标签: AI企业服务

  • 法拉利找IBM搞了个AI粉丝助手,F1比赛数据秒变故事

    一级方程式赛车本来就是项数据密集到夸张的运动——每场比赛,赛车每秒钟产生几百万个数据点,车手每一次刹车、每一个弯道的选择,全都被记录得清清楚楚。但问题是,普通粉丝哪看得懂这些原始数据?这就是IBM和法拉利搞合作的出发点:用AI把那些冷冰冰的数字,变成粉丝能看懂、愿意看的故事。

    法拉利的粉丝App,以前是个”查完赛程就走”的地方

    IBM的体育与娱乐合作副总裁Kameryn Stanhouse说,选法拉利是因为”他们是历史上赢最多的车队”。但合作的核心不在奖杯数量,而在粉丝互动。以前法拉利的官方App基本上就是个赛程表加新闻聚合,粉丝查完比赛时间就关掉了。IBM接手之后,这个App的面貌完全变了。

    新版本里有AI自动生成的赛事总结、车手和车队的幕后故事、预测游戏、还有个AI助手可以回答粉丝提出的各种问题。最基础但最实用的一点是,App终于支持意大利语了——想想也有意思,一个意大利车队,粉丝一大半是意大利人,官方App居然一直没意大利语版本,直到IBM进来才搞定。

    Ferrari F1赛车与IBM AI技术
    IBM与法拉利HP合作,用AI提升F1粉丝体验,图片来源:TechCrunch

    “让每个粉丝觉得我们在了解他们”

    法拉利新设了一个叫”粉丝发展负责人”的岗位,由Stefano Pallard担任。他的话说得很直白:挑战不在于触达粉丝,而在于”让每一个粉丝觉得我们在了解他们”。AI在这里的作用,就是分析粉丝在App里的各种行为信号——哪些内容被读得最多、粉丝发来的消息情绪是什么样的,然后用这些洞察去调整内容策略。

    IBM入驻之后,法拉利App在比赛周末的用户参与度提升了62%。对于一个此前几乎没人愿意多停留一分钟的App来说,这个数字相当亮眼。

    F1这几年的粉丝结构也在发生变化。联盟去年公布的数据有个很有意思的点:75%的新粉丝是女性,而且很多是Z世代。吸引她们入坑的一个重要渠道是F1学院——一个专门培养女性车手的赛事系列。这些新粉丝和老粉丝一样,想要更多的数据、更多的内幕、更多的互动功能。法拉利希望通过AI,在未来五年里让每个粉丝都觉得这个App是为自己量身定做的——不管你已经追随车队30年,还是才加入30天。

    不只是法拉利在这么干

    F1圈子里,McLaren和Williams也在搞独立的粉丝App,不单纯依赖社交媒体或者F1官方的平台。这说明车队们开始意识到:粉丝是有价值的资产,不能只放在别人家的平台上。IBM这几年在体育圈的布局也挺激进,除了法拉利,他们还跟Masters、Wimbledon这些赛事有合作,玩法都是类似的:用企业级AI帮体育联盟把粉丝体验这件事做得更深。

    说到底,法拉利和IBM这个合作最有意思的地方在于:它展示了一个很多行业都能复用的思路——你有大量数据,用户也想了解更多,但中间缺一座桥。AI现在能充当这座桥,而且比以前的个性化推荐引擎要灵活得多。接下来的问题是,法拉利的这套打法,其他车队会不会跟进?如果大家都开始认真经营自己的粉丝App,F1的数字生态可能会发生一次挺大的重构。

  • Anthropic牵手印度IT巨头TCS,AI企业落地的渠道战打响了





    Anthropic牵手印度IT巨头TCS,AI企业落地的渠道战打响了


    Anthropic牵手印度IT巨头TCS,AI企业落地的渠道战打响了

    Anthropic与TCS合作
    Anthropic与印度IT巨头TCS达成合作,加速企业AI部署(图源:TechCrunch)

    AI公司的模型做得再强,最终还是得落到企业客户手里才算数。最近Anthropic搞定了一个大合作伙伴——印度IT服务巨头塔塔咨询服务公司,也就是大家常说的TCS。

    这个合作的分量不轻。TCS在印度IT服务业里是头部玩家,员工规模超过50万人,客户遍布全球。通过这次合作,TCS会成立专门的事业部门,负责把Anthropic的AI模型部署到自己的客户那里去。与此同时,TCS的员工也能用上Claude AI助手,算是内外一起推。

    不只是卖模型,而是一起做方案

    两家公司说,他们会联手给金融、医疗、电信、航空这些行业做定制化的AI解决方案。这不是简单地把Claude的接口卖给企业就完事了,而是要结合TCS对这些行业的理解,把模型”包装”成能实际用的东西。

    有几个具体的落地场景已经公布了。TCS旗下有个英国人寿和养老金业务叫Diligenta,客户超过2200万,他们打算用Claude来优化客户服务、把一些流程自动化。再说TCS有个数字学习平台叫TCS iON,后面会推出基于Anthropic模型的培训和认证项目——这个挺关键的,等于是在培养会用Claude的人才。

    TCS还会给Claude Code的生态贡献一些行业专用的工具,比如理赔裁定、贷款咨询这些场景的能力模块。

    TCS的员工规模超过50万人,这次合作等于给Anthropic打开了一个巨大的企业分发渠道。而对TCS来说,把AI能力绑到自己服务里,也是在向客户证明自己没有被AI浪潮甩下。

    印度AI渠道争夺战

    其实现在AI公司和印度IT服务企业的合作已经挺密集了。今年早些时候,Anthropic已经和印孚瑟斯(Infosys)达成了合作;OpenAI也没闲着,先后和印孚瑟斯、HCLTech签了类似的协议。大家都在抢印度这块”企业AI落地”的跳板。

    为什么是印度?因为印度的IT服务公司手里握着全球大量企业的IT外包合同,通过这些公司去触达企业客户,比AI公司自己一家家去敲门店效率要高得多。这本质上是在争夺企业AI的”渠道入口”。

    TCS自己的压力也不小

    这个合作背后还有一个值得玩味的背景:印度的IT服务行业今年日子不太好过。AI能力的快速提升,让不少人开始质疑这个行业存在的必要性——既然AI能写代码、能处理客户咨询,为什么还要外包给印度的工程师?

    资本市场的反应很直接:今年到目前为止,TCS的股价跌了大概34%,印孚瑟斯也跌了约31%。在这种压力下,和头部AI公司合作、证明自己能”AI化”而不是被AI取代,对TCS来说是一种自救。

    Anthropic这边呢,印度已经被它列为第二大市场。过去一年里,它在印度开了办公室、招了本地团队,和头部IT企业的合作也在不断扩展。这次和TCS联手,算是把印度企业渠道的布局又推进了一步。


    回过头看,这件事其实反映了一个趋势:AI公司的竞争,已经从”谁的模型更强”慢慢转向”谁能真正把模型用起来”。有了好的模型只是第一步,能不能通过合适的渠道触达企业、能不能把模型的能力嵌进实际业务流程里,这些才是接下来决定胜负的关键。Anthropic拉上TCS,OpenAI拉上Infosys和HCLTech,大家都在押注同一条路。


  • 华纳音乐买下一家AI公司,专门用来盯紧谁的歌被AI偷了

    华纳音乐集团(WMG)本周宣布收购 AI 溯源初创公司 Sureel AI。这家公司的核心技术挺有意思:给歌曲做一套「AI DNA」,拆成组件,追踪这些元素在 AI 训练和使用过程中去了哪里。

    简单说,Sureel 做的事情就是回答一个问题:当 AI 生成一首歌的时候,它到底「参考」了哪些艺人的作品?这些艺人能不能分到钱?

    「版权所有者理应知道 AI 如何使用他们的作品,并公平分享由此创造的价值。Sureel 的创建就是为了将这一可能变为现实。」—— Sureel 创始人兼 CEO Tamay Aykut

    不只是追踪,还能审计

    Sureel 成立于 2022 年,它的技术不止是「看看谁用了你的歌」这么简单。它提供的是一套完整的审计和合规报告系统:哪些 AI 模型用了这些素材、用到了什么程度、有没有包含在训练集里,都可以溯源。

    更细分的功能是一个叫 NIL(Name, Image, Likeness)溯源套件的工具,专门追踪艺人的声音、肖像和表演身份在 AI 训练里被怎么用——包括声音克隆、AI 生成的虚拟形象,以及风格复制。

    华纳音乐收购 Sureel 之后,后者会继续作为独立平台运营,不只服务华纳,还面向更广泛的音乐和 AI 生态系统。这个安排很聪明:如果 Sureel 只帮华纳一家,那它的溯源数据就不够全面;只有保持独立,才能建立一个行业级的追踪标准。

    华纳音乐集团标志
    华纳音乐集团(图源:TechCrunch / Getty Images)

    华纳的 AI 立场大转弯

    这件事最有意思的背景是华纳音乐对 AI 的态度变化。2024 年,华纳还在起诉音乐生成 AI 初创公司 Suno,指控它大规模侵犯版权。到了 2025 年,华纳和 Suno 签了授权协议,从「对抗」变成了「合作」。

    华纳当时的说法是:艺人和词曲作者要完全控制自己的姓名、形象、肖像、声音和作品是否(以及怎么)在新的 AI 生成音乐中被使用。这个逻辑很清楚:不反对 AI,但要对 AI 的使用有知情权和控制权。

    收购 Sureel,就是这个逻辑的自然延伸——你得先知道 AI 是怎么用你的作品,才能谈得上控制和变现。

    同行还在打官司

    华纳的这个路线,和索尼音乐娱乐、环球音乐集团形成了鲜明对比。这两家目前仍在向法院起诉 Suno,进行大规模版权侵权索赔。策略分歧很明显:华纳选择「先授权、再合作、用技术追踪」,索尼和环球选择「法庭见」。

    哪种策略更管用,现在下结论还太早。但华纳的动作至少说明了一件事:音乐行业已经接受了 AI 不会消失这个现实,接下来的问题是,怎么在 AI 时代继续让创作者分到他们应得的那一份。

    Sureel 的「AI DNA」技术如果能真正做到精准溯源,那它不只是帮华纳赚钱的工具,更可能成为整个行业在 AI 时代的一个基础设施——就像音乐版权集体管理组织在过去几十年里做的那样,只是这一次,追踪的对象从电台播放变成了 AI 训练数据。


  • AI智能体为什么总是”不懂你的业务”?这家公司拿了2400万美元去填这个坑

    AI智能体为什么总是”不懂你的业务”?这家公司拿了2400万美元去填这个坑

    Jedify联合创始人团队
    Jedify 联合创始人团队(图源:TechCrunch)

    AI厂商卖企业版产品的时候,演示都做得漂漂亮亮——”开箱即用,马上上岗”。但凡真刀真枪部署过的都知道,事情没那么简单。模型不知道你们公司怎么定义”收入”,不知道哪份文件是最新版本,更不知道谁有权限看什么。要让AI智能体真正在企业里跑起来,你得先让它读懂你的业务。

    总部在纽约的初创公司Jedify正在做的就是这件事。他们刚完成了2400万美元的A轮融资,由Norwest领投,Snowflake作为战略投资方也进来了。Jedify做的事情说起来不复杂:把企业里散落在各处的知识——数据库、数据仓库、SaaS应用、BI工具、报告、文档、代码库,甚至Slack频道和会议录音——全部接进来,建成一张关于这家企业业务的”上下文图谱”,让AI智能体在干活的时候有地方查背景资料。

    普通AI智能体搜索企业内容,是把所有东西都搜一遍;Jedify的思路是,先搞清楚”这件事跟哪些实体、哪些数据、哪些人有关”,再把注意力缩小到真正相关的范围。

    一个具体例子:合规公司的智能体

    Jedify的CEO Assaf Henkin拿客户Kiteworks举了例子。Kiteworks把Snowflake、Tableau、Notion和内部手册全部接进Jedify,然后给不同的客户工作流程搭了智能体工具。销售人员和客户团队在跟客户对话的时候,Jedify会实时把需要知道的细节推过来——不是让用户自己去搜,而是主动呈现。

    这个体验的关键区别在于:AI不是在”猜”你想要什么,而是真的”知道”你们公司有哪些资源、谁负责什么、哪些数据是敏感的。

    跟知识图谱有什么不一样?

    Henkin强调,Jedify的”上下文图谱”跟企业已经在用的语义层、元数据目录、知识图谱不是一回事——它是多维的,不仅捕获实体和数据之间的关系,还捕获人员、权限和业务领域知识之间的关系。而且它是与模型无关的,哪个模型都能接;同时是实时的,接的系统里有新东西进来,图谱就跟着更新。

    权限管理是这里面最棘手的部分。让一个智能体随便把CFO的收入预测给实习生看,这是要出大事的。Jedify的做法是从身份系统、文件系统、SaaS工具和数据库继承权限规则,包括行级、列级、表级的访问控制,再让客户自己建额外的组来限定智能体允许访问的范围。


    为什么现在做这件事有意义?

    Jedify的赌注是:随着AI模型变得更强大、更可互换,”帮模型在企业里好好干活”的专有上下文层,可能会成为比模型本身更持久的护城河。模型之间的性能差距在缩小,但”谁真正懂我的业务”这个优势,不是换个模型就能复制的。

    Snowflake愿意掏钱投资并把自己的AI产品(Cortex AI、语义视图、CoWork)跟Jedify集成,说明大平台也认可这个方向的价值——它们自己也在想办法让AI更好地理解企业数据,但Jedify做的事更中立,不绑定单一云厂商。

    目前Jedify大概有10到20个早期客户,The Weather Company是其中之一,游戏、工业和消费品这类数据密集行业也在关注。新这笔钱会用来做产品开发、招人和市场推广,公司累计融资现在已经到3300万美元左右。

    AI智能体要真正在企业里落地,缺的不是模型能力,是”懂业务”的能力。Jedify能不能把这件事做成,还得看客户用起来到底怎么样——但至少,方向是对的。

  • 公司在AI上烧的钱快赶上工资了,但这只是开始

    英伟达的一位高管最近说了句大实话:在他们公司,计算成本已经超过了员工的薪资。无独有偶,初创公司Mercor的CEO也透露,他们在内部AI智能体上消耗的token费用,已经比给员工发工资还多了。

    这听起来有点夸张,但一份刚出炉的报告让我们有机会看看,普通公司在AI上到底花了多少钱。

    Ramp AI Index追踪了美国企业的AI采用情况。数据显示,排名前1%的”AI沉迷”(AI-pilled)企业,每个月在每个员工身上的AI支出是7500美元。

    这个数字到底算高还是低

    7500美元听起来很吓人,但对比一下就知道——美国软件工程师的月薪平均大概是16000美元。也就是说,即使是最疯狂用AI的那批公司,花在AI上的钱还没到给一个工程师发工资的水平。

    当然,这只是前1%的极端情况。如果把范围扩大到前10%,人均AI支出就骤降到611美元每月。而所有企业的中位数,更是只有11.38美元——差不多就是买一个企业版AI订阅的钱。

    AI计算成本
    计算成本已成为部分企业的最大支出项(图源:TechCrunch/Getty Images)

    “AI沉迷”企业还在加速花钱

    尽管绝对数额还不至于超过人力成本,但增长速度值得关注。在那些”AI沉迷”企业里,上个月人均AI支出增长了14.1%。

    这些重度用户通常会混用多个前沿模型和平台,同时搭配更便宜的开源模型来压低成本。这种”多模型套利”的策略,可能是未来企业AI采购的主流做法。

    • 前1%企业:人均月AI支出7500美元
    • 前10%企业:人均月AI支出611美元
    • 全企业中位数:11.38美元(约等于一个企业版订阅席位)
    • AI沉迷企业上月支出增速:14.1%

    这场”AI军备竞赛”才刚刚开始。对企业来说,真正的挑战不是要不要上AI,而是在疯狂烧钱之前,想清楚到底要拿AI来做什么。毕竟,token是要花钱买的,而投资回报什么时候能回来,现在还没人说得准。

  • Meta给企业做了个AI智能体,让每家公司都像拥有无限团队

    Meta在AI上想做的事,终于从”让用户多刷会儿朋友圈”转向了”帮企业把生意做好”。

    本周,Meta正式推出了Meta Business Agent——一款面向企业的AI智能体工具,承诺让各类规模的企业都能借助AI提升产出,为客户提供个性化体验。目前已有超过100万家企业正在WhatsApp和Messenger上使用这个功能,而WhatsApp、Messenger和Instagram上每天有超过10亿个与企业的活跃对话线程。

    Meta Business Agent
    Meta Business Agent 企业AI智能体正式上线 | 图片来源:Meta Newsroom

    几分钟就能上线,也能接入现有系统

    Meta Business Agent可以在几分钟内完成设置,也可以直接接入企业现有的基础设施。企业可以指定Agent的回复语气,用客户的本地语言进行回复。具体能做的事包括:回答与企业相关的问题、从商品目录中推荐产品、预约并筛选潜在客户线索、让企业决定何时由团队成员介入提供支持,以及完成销售闭环。

    Meta同时把Business Agent扩展到了Instagram平台。企业可以在Facebook Business页面激活自己的Business Agent,入门阶段免费。未来几个月,企业将通过付费订阅的方式使用该Agent,订阅方案会覆盖不同规模企业的需求。

    每天超过10亿个与企业相关的活跃对话线程——这就是Meta推出Business Agent的底气所在。

    你的AI副驾驶:晨间简报和工作洞察

    由于Meta Business Agent负责响应客户,它还可以作为企业的合作伙伴,提供晨间简报,同步企业主错过的夜间聊天内容,同时提供对话线程的相关洞察。该功能目前先向WhatsApp Business应用、Instagram Pro、Messenger和Meta Business Suite的部分企业开放。

    未来Meta将扩展其功能,帮助企业全面运营日常业务,比如开展市场调研、挖掘产品洞察、对接日历管理工具、提供竞争情报等。

    Meta Business Agent Platform:让企业自己搭智能体

    与此同时,Meta还推出了Meta Business Agent Platform——这是一个全新的智能体平台,为企业提供构建、定制和大规模部署Business Agent的基础设施。

    它支持企业对接数百个不断增长的系统,比如Shopify、Zendesk、Shopee,让Business Agent能够代表企业执行操作。该平台为大型企业内置了企业级管控、护栏和衡量工具,让企业可以制定规则,在客户已经使用的消息应用中提供个性化体验。


    帮助企业被新客户发现

    Meta还简化了用户在WhatsApp上直接发现由Meta Business Agent驱动的企业的方式。很快,用户就可以在搜索栏输入企业名称,或者在和亲友的聊天中分享企业的电话号码、联系卡片,找到对应的企业。

    当更多客户联系企业时,就能得到快速、有用的回复。这实际上是Meta在AI企业服务市场上的一次重要布局——在此之前,这个领域的主要玩家是Salesforce、HubSpot,以及各种各样的第三方AI客服工具。Meta的优势在于,它已经拥有庞大的企业账号基础和每天超过10亿条企业对话的真实数据。

    这场战役对Meta的意义不止于广告收入。广告业务增长放缓已是公开的压力,而企业AI服务是一个正在快速膨胀的新市场。如果Meta Business Agent能跑通,它将成为Meta在广告之外最重要的收入增长引擎之一。