思科的一位合作伙伴在谈及该公司重塑统一通信与协作(UC&C)统治地位的计划时,对CRN表示:“我认为,从呼叫的角度来说,(Webex)仍然处于相当有利的位置,而且我认为他们会通过联络中心加速前进。联络中心已经崛起。”“他们正在做的很多人工智能和创新都将在联络中心领域发挥巨大的作用。”
近四年以来,统一通信与协作(UC&C)市场的竞争一直非常激烈,这也是思科为什么一直在“从根本上重新构想”如何消除协作中的摩擦(无论用户身处何地)的原因。思科执行副总裁兼安全与协作总经理Jeetu Patel表示,正是这种专注将帮助这家科技巨头在与Zoom Video Communications等对手的竞争中胜出,尽管后者已经在很多终端用户的心目中成了一个动词。
Patel表示,终端用户的看法是Webex面临的最大挑战之一,思科将在2024年继续应对这一挑战。该公司将通过持续的产品创新来实现这一目标,Webex平台将受益于思科在协作之外其他领域所拥有的专业知识。
Patel表示:“就我所知,如果你要和别人已经成为动词的产品竞争……你必须为数亿人打造产品的时候,我认为只有一种营销方法有用。那就是口口相传,客户喜欢你的产品,忍不住到处谈论,不断地告诉他们的亲朋好友。”
在去年年底举行的思科WebexOne 2023活动上,Pate介绍了终端用户使用Webex获得的“飞轮效应”,因为该平台不仅发挥了思科在协作方面的专长,还利用了思科的网络、安全、人工智能和可观察性技术。
Patel对CRN表示,人工智能将渗透到Webex平台的方方面面。
这家科技巨头在2023年底推出了一系列新的Webex设备、功能和升级。其中包括新的实时媒体模型(RMM),可以捕捉视觉和声音线索,如手势或会议期间走出房间的人。基于人工智能的RMM的工作是通过将这些动作和物体识别作为条件来提高音频和视频质量。思科在Webex中新推出的人工智能编解码器(AI Codec)也基于人工智能生成技术,通过允许传输冗余来恢复网络数据包丢失,从而可以不受网络条件影响,解决音频质量难题。思科的 Webex AI助手现在还包括一组新功能,可引入RMM和大型语言模型 (LLM),以改善混合员工和联络中心座席的沟通与协作。
对于渠道合作伙伴来说,人工智能这一部分尤为重要,它将对那些希望在混合工作环境中利用协作和联络中心工具做更多事情的客户更具吸引力。
思科合作伙伴WWT(World Wide Technology)数字体验副总裁Joe Berger表示:“思科在视频领域做出了巨大的创新,包括智能、视频设备、音频、框架等而且客户还喜欢可持续发展功能。”
然而,他表示Webex Meetings在与Teams和Zoom 等工具的激烈竞争中举步维艰。
Berger表示:“我认为,从呼叫的角度来说,(Webex)仍然处于相当有利的位置,而且我认为他们将通过联络中心加速发展。联络中心已经崛起。他们正在做的很多人工智能和创新都将在联络中心领域发挥巨大的作用。”
Patel在11月举行的思科2023年合作伙伴峰会上对合作伙伴们表示,思科的联络中心产品从一开始就是围绕客户体验打造的,这是“一个令人兴奋的机会,增长的速度非常快。”
他表示:“合作伙伴有大量增值的机会。”
在会议领域,思科估计未来98%的会议将至少包括一名远程与会者,但全球只有15%的会议室配备了视频设备。
Patel表示,“客户正在寻求帮助:‘我怎样才能为更多的会议室配备视频设备?’这就是合作伙伴的用武之地。”
不断变化的市场格局
2020年疫情初期,思科在协作市场上与Zoom和微软的Teams并驾齐驱。但是,虽然思科不断创新Webex产品组合中的会议、呼叫和联络中心产品,但随着办公室重新开放和员工重返办公场所,市场开始降温。
因此,思科在2022年11月透露了对一些业务部门(包括协作部门在内)的“再平衡”计划,计划包括裁员。与 2022 年第一季度相比,思科2023财年第一季度的协作业务收入同比下降了2%,达到10.9亿美元,公司将其归因于会议业务下降,但被云呼叫和联络中心业务的增长所冲抵。
协作业务部门在2023财年始终未见起色,但在思科最近的一个财季(2024年第一季度),协作业务的收入同比增长了3%,达到11.2亿美元,该公司再次将其归因于Calling和联络中心业务的增长抵消了会议业务的下滑。
Statista Research在12月份公布的研究报告显示,截至2023年第三季度,微软是统一通信与协作领域的主导厂商,占据42.8%的市场份额,思科和Zoom紧随其后,分别占据了6.8%和6%的份额。其余44.4%的市场份额被各种“其他”的统一通信与协调产品占据,如RingCentral。
WWT的Berger表示,虽然思科和微软在统一通信与协调领域通常是竞争对手,但他们更多地将对方视为合作伙伴,这有利于合作伙伴和终端客户。
这两家公司在2022年宣布了彼此的合作。今天,视频会议用户可以选择在思科的会议设备和摄像头上原生运行思科自己的Webex或者微软的Teams。
Patel对CRN表示:“不要用零和的思路去思考这个问题。这一点非常重要。如果人们使用微软的Teams,思科也能赚钱,因为我们的设备可以真正支持企业已经有的Teams系统。我们之所以这样做是因为每当有什么东西站在风口上的时候,我们不会想要去对抗它,而是顺势而为。”“实际上,微软的Teams在与思科的设备配合使用的时候会变得更好,因为它们可以从我们的人工智能功能中获益。因此,如果人们使用微软Teams,就一起使用我们的产品。”
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。