上的数据驱动决策、运营自动化和实时优化。
通过利用Lumi平台的数据基础和机器学习能力，SLB的Delfi™数字化平台将得到增强。这将使储层建模、地震和井眼解释、定向钻井和地质钻井工作流程更加强大和灵活。其还将为自动化和运营效率提供新的能力，使能源客户能够推动高价值、低碳运营。
Lumi平台整合了来自领先技术合作伙伴的技术以及SLB的数字和领域专业知识，促进了能源生产周期中对数据和AI能力的访问。该平台的开放架构通过使用标准和开放协议（包括能源行业的开放数据标准 - Open Group的OSDU®技术标准）从结构化和非结构化来源中解放数据。它利用Cognite Data Fusion®连接和分析生产数据以优化运营。该平台也符合国家标准与技术研究所（NIST）的网络安全标准以及新兴的人工智能标准和立法。
今天的公告是在本周在摩纳哥举行的SLB数字论坛上发布的。

---

---

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

MSP、CSP和ISV可以快速利用集成到客户产品中的行业领先数据流平台解锁新的营收渠道
Confluent, Inc. (NASDAQ:CFLT) ，即数据流先锋，今日宣布了Confluent OEM计划。{ width=60% }

---

这个针对托管服务提供商（MSP）、云服务提供商（CSP）和独立软件供应商（ISV）的新计划，使其可以通过全面的数据流平台为Apache Kafka®和Apache Flink®快速推出和增强客户产品。合作伙伴通过获得Confluent企业级平台的许可，可以更快地将实时产品和Kafka产品带入市场，并轻松实现对数据流的客户需求的货币化，而风险有限。该计划使数据流成为业务的高利润部分，具有专家实施指导和认证，帮助合作伙伴推出企业就绪的产品；商业条款灵活，匹配合作伙伴的销售方式；并提供持续的技术支持，以确保客户的长期成功。

“随着数据驱动的技术如GenAI变得对企业运营至关重要，关于企业何时需要数据流的对话已经从‘是否’或‘何时’转变为‘什么是最快速、成本最低效的上手方式？’”Confluent全球ISV及APAC高级副总裁Kamal Brar表示。“我们通过满足他们所服务的每个地区对实时数据不断增长的需求，帮助合作伙伴开启新的营收渠道。Confluent为交付企业级数据流提供了最快捷的途径，使合作伙伴能够加速服务交付，降低支持成本，并最小化整体复杂性和风险。”

实时数据的需求已经将数据流巩固为一个关键的业务需求。根据ISG软件研究，“到2026年，超过四分之三的企业标准信息架构将包括流数据和事件处理。”为了满足这种需求，团队通常会转向像Kafka和Flink这样的热门开源技术。然而，构建和维护开源软件，尤其在规模上，很快会变得成本高昂和耗时。平均而言，自主管理Kafka需要企业超过两年的时间才能达到生产规模，而持续的平台开发和运营成本每年超过数百万美元。随着时间的推移，使用开源Kafka和Flink构建的解决方案会消耗越来越多的工程资源，这会影响企业专注于差异化并保持竞争优势的能力。

通过企业级数据流更快地增长
Confluent OEM计划减轻了自主管理开源技术的负担，但远不止于Kafka和Flink。MSP和CSP可以通过Confluent轻松交付一个完整的数据流平台，为AI、实时分析、应用现代化等领域解锁更多的客户项目。ISV可以将Confluent嵌入其产品或应用程序中，以成本效益地为由实时数据驱动的现代客户体验提供动力。Confluent通过消除开源部署的操作复杂性、加速交付时间，并通过持续的专家支持确保客户成功，简化了数据流。安全、有序的数据流可以在需要的任何地方提供 - 在本地、边缘和云中。

OEM计划的好处包括：
设计审查和开发支持 - 通过Confluent团队的架构指导和亲自开发支持构建您的数据流产品，他们已记录超过500万小时的Kafka开发时间。
市场上速度快 - 使用一个完整的、即插即用的数据流平台，包括120多个Kafka连接器、Flink流处理、企业级安全和数据质量控制以及基于云的监控，加速价值观的实现。
Confluent认证 - 具有您的产品或数据流产品已得到认可并获得行业领先支持的证明，自信地启动。
灵活的商业条款 - 轻松打包面向客户的产品，使用与您销售方式匹配的商业条款。
专家技术支持 - 为您的业务提供支持，简化其处理任何客户问题或问题的问责。
听Confluent的合作伙伴的发言

“随着企业努力通过应用现代化、实时分析和人工智能获得竞争优势，客户对数据流的需求飙升，”阿里云智能国际业务副总裁，国际产品与解决方案负责人Dongliang Guo表示。“通过Confluent，我们能够在阿里云上快速交付一个完整的企业级Apache Kafka托管服务，消耗的时间和工程力量极少。与Confluent这个领先的Kafka专家合作，使我们能够迅速在亚太地区释放新的业务潜力，同时减少通常与推出新服务相关的成本和复杂性。”

“正在进行数字转型的企业依靠Infosys为满足严格的企业要求和确保长期成功的技术，”Infosys交付的执行副总裁和联合负责人Dinesh Rao表示。“通过利用Confluent先进的数据流解决方案，我们可以更高效地完成客户项目，风险和成本降低。我们的客户受益于包括预构建连接器、本地流处理、数据质量控制、企业级安全、治理、监控等综合平台。”

“每月处理全球领先金融机构的超过70亿笔实时支付交易带来了非凡的性能期望，”Mindgate Solutions Pvt. Ltd.联合创始人兼业务负责人George Sam表示。“通过利用Confluent的Apache Kafka，我们确保我们的RTP UPI支付平台可以处理实时交易不断增长的需求，具有无与伦比的效率和可靠性。通过这种合作，我们重申致力于向全球客户提供创新、可扩展和可靠的支付解决方案的承诺，突出了我们在全球范围内提供尖端、强大解决方案的承诺。”

立即成为OEM合作伙伴！访问www.confluent.io/oem获取更多关于如何加入的详情，以及这对您业务的影响。

额外资源
阅读博客以获取Confluent OEM计划的更多详情。
了解有关Confluent合作伙伴计划的更多信息。
看看Confluent是如何帮助其客户转变业务的。

---

---

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

七名23andMe董事会成员中有七人辞职，这是这家陷入困境的遗传公司的又一次打击。

---

首席执行官现在是唯一留任的成员。遗传测试公司独立董事在周二发布的一封信中表示，在未从首席执行官安妮·沃伊茨基（Anne Wojcicki）那里收到令人满意的收购提议后，他们将辞去公司董事会职务。“经过数月的努力，我们仍未收到您提出的符合非附属股东最佳利益的，融资充足、尽职调查充分、可操作的提议，”包括YouTube首席执行官在内的七名董事在给该公司的联合创始人兼首席执行官的信中说。据《华尔街日报》报道，沃伊茨基在一封发给员工的备忘录中回应说：“董事会成员辞职的决定让我感到惊讶和失望。”她坚称，让公司私有化仍然是其最佳战略选择，并表示将展开新董事会成员的搜寻。沃伊茨基自4月以来一直试图让公司私有化，她在7月提议以每股0.40美元的价格收购除她或她的关联企业外所有未持有的23andMe股份。她控制着公司49%的表决权股份。公司成立的特别委员会拒绝了这一提议，认为它不够充分，也不符合非关联股东的最佳利益。他们还表示，特别委员会不愿考虑进一步延期，公司董事会同意这一看法。“在过去的5个月内我们未见任何明显进展，这让我们相信不会有这样的提议出现，”董事们补充道。本月早些时候，沃伊茨基表示她愿意考虑第三方接管公司的提议。23andMe的股价在董事会集体辞职后跌至0.30美元的新低，次日反弹至0.35美元。据华尔街日报报道，公司现在价值低于其储备现金。金融出版物开始称23andMe为一只“便士股票”。23andMe以其基于唾液的测试工具而闻名，该工具让用户一窥其遗传祖源。该公司于2021年上市。自那时起，它从未盈利，公司面临着到明年完全用尽现金储备的危险。在2023年和2024年期间，23andMe还面临着一场灾难性网络黑客攻击的后果，导致近700万用户的个人信息被窃取。

---

---

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

Pickommerce宣布获得340万美元的融资，以推动其创新PickoBot拣货机器人的开发、生产和营销。{ width=60% }

---

Pickommerce的技术有望颠覆仓储自动化市场，根据研究公司Mordor Intelligence的数据，该市场预计将以53.4%的复合年增长率增长，并在2029年达到近90亿美元。融资由聚焦于传统行业颠覆性技术的IL Ventures领投，还包括InNegev、Fusion VC、以色列创新局以及战略投资者ZIM Ventures（海上运输公司ZIM Integrated Shipping Services Ltd（NYSE：ZIM）的公司创投部门）。

当今的物流仓库越来越自动化，如装箱和卸货等过程现在主要由机器人处理。然而，最终的“拣货和包装”环节仍在很大程度上依赖人工拣选员工，即使在最先进的仓库中也是如此。这带来了一个重大挑战，因为这些岗位全球缺口达数千万人。为了填补这一空缺，拣选机器人迅速成为现代自动化仓库的关键组成部分。它们通过为各种物品拣选和放置库存，减少重复任务的劳动需求，提高性能并减少错误，提高了效率。

借助PickoBot，Pickommerce提供了实现完全自动化仓库工作流程的缺失环节，为服装、零售（消费品、食品、DIY、电器等）、电子商务、制药、农业和零件等多个行业提供了卓越解决方案。PickoBot利用由机器学习支持的先进计算机视觉系统，实现为不同尺寸、重量和质地的物体进行安全和智能包装。它在一个单一站点具有多种抓取方法，包括真空、基于手指的和专利的基于黏附力的夹持器。一个AI驱动的决策算法为每个物品选择最佳夹持器和抓取配置。Pickommerce的受专利保护技术显著增加了机器人在物流中可以处理的产品种类，以及这些机器人拥有的自主水平。

IL Ventures的管理合伙人Yoni Heilbronn表示：“Pickommerce通过提供优化自动化操作的先进解决方案来颠覆物流行业，显著增强其整体效率。在一个手动拣选仍然主导流程的行业中，这一解决方案有望重新定义标准，推动一个更具敏捷性、响应性和具有成本效益的新时代。对Pickommerce技术的蓬勃需求表明，公司的解决方案满足了一个迫切而必要的市场需求。”

Pickommerce最近在以色列最大的有机农场之一Havivian Farm进行的安装展示了Pickommerce智能抓取技术的适应性和精确性，或者说温和的接触。这家有机农业企业求助于Pickommerce，通过自动化高产量生鲜产品包装线来降低运营成本。与竞争解决方案不同，PickoBot在适应并处理快速拣选和包装生鲜产品的复杂性方面表现出色。这种能力对于接受在线订单的任何超市都非常有价值。

Havivian Farms的所有者Boaz Havivian表示：“在Havivian Farms，质量是我们一切工作的核心。从把种子种在土壤中到收获我们的作物，我们致力于确保我们的客户获得最新鲜、最高质量的商品。”Pickommerce对此过程至关重要。他们的PicoBot使我们能够高效处理和打包我们的产品以便发货，确保产品完好无损地送达客户手中。”

“我们赞赏我们的投资者、客户和合作伙伴的支持，我们看到对PickoBot的市场需求显著增长，”Pickommerce的联合创始人兼首席执行官Kfir Nissim表示。“通过提供PickoBot多样的抓握能力，我们正在将行业的边界推向前所未有的灵活性。这是通过先进的计算机视觉、高度优化的包装算法和AI驱动的决策制定实现的。”

---

---

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

SPRYT开发了一个名为Asa的AI接待员-医疗办公室助手（MOA），患者可以通过标准消息应用程序（如WhatsApp和短信/RCS）与Asa进行通信，无需下载应用程序。{ width=60% }

---

美国25%的医疗支出来自诸如计费和排班之类的行政任务，这超过了每年1万亿美元。仅美国因未按时就诊而产生的费用就达1500亿美元。与Treatment AI的全球医学图书馆相结合，将致力于在预约时创建世界上第一个由人工智能驱动的患者入院和分诊工具之一。

Treatment.com AI Inc.（CSE：TRUE，OTC：TREIF，法兰克福：939）（“Treatment”）很高兴宣布已与SPRYT Limited（“SPRYT”）签署了合作协议。作为两家创新的人工智能医疗组织，SPRYT和Treatment正在探索互补技术协同效应，包括Treatment的专有全球医学图书馆（“GLM”），以构建新的解决方案，旨在减轻患者获取挑战、医疗专业人士的行政开支和医疗系统中的成本效率不足。

根据麦肯锡的数据，在美国每年约4万亿美元的医疗支出中，行政支出约占总支出的四分之一，即每年1万亿美元。Treatment正在与SPRYT合作，SPRYT是一家创新的人工智能医疗技术公司，已推出一款智能AI医疗办公室助手Asa。Asa使患者能够通过即时消息（WhatsApp/iMessage/SMS）预约、更改和支付约会，预测不会出现情况，并提供个性化语言鼓励出席预防性医疗约会。SPRYT已宣布与英国国家医疗服务体系（NHS）合作。SPRYT是第一家获批使用WhatsApp和人工智能进行排班与NHS电子健康记录（EHR）集成的公司。患者可以像与人类MOA一样与Asa进行互动。仅美国因未按时就诊而产生的医疗约会成本估计为每年1500亿美元。SPRYT结合行为科学，并应用生成式人工智能来调整语言和消息以针对特定人群段落，帮助改善公平获取并优化就诊情况，通过预测和减少“不出现情况”。

Treatment的全球医学图书馆（GLM）使医疗专业人员能够捕捉患者的既往病史和通过智能专有算法，制定最可能的诊断并建议应进行的最重要测试/检查。这些信息可以与患者的医疗专业人员实时共享，并且还可以编程帮助更有效地对患者进行分诊。

Treatment和SPRYT打算通过合作伙伴关系在英国、北美和中东等地探索互惠机会，两家公司已经有所进展。该合作还使SPRYT和Treatment能够密切合作测试并开发进一步的新的互相联合商业应用程序和/或解决方案。这种合作的目的是利用人工智能和两家公司各自的技术和平台优势，最终商业化一个或多个解决方案，帮助医疗系统支付者降低成本、简化低效流程，最重要的是为患者和医疗专业人员提供更好的支持和参与。

Treatment.com AI的首席执行官埃萨姆·哈姆扎博士表示：“我们对与SPRYT的这次新合作感到非常兴奋，SPRYT已经在英国站稳脚跟，并在全球（包括中东和美国）取得了进展。这次合作的目的是创建一个人工智能解决方案，不仅可以减少未按时就诊的情况，还可以获取完整的病史并有助于高效分诊患者，全部在他们在家或办公室的舒适环境中。这有望改善患者的获取和结果，减少支付者的成本，并大大减少医疗提供者的行政负担和成本。”

SPRYT的创始人兼首席执行官达拉·多诺霍表示：“我们很高兴能与Treatment.com合作。通过结合我们的AI接待员Asa（作为医疗系统的前门）和Treatment.com可以获取完整的病史并帮助分诊患者的技术，我们可以显著改善患者体验，同时减轻医疗系统的行政负担。当今患者面临复杂和超负荷的医疗部门，这种合作使我们能够利用我们互补的技术来创造一个更可访问、更高效和以患者为中心的医疗生态系统。”

此外，公司宣布，公司已委托美国得克萨斯州的Interactive Media Group（IMG）于2024年9月24日起，进行为期一个月的公司市场意识提升项目，代价为23,000美元。IMG目前不拥有任何与公司或其证券有关的利益，直接或间接均无。
```

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

ScribeAmerica的环境人工智能文档解决方案Speke现在提供动态EHR集成
ScribeAmerica提供了最全面的解决方案来解决提供者的倦怠、提供者短缺和收入完整性问题，并宣布他们的环境人工智能临床文档工具Speke现在可以直接与EHR进行双向集成。{ width=60% }

---

通过将Speke与提供者的原生EHR系统集成，提供者可以进一步减轻其行政负担，并将每日文档时间减少多达50%。集成功能适用于所有行业领先和中端市场的EHR系统，进一步巩固了Speke作为一个真正的与EHR无关的AI解决方案。

ScribeAmerica的集成公告是其Speke AI技术解决方案系列进化的最新成果之一。Speke的环境临床文档服务适用于医疗企业、医疗团体、急诊科和门诊专科诊所，分为Speke Express、Speke Plus和Speke Pro三个服务层次。引入多个Speke层次，加上现有的服务，为利用各种ScribeAmerica服务的客户提供了一个真正定制的解决方案，以更好地满足每个个体提供者的独特需求。Speke Plus和Speke Pro层次可以直接集成到提供者的EHR平台，提供额外的文档工作流支持，并减少因EHR数据输入而产生的医生“睡衣时间”。

ScribeAmerica总裁Tony Andrulonis表示：“Speke专注于最终用户的体验，对EHR集成的需求是每个用户的愿望清单中的重点。Speke平台的演进持续使Speke成为一款对于想要减轻其行政负担、改善倦怠并将焦点重新放在提供优质患者护理的提供者而言不可或缺的工具。”

基于超过3000万次临床接触的经验，ScribeAmerica的解决方案利用公司20年的行业经验，提高了文档质量，改善了提供者的效率，并将重点重新放在患者-提供者关系上。

注意：Title、Date、Body 三个部分的内容，放入到对应的位置。最后只需要输出为Makedown源文件格式内容。

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

Gearset收购Clayton以扩展生态系统最完整解决方案

Gearset，Salesforce DevOps解决方案领导者，今日宣布收购Clayton，一款专为Salesforce设计的尖端代码分析平台。{ width=60% }

---

这次战略性收购是Gearset自快速增长以来的首次收购，该增长受Silversmith Capital Partners的5,500万美元增长投资推动。在此期间，Gearset推出了多款产品和升级，并实现了超过2,500个客户的里程碑 — 是任何其他Salesforce DevOps供应商的四倍。

Clayton在Salesforce DevSecOps方面有独特的方法：在开发过程中及早识别反模式和漏洞，并通过自动代码修正来修复重复问题。Clayton已经帮助发现和纠正了一些全球最大的Salesforce org中的数千个漏洞。

将Clayton的技术整合到Gearset的DevOps套件中将使Salesforce团队能够快速轻松地构建安全且架构良好的应用程序，并强调Gearset致力于提供最佳解决方案，从代码质量到安全部署优化整个DevOps生命周期。

Gearset的CEO Kevin Boyle表示：“今天的Salesforce开发团队需要的不仅仅是速度 — 他们需要在扩展规模时对其代码的质量和安全性有信心。收购Clayton使我们能够直面这个需求，通过提供先进的代码分析工具，简化开发过程并从根本上改善代码质量。Clayton在这一领域的深厚专业知识与我们的使命完全一致，即为团队提供最强大、最可靠的解决方案，确保我们的客户可以专注于为他们的业务创新，而Gearset则负责处理DevOps的繁重工作。”

Clayton的创始人兼CEO Lorenzo Frattini表示：“我们创建Clayton的初衷是出于真正的热情：让团队能够轻松地在Salesforce上编写安全、高质量的业务应用程序。我们很高兴能加入Gearset。他们已经构建了一款备受客户喜爱的DevOps平台。我们可以共同让现代DevSecOps更多的Salesforce团队可及，从而更容易地在规模上构建安全、架构良好的应用程序。”

在短期内，Clayton将继续作为Gearset大家庭中自己的品牌运营，确保现有用户的服务不间断。随着团队和技术的整合进展，客户可以期待一个提供更强大工具套件的统一平台，以推动Salesforce DevOps的成功。

交易的财务条款未披露。

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。