访谈
-

访谈Adam Markowitz,Drata 首席执行官兼联合创始人——访谈系列
Adam Markowitz 是 Drata 的首席执行官兼联合创始人,他正将公司在持续合规与信任方面的工作拓展至人工智能智能体治理领域。2020 年与他人共同创立 Drata 之前,他曾与 Troy Markowitz 和 Daniel Marashlian 一同创立 Portfolium。他在应对安全问卷、审计和合规审查方面的经验,帮助塑造了 Drata 的工作方式:自动化组织证明自身值得信赖的流程。Drata 提供治理、风险与合规平台,整合了自动化证据收集、持续控制监控、第三方风险管理和安全问卷工作流。其人工智能智能体治理能力侧重于发现智能体、在其执行操作前实施政策,并记录决策以便审计。在这次访谈中,Markowitz 谈到了内部智能体威胁、机器身份、工具调用的安全边界,以及企业大规模部署自主智能体所需的控制措施。您此前创立了 Portfolium,之后于 2020 年共同创立 Drata;在此之前,您亲身经历了随着公司规模扩大,安全合规工作会变得多么繁琐。是什么让您确信这是一个值得专门创办一家全新公司的问题?随着人工智能改变安全领域的格局,Drata 的使命又是如何演变的?我与联合创始人 Troy Markowitz...
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人
-

访谈Jim Rowan:Deloitte 美国人工智能负责人——专访系列
Jim Rowan是Deloitte美国人工智能负责人,也是Deloitte Consulting LLP的合伙人,帮助各类组织将人工智能愿景转化为业务成果。他的职业经历涵盖企业技术、分析、数据和数字化转型,并在生命科学、医疗保健和电信领域积累了经验。他曾在Deloitte的战略与分析、人工智能与数据业务部门担任领导职务,工作内容还包括培养组织应用人工智能所需的人才、发展相关能力。Deloitte是一家专业服务机构,提供咨询、审计与鉴证、税务及顾问服务。其人工智能业务汇集战略、数据、技术、人才和治理方面的力量,帮助企业在各项业务中采用并推广人工智能。在数字商务领域,这项工作包括为人工智能代理准备产品信息和企业系统、打通跨渠道的客户体验,以及建立自动化交互与交易所需的身份识别、授权和信任控制机制。您在Deloitte工作了二十多年,涉足企业技术、分析、数据,如今又投身人工智能。从您的视角来看,您何时意识到人工智能代理不仅会改变企业的内部运营方式,还会成为企业与客户之间的中介?过去几年里,我亲眼见证了人工智能的进步,同时也帮助各类组织将业务目标转化为可衡量的成果,而这些成果曾经看似无法想象。我在数据、流程和技术方面的背景,奠定了我对人工智能的理解基础。我开始建设Deloitte相关能力,重点培养成功应用人工智能所需的人才,例如我们的AI Academy,为员工和客户设计课程。当前,各类组织正通过多种方式运用人工智能代理,改变数字商务战略:提升品牌曝光度,利用个性化引擎增强对话体验,并在实体、数字和社交触点之间协调一致的全渠道体验。市场正处于这一转折点,而品牌也在应对动荡的市场环境;这为智能体商务创造了机会,帮助品牌以更快的速度、更高的相关性和更一致的方式回应客户需求。您谈到过企业有必要为“智能体搜索优化”做好准备。您如何定义这一概念?针对人工智能代理进行优化,与传统的SEO或较新的人工智能答案引擎内容优化方法相比,根本区别是什么?传统上,在线争夺消费者注意力主要由搜索引擎优化(SEO)决定,其前提是用户发出查询后,会有人阅读、评估并决定是否购买。随着消费者转而使用人工智能工具开展研究,生成式引擎优化(GEO)应运而生。智能体搜索优化是GEO的进一步发展,它考虑到人工智能不再只是推荐产品或服务,还会参与执行购买决策。这一转变意味着,品牌不仅要针对主要向终端用户提供推荐的生成式人工智能进行优化,还要针对以执行任务为目标的智能体人工智能进行优化;后者能够协调系统、执行工作流程并触发交易。当人工智能代理受命研究、比较并筛选产品或服务时,您预计它最看重哪些信号?结构化产品数据、定价、评价、第三方报道、品牌权威性,还是一套全新的信号,会变得更加重要?人工智能代理会根据曝光度和相关性形成考虑范围,并倾向于选择产品、服务、定价和数据易于获取、可供机器读取且能够即时核实的品牌。跨平台的一致性、评分与评论以及品牌权威性仍然重要,但这些信号也必须转化为代理能够解析的数据。个人情境同样重要:代表客户行事的代理需要可靠地获取其偏好、授权和过往互动信息,才能生成最相关的推荐。除了信号本身,组织能否迅速让数据变得可读、易懂、可信,并能以代理可比较的方式量化,也将成为品牌脱颖而出的关键。一个挑战是,未来可能会出现数以千计的消费者代理和企业代理,它们基于不同模型构建,并连接到不同的数据源。面对这个分散的生态系统,企业如何在不试图针对每个代理分别优化的情况下,确保自身信息得到准确呈现并能被发现?组织应着力打造可信、机器可读的基础,供任何智能体访问和理解,而不是针对某个智能体进行优化。这意味着应通过权威来源发布可验证、可靠且最新的产品、定价和政策信息。仅仅提高可发现性可能还不够,因为智能体将开始代表消费者采取行动,因此也更需要能够验证身份、确认资格并确保交易安全的系统。在如今分散的智能体生态中,哪家品牌能让人们最容易理解和获取其信息,哪家就会在搜索结果中脱颖而出。不过,企业应避免围绕单一协议构建系统,因为这些协议仍处于发展初期,目前还不清楚哪一种会成为主流。因此,随着生态演进,企业应重视互操作性,并确保能够快速采用或切换协议。如果商业模式从企业对消费者(B2C)转向企业对智能体再到企业(B2A2B),技术层面会发生哪些变化?企业是否需要重新设计网站、API、产品目录、身份系统或其他基础设施,以便智能体能够直接与其交互?是的,企业需要重新审视并构想现有系统,构建适当的技术架构,以实现 B2B 智能体商务。这不会一蹴而就;考虑到所需的工作量和变革幅度,这需要时间。如今,产品发现和支付功能的发展速度快于决策环节;企业仍在建立信心,以便允许智能体在既定防护措施范围内做出选择。无论是 CIO、CTO 还是 CISO,工作重点都应是交付可扩展、低延迟的集成平台,并以强大的技术合作伙伴关系和集成商合作关系为支撑。领导者不应全面改造系统,而应花时间确定哪些系统可以连接智能体、找出受阻的系统,并在受控环境中测试简单任务。确保交易仍由人掌控同样重要,因此企业应设计灵活的流程,让客户能够轻松地在智能体主导和人工主导的交互之间切换,而不是为了追求自动化而损害用户体验。随着时间推移,企业可以逐步构建管理多个智能体的平台,升级或连接旧有系统以开放智能体访问,并部署具备实时监控能力的高级安全措施。传统数字营销一直围绕排名、展示量、点击量和网站流量进行深度优化。如果智能体越来越多地在用户访问网站之前完成调研,企业应采用哪些新指标,来判断自己在智能体驱动的购买旅程中是否真正具备可见度和竞争力?过去,成功衡量的重点是吸引消费者的注意力,并最终赢得他们的信任。随着智能体在购买旅程中承担越来越多的工作,企业需要新的方法来衡量自己的品牌是否具有可见度、相关性,并最终被选中。这包括将品牌智能体的开发与绩效衡量联系起来,评估智能体是否会展示该品牌、识别符合条件的优惠,并成功完成交易。品牌应关注自身买家,而不是竞争对手,以确定投资方向或体验改进措施,并追踪客户如何发现产品、在哪些环节离开或继续停留。这些指标不仅有助于品牌凸显自身价值主张,也能通过可量化的成果证明投资回报率,进而强化客户忠诚度和运营卓越性。AI 智能体可以概述一家公司、将其与竞争对手进行比较,并可能提出建议,而公司未必能直接控制自身形象的呈现方式。品牌应如何监控不准确或过时的信息,并建立权威的信息源,供智能体可靠地使用?与其他行业一样,审核产品数据对于维持品牌在各渠道中的智能体可发现性至关重要。品牌还应考虑将 Model Context Protocol (MCP) 作为一项关键推动因素;它能创建一个受控环境,使数据、工具和上下文得以安全地与外部购物智能体和平台共享。将结构化数据与 MCP 结合,可以实现智能体之间的交互、提升互操作性,并帮助准确呈现品牌信息,确保其获得适当优先级。同样,由于相关协议仍处于发展初期,目前还不清楚哪一种会最受欢迎,因此企业应构建灵活的系统,以便随着生态演进,快速接入新标准、在标准之间切换并采用新标准。随着智能体从单纯推荐产品转向采取行动,例如询价、协商条款或进行购买,身份、授权和信任基础设施将变得多么重要?企业如何区分合法的客户智能体与不应信任的自动化系统?智能体之间的商务会带来新的风险,因为交易可能在无人参与的情况下迅速完成;因此,在整个流程中确保人工介入并提供转交机制至关重要。智能体商务交易需要新型防欺诈措施、战略性财务控制,以及专为机器发起的活动设计的定向报告框架。短期内,各组织应像管理员工一样管理其人工智能智能体,明确其职责、管理其访问权限,并明确问责机制。组织还需要制定相关规程,以核实智能体身份的真实性、授权付款,并落实交易限额、API 权限及其他运营防护措施。广告和付费推广也可能随着消费者进入智能体生态系统。当人工智能智能体代表用户推荐产品时,您认为商业激励将如何演变?要让人们信任这些推荐,需要怎样的透明度?资本已经开始流向智能体商务。预计到 2029 年,美国广告商在人工智能搜索广告上的支出将达到约 260 亿美元。随着企业决定是否在智能体环境中兑现通过自有渠道提供的促销优惠和定价,商业激励机制势必也需要随之演变。这一演变的一部分,是明确制定智能体与定价和促销活动互动的规则。如果没有相应的防护措施,智能体可能会根据交易发生时的价格直接下单,从而可能触发非预期的促销和定价档位,并造成利润流失。企业应制定符合全球隐私和数据标准的政策,并确保这些政策符合由人工控制、针对每位客户预先批准的参数。尽管自动化程度不断提高,您仍强调人的判断在购买决策中至关重要。您认为,消费者会放心交由智能体处理的决策,与人们仍希望自行研究、比较并作出最终决定的事项之间,界限会在哪里?这条界限取决于决策的重要性,以及消费者对智能体的信任程度。如果消费者的偏好明确,且选择不当造成的后果较轻,他们或许愿意把日常、低成本的购买交由智能体处理。对于涉及大额支出、敏感信息或合同承诺的决策,消费者很可能希望获得更充分的信息,并保留最终审批权。减少交易过程中的阻碍后,消费者会更加信任品牌;因此,品牌应让消费者容易了解交易进展,并相信交易会按预期安全完成。品牌还应让消费者明确掌控智能体可以独立执行哪些操作、何时必须征求许可,以及查看或撤销其操作有多容易。感谢您接受这次精彩的采访。希望进一步了解智能体商务、人工智能驱动的可发现性,以及自动化购买背后信任基础设施的读者,可以访问Deloitte。
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人
-

访谈Olga Beregovaya,Smartling 人工智能副总裁——访谈系列
Olga Beregovaya是 Smartling 的人工智能副总裁,负责制定涵盖翻译、数据、质量和安全的人工智能战略。自 1997 年以来,她一直从事自然语言处理工作,涉足基于规则的系统、统计模型、神经网络和大型语言模型。加入 Smartling 之前,她曾担任 Welocalize 的人工智能创新副总裁,以及 PROMT Americas 的首席执行官。Smartling提供面向企业的翻译与本地化软件和服务,将人工智能和机器翻译与人类专业知识相结合。其平台支持网站、应用程序、营销内容、文档和多媒体的多语言工作流程,并可使用 20 多种大型语言模型和机器翻译引擎。在本次访谈中,Beregovaya 谈到了多语言人工智能鸿沟、翻译质量、模型选择,以及自动化本地化中人工监督的作用。这段经历如何影响了你对人工智能在语言领域所扮演角色的看法?是什么促使你在 Smartling 负责人工智能战略?我研究过语言的结构以及语系的运作方式。这让我明白,翻译关乎结构和含义,而不是逐字替换。我对人工智能也抱有同样的看法。我从 1997 年开始从事自然语言处理工作,那时的系统建立在人工编写的规则之上。此后,我一路经历了统计模型、神经网络,以及如今的大型语言模型。每一种方法都解决了一些问题,同时也带来了其他问题。我不认为任何一种模型就是答案。我加入 Smartling,是因为它从一开始就是为翻译各种企业内容而打造的,涵盖网站和应用程序,也包括法律文件、营销内容和视频。我最初担任机器翻译副总裁,但职责很快就从翻译扩展到提示词、数据、质量和安全。因此,我的职位后来改为人工智能副总裁。这种鸿沟在实际中是什么样的?随着生成式人工智能成为主要交互界面,它为何可能变得更加重要?过去,这种鸿沟很简单:人工智能系统要么支持你的语言,要么不支持。如今,这个问题基本上已经解决,但鸿沟的形态发生了变化。现在,关键在于模型的训练数据对该语言、使用者及其文化的呈现有多充分。大多数模型的训练数据都是英语,因此也带有英语使用者的思维定式。翻译即使在技术上准确无误,仍可能把英语使用者的视角强加给另一种语言。人工智能正成为人们与银行、医生、学校及其他基本服务互动的方式。如果人工智能能很好地处理某种语言,使用这种语言的人就会占据优势;如果处理得不好,他们就会处于劣势。最让你意外的是什么?尽管瑞典语的使用者远少于印地语,为何瑞典语的表现却更好?使用者人数竟然是衡量翻译质量的一个很不可靠的指标。使用者约有 1000 万的瑞典语取得了一些最佳结果;使用者约有 6 亿的印地语则属于表现最弱的语言之列,爱沙尼亚语和泰语也是如此。语言结构和数据质量的影响要大得多。瑞典语的语法相对简单,而且拥有大量干净的训练数据。爱沙尼亚语会不断改变词尾来表达含义,这增加了人工智能处理语言的复杂度。印地语有数亿使用者,但与其使用者人数相比,高质量、多样化的训练数据远比人们预期的少。另一个意外是,不同实验室取得的进展并不一致。起步较弱的语言通常会在新一代模型中取得最大进步,但这种趋势并非总是成立。除了训练数据的数量,还有哪些因素对模型表现影响最大?分词是影响最大的因素之一。分词指的是模型在处理文本前将其拆分成片段的方式,这对不使用拉丁字母的语言尤其重要。分词效果不佳,会限制后续所有环节的表现。语言结构也很重要。词尾变化复杂的语言可能更难由模型处理。比如,德语会把多个词组合在一起,形成长达 40...
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人
-
访谈联想北美中小企业业务总经理 Matt Meyers——访谈系列
Matt Meyers是联想北美中小企业业务总经理,负责协助中小企业应对 AI 应用、网络安全以及现代 IT 运营带来的种种挑战。他在联想工作了十多年,曾负责全球客户、服务与软件、数字化办公解决方案及商业领导工作。这段职业历程让他专注于帮助规模较小的企业获得能力强、安全可靠且符合其预算和精简 IT 团队需求的技术。在他看来,技术应带来切实的业务成果:找出实用的 AI 应用,让设备和服务满足员工需求,并在扩大投资之前衡量技术投资的价值。Lenovo是一家全球性科技公司,业务涵盖个人计算、基础设施、软件、解决方案和服务。其面向企业的产品和服务包括搭载 AI 的 PC、数字化办公解决方案、ThinkShield 安全防护,以及基于订阅模式的 TruScale 服务。对于中小企业而言,这些能力将设备、支持服务、安全防护和生命周期管理整合起来,有助于简化技术运营。随着 AI 日益融入日常业务应用和工作流程,Lenovo 正在设备、边缘和云端环境中开发解决方案,为企业部署和管理技术提供多种选择。您在联想工作了十多年,历经全球客户、服务与软件、数字化办公解决方案、商业领导等岗位,如今负责北美中小企业业务。这段职业历程如何改变了您对中小企业与大型企业所面临技术挑战的看法?在联想职业生涯的各个阶段,我发现,无论企业规模大小,面临的根本技术挑战都惊人地相似。每家企业都在努力提高生产力、加强安全防护、控制成本,并思考如何利用 AI 等创新技术创造竞争优势。中小企业与大型企业的差异在于资源。大型企业通常设有专门团队,负责安全、基础设施、采购、AI 和数字化转型。在许多中小企业,这些职责可能落在少数几个人身上,甚至由一个人独自承担。因此,几乎没有余地应对复杂情况或失误。这让我认识到,中小企业需要的不是缩小版的企业级技术,而是根据其实际运营情况设计的解决方案。技术必须安全、易于部署和管理,并能迅速创造价值。如果能做到这一点,技术就会成为推动增长的助力,而不是又一项争夺时间和精力的运营负担。对于 IT 团队规模小、预算有限的中小企业来说,采用 AI 可能让人不知从何着手。在开始认真投资...
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人
-
访谈Adit Abraham,Reducto 联合创始人兼首席执行官——专访
Adit Abraham是 Reducto 的联合创始人兼首席执行官,专注于将复杂的企业文档转化为可靠的数据,供 AI 应用使用。在与 MIT 校友 Raunak Chowdhuri 共同创办公司之前,他曾在 MIT 学习计算机科学,在 MIT 媒体实验室从事机器学习研究,并在 Google 担任产品经理,负责广告和搜索业务。Reducto 源于两位创始人为大语言模型开发记忆工具的尝试;当时,不可靠的文档摄取成了反复遇到的障碍。Abraham 与早期客户的直接合作,帮助公司确定了对准确性、安全性、部署灵活性以及生产环境中可预测性能的重视。Reducto开发文档智能基础设施,帮助 AI 团队将 PDF、扫描件、电子表格及其他文件转换为结构化且可用的信息。其平台结合光学字符识别、计算机视觉和视觉语言模型,用于解读文本、表格、图表、格式和复杂的页面布局。除了文档解析,平台还提供结构化信息提取、文档拆分、分类和编辑工具,并通过引用将提取的信息与其来源关联起来。其客户包括 Harvey、Scale AI、Vanta、Mercor 和 Rogo。该公司的业务涵盖金融、医疗保健和法律等领域的检索增强生成、搜索及文档工作流;在这些领域,准确摄取信息并提供可追溯的结果至关重要。你和...
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人
-
访谈Will Bodewes,Phonely 联合创始人兼首席执行官——访谈系列
Will Bodewes是 Phonely 的联合创始人兼首席执行官。Phonely 是一家语音人工智能公司,致力于帮助企业接听来电,并提升客户对话的成效。在创办公司之前,他曾在墨尔本大学攻读博士学位,研究应用人工智能,以及能够在自然交流的同时遵循指令的系统。他此前创办过一家音频技术初创公司,也曾参加 NCAA 越野滑雪比赛和超耐力自行车赛事。在 Phonely,他将自己的研究背景用于解决语音智能体部署中的实际挑战,包括对话可靠性、延迟、集成,以及持续优化预约、销售和客户服务流程。Phonely是一个人工智能语音智能体平台,可帮助企业自动处理电话对话、安排预约、筛选潜在客户、转接电话,并将客户互动与现有软件连接起来。该平台的工具将可定制的对话流程与通话记录、分析功能和 A/B 测试结合起来,让团队能够衡量表现并持续改进效果。这家公司服务的机构涵盖小型企业和大型企业,并表示目前为超过 10,000 家企业提供支持,每天处理超过 120,000 通电话。Phonely 还在开发自己的对话模型,包括 Alma,致力于让自动化电话更快捷、更可靠,也更适合真实商业场景中的对话。你在墨尔本大学攻读人工智能博士学位期间开始打造 Phonely,早期重点是开发能够像机器人一样遵循指令、同时又能像人一样自然交流的系统。是什么让你确信,语音人工智能已经发展到足以支撑一家独立公司的阶段?你在市场上看到了什么,而其他人却没有注意到?当时,没有证据表明语音人工智能能够支撑一家独立公司。当时有几家公司正在开发这类技术,各自大约有 5 名或 10 名用户,但还没有人成功部署过非交互式语音应答系统(IVR)的语音人工智能。因此,我们创办 Phonely时,其实是在冒险。当时,所有人的关注点都在聊天上,所以语音是一种新的媒介。这个问题尚未得到解决,于是我们想:“为什么不试着攻克它?为什么不试着解决它?”你的博士研究最初旨在创造一种能够“像机器人一样遵循指令、像人一样交谈”的人工智能。哪些技术突破让你意识到,这项研究可以成为商业语音人工智能平台的基础?这项研究很有价值,也很重要,有助于理解相关技术的基本原理。它让我能够预判技术发展趋势,了解研发管线中即将出现的成果。我对这些模型是什么、如何运作有深入的技术理解,这让我有能力做出押注。具体来说,我想创办一家公司并产生影响,而这个领域与我所了解的内容以及我预见的发展方向最为相关。我想参与其中。你曾把每一通电话都比作一个漏斗,而企业过去一直无法对其进行系统性优化。优化电话对话具体是什么样的?人工智能又如何随着时间推移改善转化率、问题解决率或客户体验?比如说,你要预约一位水管工。接电话的人受过培训,会收集你的信息并安排预约,但根据他们提问的方式,他们也可能告诉你一些你原本不知道属于这项业务服务范围的内容。于是,你可能只是为管道问题预约上门服务,后来却发现水槽也需要维修。经过充分训练的语音人工智能智能体也能做到这一点,帮助企业向客户追加销售,从而增加收入。它还可以向客户推荐新接待员未受过培训、无法介绍的产品,并在订单中增加一个服务项目,让客户更满意,也为企业带来更好的经营成果。简单的 ChatGPT 语音功能并不懂得如何做到这些。你需要的是专门为此打造并经过相应训练的产品。除此之外,人可能会漏接电话、接听不及时,或者把电话转到语音信箱。这会严重打击美国的小型企业。它们没有专人接听电话,服务质量也不稳定,更没有办法对其进行优化。有了人工智能,如果通话没有达到企业预期的结果,我们就能利用已有数据进行优化。人工智能速度快,我们可以据此调整对话;如果由人来处理,就不可能这么快完成。现在,大家关注人工智能,往往是为了节省成本。但我们认为,人们应该把人工智能视为推动增长的工具。企业实际上可以通过采用人工智能实现增长,从而比以往表现得更好。语音人工智能必须解决一些文本人工智能往往可以避开的挑战,包括延迟、打断、口音、背景噪声、情绪信号和难以预测的对话。在这些问题中,哪一个最难在企业级规模下可靠地解决?延迟是最大的问题。我们现在已经解决了这个问题,但在早期,这件事让我们头疼不已,原因有两个。首先,我们是在一些自身并不可靠的初创公司所提供的基础之上构建平台的。发往 OpenAI 的...
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人
-

访谈Nati Hazut,Bold Security 首席执行官兼联合创始人——专访系列
Nati Hazut是 Bold Security 的首席执行官兼联合创始人。他此前共同创立了 SAM Seamless Network 和 Polyrize,在联网设备安全、身份管理、云权限管理和数据保护领域积累了经验。他在 Bold 的工作将这些经验用于保障员工、AI 智能体与企业敏感数据之间交互的安全。Bold Security开发终端数据保护技术,利用直接在设备上运行的小型语言模型对敏感信息进行分类,并了解这些信息的使用方式。其平台为安全团队提供多种控制手段,可指导用户、重定向活动,或阻止浏览器、桌面应用程序和 AI 智能体中的风险操作。在本次采访中,Hazut 谈到了影子 AI、设备端智能、自主智能体,以及企业数据安全边界的变化。你此前共同创立了 SAM Seamless Network 和 Polyrize,后来又与 Hadar Krasner 和...
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人
-
访谈Denise Muyco,RAVEL 联合创始人兼首席执行官——专访系列
Denise Muyco是 RAVEL 的联合创始人兼首席执行官,负责领导复杂计算与 AI 基础设施编排软件的开发。她受过工程师专业训练,职业生涯横跨电力基础设施、流程优化、数字媒体、数据中心和虚拟摄影棚。在投身 AI 领域之前,她曾帮助温哥华视觉特效行业建设共享的高性能计算基础设施,让约 30 家工作室能够使用算力并获得安全连接。这段经历塑造了她协调昂贵且受限资源的方式。在 RAVEL,她运用系统工程视角,应对工作负载调度、基础设施利用率、互操作性,以及分布式和主权 AI 环境日益增长的需求。RAVEL开发软件,帮助各类组织在云端、本地及混合基础设施中部署、管理和扩展计算与 AI 工作负载。其产品包括面向高性能虚拟工作站的 RAVEL Orchestrate、用于工作负载自动化与优化的 RAVEL Orchestrate AI,以及用于软件许可管理和遥测的 Boost。公司的工具将基础设施、应用程序、虚拟化和安全连接起来,同时提供集中式控制和运营可视性。RAVEL 的服务对象包括数据中心、服务提供商、企业 IT 团队、AI 研究团队和创意工作室。依托数字内容创作领域的根基,公司致力于简化复杂环境,帮助团队更有效地利用现有基础设施。你在工程、媒体基础设施和分布式计算交汇的领域工作多年后创立了 RAVEL。最终是什么促使你创办这家公司?随着生成式...
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人
-

访谈Max Arshavasky,Zenno Astronautics 联合创始人兼首席执行官——访谈系列
Max Arshavsky 是一位企业家兼工程师,担任 Zenno Astronautics 联合创始人兼首席执行官,专注于开发用于太空的超导技术。他于 2017 年创立 Zenno,当时正在奥克兰大学攻读工程专业。公司后来凭借赢得该校的 Velocity $100K Challenge,开始崭露头角。在他的领导下,Zenno 从早期研究构想发展到在轨演示超导技术,并与 Mitsubishi Electric 等大型航空航天和科技机构建立了合作关系。Arshavsky 更宏大的愿景,是打造可扩展的基础设施,让航天器和未来的太空产业减少对燃料及其他地球供应资源的依赖。Zenno Astronautics 是一家总部位于新西兰的太空科技公司,正在开发以超导磁系统为核心的电磁平台。其技术旨在应用于无需燃料的航天器定位与姿态控制、电磁加速,以及最终实现辐射屏蔽和其他维持太空持续活动所需的基础设施。公司的旗舰产品 Z01 Supertorquer 利用可控磁场与地球磁场相互作用,在不消耗推进剂的情况下调整卫星姿态;Zenno 也已成功在轨运行超导技术。目前,公司正迈向商业化,并推动其技术更广泛地融入实际应用,其中包括与 Mitsubishi Electric 合作,评估并模拟...
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人
-
访谈Ayush Sharma,Warp 创始人兼首席执行官——专访
Ayush Sharma是 Warp 的创始人兼首席执行官。他于 2023 年创立 Warp,此前曾亲身经历在美国多个州和不同国家管理薪资事务的复杂性。他在印度一座小镇长大,后就读于 MIT,学习计算机科学和物理学。他的硕士研究聚焦于缓解分布式机器学习训练中运行缓慢的环节,探索当个别机器落后时,大规模系统如何更高效地运行。Warp 入选 Y Combinator 2023 年冬季批次,最初专注于薪资税务合规。Sharma 的理念强调由 AI 智能体执行完整工作流程,并从一开始就将权限设置、人工审批和可审计性纳入其中。Warp是一款原生 AI 员工管理平台,围绕统一的员工档案整合薪资、人力资源、税务合规、福利和 IT。该平台利用智能体处理州税登记、薪资核查、税务通知处理、福利登记和员工入职等任务。企业可以针对每项工作流程分别设置自主程度,决定智能体是提出行动建议、等待审批,还是自行采取行动。智能体的活动会被记录下来以供审查;需要人工介入的任务则可转交给企业管理员或 Warp 专家处理。Warp 还支持为员工开通设备和账户、向全球承包商付款,并提供专属客户管理和福利支持。你从印度小镇一路成长,在 MIT 学习计算机科学和物理学,之后又在 Yelp 从事机器学习基础设施工作,这样的经历相当与众不同。最终是什么促使你在...
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人
-

访谈Andrej Jonovic,XBP Global 首席执行官——访谈系列
Andrej Jonovic是 XBP Global 的首席执行官。XBP Global 是一家跨国科技与服务公司,专注于关键任务型企业工作流。XBP Global正将智能体 AI 应用于医疗保健、公共部门和金融服务等受监管领域;在这些领域,精准性、安全性、数据主权和可审计性至关重要。在本次访谈中,Jonovic 谈到了自适应流程编排、开放权重模型、智能文档处理、人工裁定,以及如何将 AI 从一项技术能力转化为可衡量的运营成果。您最初是一名交易律师,之后转向并购和企业转型,最终开始领导 XBP Global。这段经历如何影响您评估人工智能在关键任务型工作流中的部署所涉及的治理、商业风险和组织影响?我通常会先从运营模式的角度看待 AI。从事交易和转型工作,会让人习惯于追问:越过演示环节、真正开始执行之后,整个架构是否依然稳固。这一点对 AI 尤为重要,因为模型即使单独运行时表现出色,也仍可能导致糟糕的运营结果。在医疗保健、公共部门和银行业,处理精准度、法规合规性和可审计性都不容妥协。你必须了解数据存放在哪里、系统获准执行哪些操作、决策如何受到管控,以及工作流在大规模运行时的成本结构如何。治理必须融入这一架构的设计之中。我希望了解模型运行在哪里、哪些信息会跨越企业边界、哪些内容会记录在审计轨迹中,以及当工作流遇到需要更高控制级别的决策时会发生什么。这大概是我的背景影响最大之处。我通常不太关心这项技术在受控演示中能做到什么。我想知道的是,能否将它部署到关键任务流程中,并可靠地加以使用。XBP Global 将智能体 AI 描述为超越传统规则式自动化和机器人流程自动化的一种演进。当工作流从遵循预设指令转向使用能够推理、决策并协调多项任务的 AI 智能体时,技术层面会发生哪些变化?架构会变得更加自适应。传统工作流自动化是确定性的。系统依据既定规则运行,你知道下一步会发生什么;随着流程变得愈加复杂,还需要硬编码更多逻辑。这种方式非常适合可预测的工作。难点在于,规则数量变得极其庞大,或者流程变化速度快于系统重建速度。我们现在采用的是自适应流程编排。在精准性和合规性要求较高的环节,可以保留确定性规则引擎;然后在推理能够创造价值的工作流环节引入智能模型。智能体可以协调任务、访问信息并选择下一步操作,而不必有人为流程可能经过的每一条路径都编写硬编码逻辑。另一项变化是,底层模型变得更容易替换。我们看到,企业级开放权重模型正在迅速进步。如果流水线设计得当,随着生态系统发展,你可以接入更强大的模型,而不必围绕新模型重建整个运营流程。因此,我认为,工作流本身正日益成为重要的技术资产:包括编排、领域知识、控制措施,以及围绕模型的数据。许多公司都在试用 AI,却难以从试点走向生产部署。阻碍企业大规模部署智能体工作流的最常见架构或组织障碍是什么? 客户正在走出试验阶段。他们看过演示,也听过非常激进的投资回报率承诺。总得有人把这项技术放进真实流程中,让它真正发挥作用。这时,架构问题就变得棘手。生产工作流必须与公司现有环境相连接。敏感信息可能需要留在私有云或本地部署环境中。还必须能够访问现有系统,并满足监管要求。此外,相关经济效益也必须经得起企业级规模的检验。我们最近赢得了一项有关某全球航空公司机队维修生命周期的项目。每项维修记录都会经过向量化处理,并存储在客户私有云中的私有向量数据库里。智能体基础设施负责管理对这些信息的访问,并支持在飞机租约到期或飞机出售时还原相关记录。这与证明模型能够回答有关飞机记录的问题截然不同。你面对的是一整套运营环境,其中既有数据控制要求,也有必须反复稳定运行的流程。从组织层面来看,差距通常在于责任归属。必须有人深入了解这一流程,才能明确生产环境中的实际要求。缺乏这种运营纪律,试点项目可能长期看起来令人印象深刻,却始终无法真正发挥作用。XBP Global...
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人
-

访谈Deepak Kinger,EvoluteIQ 首席战略官兼联合创始人——访谈系列
Deepak Kinger是一位经验丰富的技术与商业领袖,在企业转型、金融服务、自动化和人工智能领域拥有逾二十年的经验。在 EvoluteIQ,他协助制定公司整体战略,同时负责领导重要的技术联盟、解决方案合作、市场营销及分析师关系。在 2019 年共同创立 EvoluteIQ 之前,Kinger 曾在 GALE Partners、Virtusa、Sapient、Headstrong、Wipro 和 Mphasis 担任高级领导职务,职责涵盖管理亚太地区的金融服务业务、为企业高管提供数字化转型建议、开拓新的业务线,以及领导大型技术项目。他的经验涉及战略、业务拓展、客户关系管理、P&L 管理、运营,以及人工智能、机器学习、机器人流程自动化、区块链和数据科学等新兴技术。EvoluteIQ是一家企业级人工智能与智能自动化公司,致力于帮助各类组织实现复杂端到端业务流程的自动化与编排。其 EIQ Platform 在低代码/无代码环境中整合了智能体式人工智能、生成式人工智能、流程与决策自动化、智能 RPA、事件处理、数据织网、分析、企业连接器以及多渠道应用开发。该平台旨在帮助企业连接现有系统,构建和部署人工智能智能体及自动化工作流,监控结果,并在客户体验、财务、运营、销售和供应链管理等领域扩大自动化规模。EvoluteIQ 成立于 2019 年,之后通过 AI Workbench 和 Agentic Mesh...
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人
-

访谈Alon Noy,Astelia 首席执行官兼联合创始人——访谈系列
Alon Noy是网络安全领域的领军人物,担任 Astelia 首席执行官兼联合创始人,拥有超过 15 年的进攻性与防御性安全经验。他曾在以色列 8200 部队服役,之后领导以色列国家网络安全红队,工作内容包括对关键基础设施进行压力测试,并与安全团队合作,识别和应对现实中的攻击路径。Noy 还曾管理大型研发机构,毕业于以色列 Talpiot 项目,并获得特拉维夫大学计算机科学硕士学位。他从攻击者和防御者两个角度积累的经验,帮助塑造了 Astelia 的方法:判断哪些漏洞在组织环境中确实可达且可被利用。Astelia是一家以 AI 为核心的网络安全公司,专注于暴露面与漏洞管理。公司由以色列国家红队的资深成员和前任领导者创立,运用 AI 和针对特定网络的分析,判断哪些漏洞构成真正的攻击路径,而不是主要依赖通用严重性评分。其平台通过只读集成绘制组织的环境图谱,结合网络拓扑分析漏洞利用所需条件,并帮助安全团队优先处理已证实可达的漏洞,同时识别修复方案,例如打补丁、调整配置、进行网络分段或采用补偿性控制措施。公司的更广泛目标是帮助企业减少需要调查的漏洞告警数量,并将资源集中用于攻击者确实可能利用的暴露风险。在创立 Astelia 之前,您在以色列国家安全领域工作了十多年,其中包括在 8200 部队服役,以及领导以色列国家网络安全红队;在红队期间,您的任务是像攻击者一样思考和行动。这些经历让您对复杂攻击的实际发生方式有何认识?网络安全市场上的哪一项缺口最终促使您与他人共同创立 Astelia?十多年来,我的工作本质上就是设身处地地像试图闯入的人那样思考,而不是像试图阻止他们闯入的人那样思考。这段经历最明确的教训是,复杂攻击几乎从来不是由一道惊人的防线漏洞造成的。它们通常是两三件单独看来没人觉得重要的小事:一个从未停用的账户、一部分本应隔离却没有隔离的网络、一个权限范围超出实际需要的权限,诸如此类。我领导国家红队时,花在了解目标网络实际运作方式上的时间,远远多于构建漏洞利用程序本身的时间。一旦摸清了攻击路径,利用这些路径几乎就成了最容易的部分。转到防御一方后,我开始注意到一个规律:人们列出了一长串“严重”漏洞,却没有可靠的方法判断攻击者究竟能触及其中哪些漏洞。Astelia 旨在弥合这一缺口:我们把可达性分析——也就是攻击者用来寻找入侵路径的过程——应用于防御工作。Astelia 通过绘制组织实际的网络拓扑,并运用智能体式 AI 判断哪些漏洞确实可达且可被利用,从而采取了不同的漏洞管理方式。这一方法在实践中如何运作?您为何认为传统的漏洞评分往往会让防御者错误地安排优先级?我们通过只读集成绘制组织实际的网络,了解各个系统真正如何互联,以及现有网络控制措施已经在哪些地方阻碍攻击者。掌握这一情况后,AI...
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人
-

访谈Michael Heinrich:0G 联合创始人兼首席执行官|专访系列
Michael Heinrich 是一位连续创业者、投资人和科技高管,专注于为人工智能构建去中心化基础设施。他在 0G 负责推进基础设施的开发,致力于让 AI 更开放、可验证且易于获取。Heinrich 还担任 ZeroStack Corp. 执行董事长,并在 Stanford University 担任讲师和导师超过十年,参与涵盖创业、风险投资和创新的各类项目。他同时是 Pioneer Fund 的风险合伙人和天使投资人,投资的公司和项目包括 Stripe、Anthropic、Brex、Notion、Filecoin、Worldcoin、Uniswap、Shield AI 和 Binance。此前,Heinrich 创办了职场健康公司 Garten(前身为 Oh My Green),并曾在...
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人
-

访谈Gintare Rimolaityte,Trendos 首席执行官兼联合创始人——访谈系列
Gintare Rimolaityte 是 Trendos 的首席执行官兼联合创始人。这家人工智能搜索可见度平台帮助品牌了解并优化自己在大语言模型(LLM)中的呈现方式。她于 2020 年在 Oxylabs 积累了早期经验,先担任业务拓展经理,后任商务负责人,领导其中一个业务部门的销售、业务拓展、客户管理和客户成功团队。2022 年至 2025 年,她担任用户互动平台 JumpTask 的首席执行官。在 2026 年联合创立 Trendos 之前,她曾短暂担任 Adment 的产品经理,专注于付费搜索和联盟营销计划中的联盟欺诈防范。作为 Trendos 的首席执行官,Gintare 管理多个团队,并负责公司的战略增长。她在维尔纽斯生活和工作。Trendos 是一个人工智能搜索可见度平台,帮助品牌监测、衡量并优化自己在大语言模型和人工智能搜索引擎中的呈现方式。从 Google 搜索转向对话式人工智能后,推荐过程对品牌而言几乎变得不可见;Trendos...
作者 Antoine Tardif, Unite.AI 首席执行官兼创始人