AI TrendTrackers

目前，已有60%的财富500强企业在使用Microsoft 365 Copilot来加速业务成果并赋能团队。Lumen Technologies通过Copilot支持销售团队，预计每年可节省5000万美元成本。Honeywell的生产力提升相当于增加了187名全职员工，而Finastra则将创意生产时间从七个月缩短至七周。 今天，微软宣布了新的“智能代理”功能，以加速这些成就并将AI优先的业务流程带入每个组织。首先，Copilot Studio即将于下月开启公测，允许用户创建自主的智能代理。其次，微软为Dynamics 365引入了10个全新的自主代理，帮助销售、服务、财务和供应链团队提升效能。 Copilot Studio赋能更多用户创建自主代理 今年早些时候，微软推出了Copilot Studio中的强大功能，用户可以创建自主的智能代理。这些功能即将从私测转为公测，帮助更多企业重塑关键业务流程。智能代理可以利用Microsoft 365 Graph、系统记录、Dataverse和Fabric中的工作数据，从IT服务台支持到员工入职培训，再到销售和服务，提供全方位的支持。 像Clifford Chance、麦肯锡公司、Pets at Home和Thomson Reuters等企业已经在使用智能代理来提高收入、降低成本并扩大影响力。例如，Pets at Home开发的代理可以更高效地整理案件，每年可能节省七位数的成本。麦肯锡公司通过代理大幅缩短客户入职流程，试点结果显示入职时间减少了90%，行政工作减少了30%。Thomson Reuters开发的代理则能将法律尽职调查工作效率提高一倍，有望增加客户工作效率并促进新业务增长。 Dynamics 365中的10个新代理扩展团队能力 微软的新代理帮助客户从传统业务应用转向AI优先的业务流程。AI不仅是今天的投资回报率来源，更是未来的竞争优势。以下是其中一些代理的示例： 随着代理在企业中的普及，客户希望确保数据治理和安全性，微软的智能代理遵循严格的安全、隐私和负责任的AI承诺，所有数据来源都经过严格管理，确保安全性。 微软的转型 微软也在利用Copilot和智能代理重新定义业务流程，从销售、营销到人力资源，全面提升员工的工作效能。例如，某销售团队通过Copilot实现了9.4%的每位销售人员收入增长，成功交易数增加了20%。此外，营销团队的Azure网站转化率提高了21.5%。 使用Copilot和智能代理的可能性无限，期待看到更多创造性应用。现在就可以在Copilot Studio中开始创建智能代理，了解更多请访问Copilot Studio和Dynamics 365博客。

前言：可能没问题——除非你在乎自我提升或对工作充满自豪感 要先明确一点，本文中提到的“使用AI生成代码”特指让AI为你写代码，而不是利用AI工具来帮助理解编程语言或库，从而提升自己写代码的能力（对于这一点，我也有不少看法）。如果你是通过编写方法名称或注释，向AI描述功能，然后让AI自动生成代码，或者依赖AI来理解你的代码库，那么这篇文章就是专门为你写的。 为什么不应该使用AI生成代码 你剥夺了自己学习的机会 在早期互联网时代，有个贬义词“脚本小子”（script kiddie），用来形容那些不理解黑客原理，只会用现成工具或脚本入侵系统的人。他们下载一个可以破解密码、访问他人电脑、篡改网站的脚本，然后自以为是了不起的黑客。 你或许认为将使用AI生成代码的开发者比作“脚本小子”有些夸张。但我不这么认为。 那些脚本小子想成为真正的黑客，但他们永远无法通过运行现成脚本达到这个目标。同样，靠AI写代码的开发者想成为“资深开发者”，但依赖AI来写代码反而阻碍了他们成长的机会。真正的资深开发者是那些自己写代码，并让这些代码成为AI训练数据的人。 不实际动手写代码，你就不会进步。就像你不下棋，就不会提高棋艺；不去打冰球，就不会成为更好的球员；你不亲自动手弹钢琴，只听妈妈的音乐专辑，也不会成为钢琴家。软件开发也是如此，如果你不写代码，技能永远不会提升。 已有的技能可能会退化 假如你已经是个有经验的程序员，觉得自己编程能力足够强，那是不是就可以让AI来做“无聊的事”呢？比如生成项目框架、写递归函数、生成模板化代码等等。 这种想法可能看似合理，毕竟资深开发者早在AI出现前就把琐碎的工作交给初级程序员去做了。但不同的是，指导初级程序员能帮助你巩固技能，而依赖AI只会让你技能退化。 在软件开发和生活中，长时间不做某件事，你就会忘记它。就像你学的第一个编程语言，可能现在连一句语法正确的代码都写不出来。停止写代码，你会变得“生疏”，忘记基础知识，连复杂问题也会变得更难处理。 你可能依赖自己的“最终替代者” 许多AI编程工具目前对学生免费开放，这并不是善心，而是希望通过让新一代开发者依赖这些工具，未来获得持续的订阅收入。AI公司瞄准了未来的开发者，希望他们成为依赖AI的“代码小子”，而非独立思考的开发者。 如今，语法高亮、代码自动补全等工具的确让我们更高效，但它们的目的是辅助我们写出更好的代码。而AI工具的终极目标是完全取代你。 使用AI生成代码的理由 你喜欢做代码审查胜过写代码 如果你热爱做代码审查而非写代码，那或许使用AI对你来说是好选择。毕竟，AI生成的代码只会让你的工作重心从编写代码转向审查代码。如果你真的享受审查他人代码的“乐趣”，那么AI或许是个不错的帮手。 你并不想成为程序员 如果你对编程没有兴趣，只是想把AI当作自由职业者来雇佣，让它帮你做游戏或应用开发，那这些意见对你不适用。你也许就是那些公司眼中的未来用户，他们期待有一天可以不需要程序员，直接用AI生成所有的应用程序。 你相信未来的“无工时代” 如果你认为AI将引领一个“无工作时代”，并且信任大公司会引导我们进入这个新时代，那你可能已经不在乎这些技术对个人技能的影响了。对于其他人来说，还是自己动手编写代码，这不仅是一种技能提升，更是一种自豪感的源泉。

Meta公司正在测试一项新的面部识别系统，旨在打击利用名人头像的诈骗广告，确保其旗下的Instagram和Facebook等社交媒体平台变得“对骗子更难以利用”。 这些骗子常通过AI生成的假名人照片吸引用户点击广告，最终将他们引导至诈骗网站，要求提供私人信息甚至金钱。Meta的新系统将扫描可疑广告中的名人图像，与这些名人的个人资料图片进行比对。如果匹配并确认广告为诈骗，广告会被立即屏蔽。 这一系统目前正在全球50,000名受此类诈骗影响的名人中进行测试。早期测试显示，该系统在提高检测和封禁诈骗广告的速度和效率方面有“积极效果”。参与测试的名人已经通过应用内通知得知自己默认参与该测试，并提供了选择退出的详细说明。 这并非Meta首次涉足面部识别技术。早在2021年，Meta就因其Facebook的“人脸识别”自动照片标记功能遭遇两起诉讼，一宗以6.5亿美元和解，另一宗则赔偿了14亿美元，指控其未经许可使用人脸识别技术。 尽管Meta表示该系统经过了“全面”的隐私审查，涵盖了监管机构、专家、政策制定者和其他关键利益相关方，外界对其隐私合规性的质疑依然存在。尤其值得注意的是，Meta拒绝在隐私法规严格的英国或欧盟测试这项技术。

上个月，微软宣布将为重启三里岛核电站的一号反应堆提供资金，以应对公司不断增长的数据中心用电需求。这一举动使微软成为继亚马逊之后，第二家利用传统核设施来满足能源需求的美国科技巨头。微软是OpenAI的主要投资者和计算提供方，而OpenAI自发布ChatGPT以来，引发了AI开发的革命性增长。重启核电站的决定，也突显了为满足新兴AI系统需求所带来的大量物理投资。 如今，AI产品被广泛用于生成代码、文本、图像，数据分析，任务自动化，增强在线平台等方面，且未来使用量只会进一步增加。然而，这些尖端AI模型需要庞大的计算资源进行训练和推理，这种计算需求依赖于工业规模的数据中心设施，而这些设施需要大量的电力、水资源、宽带等基础设施来运作。 AI热潮的直接结果是，美国固定资产投资激增，以满足计算需求的快速增长。如今，美国数据中心建设速度创下新高，年投资额达到286亿美元，同比增长57%，相比两年前增长了114%。这一建设投资规模相当于美国在餐厅、酒吧和零售店上的年度建设支出总和。 值得注意的是，这个数字仅指建筑物本身，还不包括数据中心内的大量高性能计算机及其所需的电缆、风扇等配件。今年8月，美国大型计算机净进口量创下新纪录，计算机零件及配件的净进口量在7月也达到了历史新高。过去一年中，美国在这些领域的进口总额已超过650亿美元，并且国内生产也在持续增长。 这些新增的数据中心、计算机和设备主要由信息技术领域的公司采购，包括亚马逊这样的计算基础设施提供商，Google这样的网络搜索公司，以及微软这样的软件发行商。过去一年中，这些公司在不动产、工厂和设备上的净投资增加了950亿美元，创下历史新高，这表明它们在激烈的竞争中加速扩展并部署AI系统。 与十多年前的科技行业相比，当前的情况发生了巨大变化。过去轻量级的软件公司如Instagram和WhatsApp曾被视为未来，而今天，Meta（前身为Facebook）仅在2024年上半年就花费了152亿美元，主要用于支持其Llama品牌AI模型的大规模计算基础设施。当前的AI热潮是有史以来最依赖硬件的技术变革，极大地推动了美国的建设和投资。 美国企业在计算机及相关设备上的投资飙升，过去一年增长了16.6%，甚至考虑到通货膨胀后，这仍然是新纪录。这与2010年代的投资停滞形成鲜明对比。当时，投资直到疫情爆发的远程办公需求激增才开始回升。虽然2022年投资略有回调，但自2023年底AI热潮开始后，投资再度飙升。 其中，最顶尖的计算机系统增长最快。台湾的台积电（TSMC）是全球领先的尖端半导体制造商，而美国对AI计算的需求可以从从台湾进口的芯片和相关组件的激增中看出。过去一年里，美国从台湾的这些进口总额超过380亿美元，同比增长140%以上。 尽管硬件投资在全国各地并不均匀分布，但数据中心通常会集中在大规模集群中，以提高效率并降低成本。这一趋势在AI领域尤为显著，企业正极力扩展数据中心的规模和网络能力，以尽可能多地投入计算能力进行AI模型开发。 总体而言，AI开发者们正在激烈竞争，争取通过不断改进产品和扩大商业化来证明当前大规模投资的价值。美国作为全球AI和数据中心技术领先的国家，受益于此轮AI投资热潮，而地缘政治竞争也因此愈加激烈，尤其在硬件产能方面。随着AI投资的持续增长，未来的“芯片战争”将进一步加剧。

微软和Salesforce之间的竞争因AI代理技术的爆发而再次升温。微软近日宣布，为其Dynamics 365业务应用程序新增10款AI代理工具，这些工具可以在销售、服务、财务和供应链管理等领域自动完成任务。 微软的AI at Work项目首席营销官Jared Spataro表示，AI代理将成为AI驱动世界中的新应用，每个组织都会拥有从简单的提示响应到完全自主的AI代理，它们将为个人、团队或职能部门执行和协调业务流程。 这项消息是在微软伦敦“AI巡展”活动上公布的，时间上恰逢Salesforce即将于10月25日推出竞争产品——Agentforce自主AI技术。这一技术主要用于销售和服务领域。Salesforce的CEO Marc Benioff近来对微软的Copilot AI技术提出了尖锐批评，指责其让企业客户失望，并且在数据安全上存在隐患。 过去十年，微软与Salesforce的关系堪称科技界的“亦敌亦友”典范，两家公司在合作互利时联手，但更多时候是在多个领域激烈竞争。微软宣布，目前全球500强企业中有60%在使用其Copilot技术，并举例说明，如Lumen Technologies通过AI为销售人员提供支持，预计每年节省5000万美元；而Honeywell则通过AI提升了相当于增加187名全职员工的生产力。 两家公司推出的AI代理都反映了整个行业推动AI超越助手角色的发展趋势，赋予AI自主完成任务和执行指令的能力。微软也希望通过AI推动其在GitHub、Windows和Microsoft 365等产品中的业务增长。 在微软2024财年中，Dynamics产品和云服务的收入达到约65亿美元，相较于2023年的54亿美元和2022年的47亿美元，保持了稳定增长，尽管在微软年收入超过2450亿美元的整体业务中，这仍是一个相对较小的部分。 微软计划在今年底到明年初公开预览这些新AI代理，包括帮助优先处理潜在客户和自动化订单处理的销售代理，优化供应链和财务流程的供应商沟通代理和财务对账代理，以及提升客户服务的客户意图代理和知识管理代理。此外，微软还将在下月推出“Copilot Studio”，允许用户创建自主AI代理，进一步扩展AI的应用场景。

Meta公司在上周五宣布，他们的研究部门“基础AI研究”（FAIR）推出了一系列新的AI模型。这些模型包括一个名为“自学评估器”的系统，有望减少AI开发过程中对人类参与的依赖，另一个模型则能够自由混合文本和语音。 此次发布是在Meta今年8月发布的一篇论文之后，该论文介绍了这些模型将依赖于“思维链”机制，这是OpenAI在其最新的o1模型中使用的一种技术，用于让AI在做出回应前“思考”。值得一提的是，Google和Anthropic也在研究“AI反馈强化学习”这一概念，尽管他们的相关研究尚未对公众开放。 FAIR团队表示，新的AI模型支持Meta实现“高级机器智能”的目标，同时推动开放科学和科研可重复性的进展。此次发布的模型包括图像和视频处理的升级版“分割任何事物模型2”（SAM 2），以及Meta Spirit LM、Layer Skip、SALSA、Meta Lingua、OMat24、MEXMA和自学评估器等。 自学评估器 Meta称这种新的自学评估器是一种“强大的生成性奖励模型，使用合成数据来验证其他AI模型的工作”。它提供了一种无需依赖人工标注来生成偏好数据的新方法。公司表示，该模型通过生成对比输出，并训练一个大型语言模型（LLM）作为“评判者”，用来进行推理和最终判断，并且这一过程是通过不断自我改进来实现的。 这个新方法意味着模型能够生成自己的数据来训练奖励模型，不再需要人工标注的数据。Meta声称，自学评估器性能优于像GPT-4这样的依赖人类标注数据的模型。 Meta Spirit LM Spirit LM是Meta推出的首个开源语言模型，能够无缝集成文本和语音。大多数大型语言模型通常用于将语音转换为文本，反之亦然，但这种转换往往会丢失原本语音中的自然表达。Meta开发的Spirit LM通过使用音素、音调和语调等标记，克服了这些局限，使输入和输出更加自然。 该模型分为两个版本：Spirit LM Base专注于语音音效，而Spirit LM则可以捕捉到语音中的情绪，如愤怒或兴奋，从而使生成的语音更加真实。Meta称，该模型能够更自然地生成语音，并能够执行语音识别、文本转语音、语音分类等任务。

Midjourney计划推出一款升级版的网页工具，让用户可以通过其生成式AI编辑任意上传的网络图片。Midjourney的CEO David Holtz表示，这款工具将于“下周初”发布，用户还可以通过输入文字说明来重新上色和调整图片中的物体纹理。 近期，使用AI编辑现有图片成为了热门话题。像Meta等平台正在讨论如何区分由AI工具编辑的图片和完全由AI生成的图片，而Google等公司已经推出了强大的AI功能，但这些功能并不会在图片上显示AI修改的痕迹。 去年，Midjourney承诺使用IPTC的“数字来源类型”属性，这是一项技术标准，用于在图片中嵌入元数据，表明图片是由AI生成的。然而，Midjourney并未采用C2PA这种追踪图片全流程来源的元数据技术，目前只有少数主要AI平台采纳了这一技术。 在Midjourney的Discord官方频道中，Holtz表示，升级版图片工具最初将仅向一部分社区成员开放，平台会增加人工审核以及“更先进的AI审核”来防止滥用。他坦言团队尚未完全确定如何精确限制这一功能的发布，因此正在通过社区投票收集反馈，决定哪些用户将优先获得使用权限。 推出这些编辑工具存在风险，若没有足够的安全措施，可能会导致大规模的版权侵权，甚至加速误导性深度伪造（deepfake）的传播。尤其是在近期，虚假生成的AI图片在飓风Helene过后席卷网络，展示了灾难和人类痛苦的虚假场景，使得真假信息更加难以辨别。 根据深度伪造检测公司Clarity的数据，今年生成和发布的deepfake数量比去年同期增长了900%，引发了广泛的担忧。YouGov的一项民意调查显示，85%的美国人对深度伪造在网上传播表示担忧。 虽然美国联邦尚未出台针对deepfake的法律，但已有超过10个州通过了反AI冒名顶替的法规。加利福尼亚州的一项法律——目前暂未通过——将赋予法官下令删除deepfake内容的权力，违者可能面临罚款。 Midjourney在AI部署责任方面的记录并不尽如人意（其因涉嫌使用受版权保护的内容来训练生成式AI模型而面临诉讼）。不过，最近几个月，该平台采取了一些措施来限制深度伪造的传播，包括在美国总统选举前为政治人物的形象设置过滤器。

并非所有人都看好生成式AI的投资回报，但根据PitchBook的最新数据，许多投资者显然非常支持。2024年第三季度，风投公司向生成式AI初创企业投资了39亿美元，涉及206笔交易（这还不包括OpenAI的66亿美元融资）。其中，美国公司拿到了29亿美元的资金，涉及127笔交易。 在这一季度的融资赢家中，编程助手Magic在8月获得了3.2亿美元，企业搜索提供商Glean在9月筹集了2.6亿美元，商业分析公司Hebbia在7月完成了1.3亿美元的融资。而中国的Moonshot AI在8月获得了3亿美元，日本专注于科学发现的初创企业Sakana AI上个月也完成了2.14亿美元的融资。 生成式AI涵盖从文本和图像生成器到编程助手、网络安全自动化工具等广泛技术领域，尽管它的可靠性和法律问题（特别是未经许可训练模型的版权数据）仍备受质疑，但投资者似乎相信它将在大规模和高利润的行业中占据一席之地，且未来的增长潜力不会因当下的挑战而受阻。 或许他们是对的。Forrester的一份报告预测，60%的生成式AI怀疑者最终会接受这项技术，哪怕是无意识地，用于诸如摘要生成或创造性问题解决等任务。而Gartner早前的预测则较为保守，认为到2026年，30%的生成式AI项目将在概念验证阶段被放弃。 PitchBook的高级分析师Brendan Burke在接受TechCrunch采访时表示：“大型客户正在部署利用初创公司工具和开源模型的生产系统。最新一代的模型展示了其在科学领域、数据检索和代码执行方面的潜力。” 然而，生成式AI广泛应用的一大障碍是其巨大的计算需求。贝恩分析师在一项最新研究中预测，生成式AI将促使企业建设千兆瓦级的数据中心，这类数据中心的电力消耗是当前普通数据中心的5到20倍，加剧了本已紧张的劳动力和电力供应链。 实际上，生成式AI对数据中心电力的需求，已经延长了一些燃煤发电厂的寿命。摩根士丹利估计，如果这一趋势持续到2030年，全球温室气体排放量可能比没有开发生成式AI时高出三倍。 为应对这种不可持续的能源需求，微软、亚马逊、谷歌和甲骨文等全球最大的几家数据中心运营商已宣布投资核能，以抵消不断增加的不可再生能源使用。（微软在9月表示，将利用来自三里岛核电站的电力。）但这些投资可能需要数年才能见效。 尽管存在这些负面影响，生成式AI初创企业的投资热潮依旧不减。声音克隆工具ElevenLabs据称正在寻求30亿美元的估值，而图像生成工具背后的公司Black Forest Labs据传正在筹集1亿美元的资金。

https://build.nvidia.com/nvidia/llama-3_1-nemotron-70b-instruct 周二，Nvidia悄然推出了一款全新的人工智能模型，表现超越了行业领袖OpenAI和Anthropic的产品，标志着该公司AI战略的重大转变，并有可能重塑该领域的竞争格局。 这款名为Llama-3.1-Nemotron-70B-Instruct的模型，低调现身热门AI平台Hugging Face，但很快因其在多个基准测试中的卓越表现引起了广泛关注。 Nvidia表示，这款新模型在关键评估中取得了顶尖成绩：Arena Hard基准测试得分85.0、AlpacaEval 2 LC得分57.6，GPT-4-Turbo MT-Bench得分8.98。 这些成绩超越了如OpenAI的GPT-4o和Anthropic的Claude 3.5 Sonnet等备受推崇的模型，将Nvidia推向了语言理解和生成领域的前沿。 Nvidia的AI大赌注：从GPU巨头到语言模型先锋 这次发布对Nvidia来说是个关键时刻。Nvidia长期以来以主导图形处理单元（GPU）市场而闻名，这些GPU驱动着AI系统的核心。然而，现在Nvidia展现了开发复杂AI软件的实力，这一举动标志着其战略扩展，可能会挑战以软件为主导的大型语言模型开发领域的传统霸主地位。 Nvidia打造Llama-3.1-Nemotron-70B-Instruct的过程，基于Meta的开源Llama 3.1模型，采用了先进的训练技术，包括从人类反馈中进行强化学习（RLHF）。这种方法让AI能够从人类的偏好中学习，产生更加自然和符合上下文的回应。 凭借其卓越的性能，这款模型有望为企业提供一个比市场上其他先进模型更具能力且成本更低的选择。 该模型处理复杂查询无需额外提示或专用标记的能力是其一大亮点。在展示中，它准确回答了“strawberry中有几个r？”这样的问题，并提供了详尽且精确的解释，展现了其对语言的深刻理解和清晰的表达能力。 Nvidia新模型如何重塑商业和研究 对于正在探索AI解决方案的企业和组织来说，Nvidia的新模型提供了一个极具吸引力的新选项。该公司通过其build.nvidia.com平台免费提供托管推理服务，并兼容OpenAI的API接口。 这种可访问性让更多的公司可以轻松试验并应用先进的语言模型。Nvidia这一举动也反映出AI领域正向不仅强大而且可定制的模型转变。如今的企业需要能够针对特定需求定制的AI，无论是处理客户服务问题还是生成复杂的报告。Nvidia的模型不仅性能卓越，还提供了这种灵活性，使其成为跨行业企业的有力选择。 然而，伴随这一强大功能而来的，是相应的责任。像任何AI系统一样，Llama-3.1-Nemotron-70B-Instruct并非完美无缺。Nvidia已警告，该模型尚未针对如数学或法律推理等需要高精度的专门领域进行调校。企业需要确保在使用该模型时采取适当的安全措施，以防止错误或误用。 AI竞赛升级：Nvidia的大胆之举挑战科技巨头 Nvidia最新发布的模型标志着AI领域正在迅速变化。尽管Llama-3.1-Nemotron-70B-Instruct的长期影响仍未可知，其发布显然是AI系统竞争中的一个关键转折点。 通过从硬件转向高性能AI软件，Nvidia迫使其他玩家重新思考他们的策略，并加速自己的研发步伐。这一发布紧随Nvidia推出NVLM 1.0系列多模态模型之后，包括拥有720亿参数的NVLM-D-72B。 这些近期发布的模型，尤其是NVLM项目的开源化，显示出Nvidia的AI野心远不止于竞争——它们正在挑战GPT-4o等专有系统的主导地位，涵盖从图像解释到复杂问题解决的多个领域。 Nvidia快速发布这些新产品，凸显了其在AI软件开发方面的雄心壮志。通过提供与行业领导者相媲美的多模态和文本模型，Nvidia正在利用其硬件优势，打造强大且易于访问的软件工具，定位为一个全面的AI解决方案提供商。 Nvidia的战略似乎很明确：将硬件专长与高性能软件相结合，打造成一个全方位服务的AI供应商。这一举措可能会重塑行业，迫使竞争对手加速创新，并有望推动AI领域更多的开源合作。 随着开发者测试Llama-3.1-Nemotron-70B-Instruct，可能会看到其在医疗、金融、教育等多个领域的全新应用。其成功与否最终将取决于是否能够将令人印象深刻的基准分数转化为实际的解决方案。 未来几个月内，AI社区将密切关注Llama-3.1-Nemotron-70B-Instruct在真实应用场景中的表现。其能否将高分转化为实际价值，将决定其在行业乃至整个社会的长期影响力。 Nvidia在AI模型开发中的深入探索，已经使得竞争愈加激烈。如果这是AI领域新时代的开端，那么在这个时代，全方位整合的解决方案可能会为未来的突破奠定基调。

谷歌CEO桑达尔·皮查伊(Sundar Pichai) 最近宣布了一系列结构调整和领导层任命，旨在加速公司的人工智能 (AI) 发展。此次重组将Gemini应用团队（由Sissie Hsiao领导）并入Google DeepMind团队，由Demis Hassabis领导。 皮查伊解释说：“将这些团队紧密结合在一起，可以改善反馈机制，加速在Gemini应用中部署新模型，并提高训练后工作的效率，同时也能进一步推动我们产品的快速发展。” 此外，负责设备和家庭体验的Assistant团队将整合到“平台与设备”部门，此举旨在将这些团队与他们所开发的产品更紧密地结合，并将谷歌在AI智能家居领域的工作集中到一个框架下。 在高层领导变动方面，谷歌资深员工Prabhakar Raghavan将从当前岗位转任公司首席技术官。皮查伊高度评价了他在多个部门（包括研究、Workspace、广告和知识与信息（K&I））的领导工作，称其领导下的Gmail团队率先推出了Smart Reply和Smart Compose这两项AI驱动的功能，并带领Gmail和Google Drive用户数量突破10亿。 接任K&I部门的将是Nick Fox，皮查伊宣布他为K&I的高级副总裁（SVP）。Fox在谷歌多个领域拥有丰富经验，包括搜索和Assistant的产品与设计、购物、旅行和支付产品。皮查伊表示：“Nick在谷歌的AI产品路线图制定中起到了关键作用，他始终以积极、快速和顽强的态度应对公司最具挑战性的问题。” 此次重组正值谷歌推出多项AI创新之际，近期发布的亮点包括NotebookLM的音频概览功能、搜索和Lens信息发现的增强、针对AI时代优化的新版Google Shopping平台，以及有望彻底改变蛋白质设计的AlphaProteo技术。与此同时，Gemini家族模型也迎来了更新。 在医疗AI方面，皮查伊提到了一个重要的里程碑：谷歌用于检测糖尿病视网膜病变的AI系统已完成60万次筛查，计划将在印度和泰国扩大该技术的覆盖范围。 皮查伊总结道：“AI的进步速度超过了以往任何技术。为了继续加快进展，我们一直在简化公司结构，以更好地应对这一变化。”