ZDNET网络频道 01月16日 北京报道:已经拥有超过十亿用户的Facebook,在几个月前开始探索有关Facebook的办公应用的想法。并在近期推出了一个企业版本的Facebook。现在的问题是,在很多办公网络中都已经禁止Facebook的情况下,你真的会在你的办公室使用Facebook来进行工作吗?
而扎克伯格极力希望将Facebook打造成办公室中的一款应用。1月14日,Facebook进一步把这一内部想法变成了现实。其通过谷歌发布了面向Facebook的iOS测试应用程序和Android上的游戏商店。但是,目前这些应用将只提供一些可供选择的beta测试版本。
这个新版本的Facebook外观及工具很像我们熟知的Facebook的模样。其中包括事件,消息和新闻提要。不同的是社交网络和禁止了任何的广告。并且,Facebook方面还承诺,将持续跟踪企业的用户数据以改进其办公产品。
据悉,员工可以获得一个独立的Facebook的工作ID和密码,也可以使用自己的个人帐户。当员工在Facebook上发布其工作内容时将不会出现在其个人帐户中,而一些个人资料的内容则可能会在其公司的帐户中出现。
同时,Facebook的办公版本也将重点突出一项功能:Facebook群组。此功能,使员工能够形成自己的小组,分享将开展的下一项工作计划或家庭聚会计划。在去年的十一月份,Facebook推出了iOS和Android版本的群组应用,使其更容易与项目团队、同事及朋友间进行交流。
虽然,我们目前还不十分清楚利用Facebook进行工作是否会给我们带来一些隐秘性方面的问题。但在Facebook内部,很多人已经使用Facebook工作了相当长的一段时间。在2014年6月,有相关报告发表了一篇关于如何使用Facebook工作的报道。
Facebook的学习和发展首席官员Mike Rognlien解释说,拥有超过7000名员工的全球求职大军,“有些员工需要绕半个地球的距离来到总部,也许一次或两次。而远程工作可以很好的解决这些尴尬的问题。”所以,Facebook能帮助他们觉得自己是一个团队,并与各部门联合成一个整体,虽然远隔万里,可以轻松交谈,互相合作。 Roglien说,“试图联系合适的人解决问题是没有浪费宝贵的时间,这给人感觉就像是公司越来越小了一样。”
虽然很多人都开始使用这种新的工作方式,但相比类似的社交网络程序如微软的Yammer、IBM的Connections、VMware的Socialcast或LinkedIn,Facebook似乎也没有什么新的创意。我们现在正在使用的很多旧的办公工具,如互联网邮件,互联网聊天(IRC)和私人新闻组这些工具早在上世纪80年代就出现了。而IBM现在的记事本可以追溯到1973年和PLATO的注意事项。
而我们唯一看到的Facebook的亮点则是,Facebook作为一款大众社交类软件,已经到了尽人皆知的地步,而其试图将这一优势扩展到这些类似的企业软件中去,让我们每个人都知道我们现在不仅可以通过Facebook进行交流好娱乐,同时它还是一款不错的办公工具。
但值得我们质疑的问题同样存在。比如,Facebook的用户口碑。我们稍加了解就能看到,几乎每天都会有一些人将未经许可的一些照片张贴在他们的Facebook上,这些都严重违反了Facebook上的隐私声明。因此,Facebook办公版是否真会给我们带来一些隐秘性问题我们还需进一步关注。
好文章,需要你的鼓励
埃森哲投资AI零售平台Profitmind,该平台通过智能代理自动化定价决策、库存管理和规划。研究显示AI驱动了2025年假日购物季20%的消费,约2620亿美元。部署AI代理的企业假日销售同比增长6.2%,而未部署的仅增长3.9%。Profitmind实时监控竞争对手价格和营销策略,并可创建生成式引擎优化产品文案。
上海AI实验室联合团队开发RoboVIP系统,通过视觉身份提示技术解决机器人训练数据稀缺问题。该系统能生成多视角、时间连贯的机器人操作视频,利用夹爪状态信号精确识别交互物体,构建百万级视觉身份数据库。实验显示,RoboVIP显著提升机器人在复杂环境中的操作成功率,为机器人智能化发展提供重要技术突破。
日立公司在CES 2026技术展上宣布了重新定义人工智能未来的"里程碑式"战略,将AI直接应用于关键物理基础设施。该公司与英伟达、谷歌云建立重要合作伙伴关系,并扩展其数字资产管理平台HMAX,旨在将AI引入社会基础设施,变革能源、交通和工业基础设施领域。日立强调其独特地位,能够将AI集成到直接影响社会的系统中,解决可持续发展、安全和效率方面的紧迫挑战。
英伟达研究团队提出GDPO方法,解决AI多目标训练中的"奖励信号坍缩"问题。该方法通过分别评估各技能再综合考量,避免了传统GRPO方法简单相加导致的信息丢失。在工具调用、数学推理、代码编程三大场景测试中,GDPO均显著优于传统方法,准确率提升最高达6.3%,且训练过程更稳定。该技术已开源并支持主流AI框架。