阅读

根据Crunchbase数据，2026年前三季度全球旅游科技初创企业共筹集了22亿美元资金，涉及302轮融资。这一数字显著低于2025年全年筹集的37亿美元，交易数量也连续第三年下降，表明投资者正在将更多资金投入到更少的公司中。

尽管许多初创企业承诺利用AI改善旅行规划和预订体验，但这一趋势并未逆转融资放缓的局面。例如，阿姆斯特丹的酒店管理软件公司Mews在1月完成了由EQT Growth领投的3亿美元D轮融资，估值达25亿美元；中国电动飞机开发商Aerofugia也在2月获得了约1.44亿美元的融资。然而，这些大额交易并未能提振整个板块的投资热度。

与此同时，成熟的旅游科技公司正通过收购来增强其AI能力。Amadeus在2月收购了企业差旅AI助手SkyLink，Expedia则在7月收购了AI行程规划初创公司Layla。这种并购活动反映了行业整合的趋势，而非初创企业独立融资能力的恢复。

美国电气与机械建筑服务公司EMCOR Group（NYSE: EME）于2026年10月29日公布第三季度财报，显示其营收和利润均创下同期历史新高，主要驱动力来自人工智能数据中心的建设需求。公司当季营收达到55.4亿美元，同比增长28.8%，其中有机增长贡献了25.5个百分点。调整后每股收益为9.60美元，同比大幅增长46.1%；调整后营业利润率扩大110个基点至10.5%。

在业务细分中，电气建筑部门营收增长44.3%至18.5亿美元，机械建筑部门营收增长43.1%至25.5亿美元。这两个部门合计贡献了44亿美元的季度营收，合并营业利润率达到12.6%。值得注意的是，网络与通信领域（主要为数据中心工作）成为关键增长引擎：电气建筑在该领域的营收增长了68%，而机械建筑营收几乎增长了130%，这得益于数据中心项目对冷却系统需求的扩大。

反映未来收入可见性的剩余履约义务（RPO）总额达到创纪录的185.7亿美元，同比增长47%。其中，数据中心相关的RPO高达87.4亿美元，是去年同期的两倍以上，环比也增长了13%。EMCOR首席财务官Jason Nalbandian指出，尽管公司在该季度实现了强劲的营收增长，但RPO的增加大部分仍源于有机增长。公司首席执行官Guzzi表示，EMCOR主要服务于大型超大规模云服务商及其支持企业，而非“新云”或更具投机性的数据中心市场。

基于强劲的需求和执行能力，EMCOR上调了2026年全年业绩指引，预计全年营收将在206亿至210亿美元之间，调整后稀释每股收益预计在34.50至35.50美元之间。此外，董事会还批准了额外5亿美元的普通股回购授权。截至9月30日，公司已通过股息和股票回购向股东返还了5.1亿美元。

Linux 7.4内核已正式合并AMD PerfOpt功能，该特性允许AMD集成显卡（iGPU）在直接访问系统内存时绕过输入输出内存管理单元（IOMMU）。这一底层驱动优化显著降低了内存访问延迟，为依赖共享系统内存的本地AI推理任务带来了实质性的性能提升。

根据Phoronix发布的基准测试结果，启用PerfOpt后，AMD集成显卡在处理AI和大型语言模型（LLM）工作负载时的性能提升了18%至23%。该功能在使用AMDGPU内核图形驱动的Radeon集成显卡系统上默认启用。用户可通过检查dmesg内核输出中是否包含“PerfOpt”字样来验证该功能是否在Linux 7.4及以上版本中生效。

此次更新还包含了其他IOMMU相关改进，例如为树莓派5显示和多媒体设备添加Broadcom BCM2712支持，以及微软贡献的用于Hyper-V的新半虚拟化IOMMU驱动程序。

机器人的视觉能力已经形成了相对统一的传感器和数据体系，但触觉仍然是具身智能系统中尚未「收敛」的薄弱环节。哥伦比亚大学教授李昀烛在IROS 2026触觉专题研讨会上指出，不同实验室往往使用完全自研、互不兼容的触觉传感器，它们共同面临寿命、柔性、多维信息感知、分辨率、成本与一致性难以同时兼顾的困境。这使得触觉数据采集、算法研究以及不同系统之间的复现都变得更加困难。

李昀烛团队提出的应对策略不是追求更复杂的传感器，而是刻意选择足够简单的传感机理。FlexiTac是一套开源柔性压阻式触觉传感器，采用FPC与力敏薄膜层叠结构，团队同时开源了完整物料清单、详细组装说明和读取数据的软件。其核心设计逻辑是：因为传感机制简单，仿真实现只需要构建一个弹簧-阻尼系统，标定3个超参数就能让仿真端的触觉信号与真实信号高度对齐。

这一简化带来了连锁效果。组装方面，准备好物料后只需3分钟即可完成装配；形态方面，传感器像一张纸，可以弯折、裁剪、包覆在各种异形曲面结构上，适配手套、指尖或机器人皮肤等多种形态；一致性方面，李昀烛举了一个实例：他的学生Binghao在2024年夏天制作了四块传感器用于录制视频，时隔一年半后直接使用这套传感器，用一年前采集的数据训练出来的模型依然可以正常工作。不同批次制备之间的输出信号也表现出不错的一致性，这是许多包含橡胶材料的触觉传感器的痛点。

仿真适配性是整个策略的关键枢纽。李昀烛的做法是先在真实环境中采集随机交互数据，再把相同动作在仿真环境中复现回放，分别收集两组触觉数据绘制直方图，标定目标就是对齐这两组分布。他强调：仿真与真实对齐得越精确，仿真中需要做的随机化就越少，sim-to-real迁移也会越精准。同样的框架已在实验室双臂装配任务和英伟达人形机器人上进行了验证。

在真实数据规模化方面，FlexiTac补上了UMI手持遥操作设备的一个短板。原版UMI只会记录精准的位姿跟踪信息，并不会存储设备内部机械弹簧给人类操作者提供的触觉反馈。接入FlexiTac后，可以间接把人类操作者感受到的触觉反馈记录为传感器输出信号，使采集到的数据同时包含视觉和触觉信息且时间同步。

开源约一年半以来，FlexiTac已在学术界与工业界获得广泛采用，衍生出多模态策略、可变形世界模型、四足移动-操纵、VLA触觉反馈等多方向工作。与普渡大学合作的多指灵巧操纵工作VTAP Gripper入围了本次IROS最佳论文奖。亚德诺半导体（Analog Devices）正在推进其商业化版本，该版本触觉分辨率达到人类手指的五倍，基于半导体制造工艺量产。

不过，李昀烛也坦承FlexiTac只是众多触觉方案中的一种，整个领域至今未形成统一标准。在问答环节中，他确认压阻材料本身并不能直接测得剪切力，只有在空间分辨率和时间分辨率足够高时才能对剪切力做近似估计。这意味着对于需要精确切向力判断的操作任务，当前版本的FlexiTac仍有固有局限。

李昀烛将这项工作的目标概括为「让触觉感知大众化」：从一套已经发展数十年的简易传感机理出发，把传感器推广给更多研究者，通过仿真和真实物理环境两条路径把触觉感知的规模做大。

日本电子元件制造商村田制作所（Murata Manufacturing）于2026年10月30日在第二财季财报说明会上宣布，为满足人工智能数据中心等领域的需求，计划在2026至2030财年期间向积层陶瓷电容（MLCC）业务投资约1万亿日元。公司社长中岛规巨表示，这是自创业以来最大的机会。

根据计划，村田将把2027和2028财年的MLCC生产能力年均增长率从原先的约10%提升至约20%，并在2030财年前将总产能提高约60%。这1万亿日元的投资中，约3500亿用于厂房建设，约6500亿用于生产设备。目前，村田在全球MLCC市场占据约40%的份额。

此次扩产主要面向AI服务器、光通信等IT基础设施领域的高容量、小型化及高耐压MLCC产品。中岛规巨指出，尽管AI数据中心需求可能在2030年左右趋于平稳，但随后人形机器人、自动驾驶汽车和无人机等边缘设备的普及将继续推动市场增长，因此巨额投资的长期风险可控。

同日公布的财报显示，村田制作所2026年4月至9月的销售额为1.0907万亿日元，同比增长20.8%；净利润为1861亿日元，同比增长40.6%。公司将2027财年（截至2027年3月）的全年销售预期上调至2.26万亿日元，净利润预期上调至3960亿日元。

英特尔位于以色列Kiryat Gat附近的Fab 28工厂在本月中旬发生致命爆炸，导致两名工人死亡、一人重伤，并迫使整个设施停产两周。英特尔首席财务官David Zinsner在财报电话会议上表示，公司预计将于本周五恢复生产，但此次中断将导致约6亿美元的收入损失，主要分布在2026年第四季度和2027年第一季度。

Fab 28是英特尔生产10纳米级（包括Intel 7工艺）芯片的关键设施之一。尽管最新的Xeon 6处理器计算核心采用Intel 3工艺，但其I/O裸片仍依赖Intel 7工艺制造。此外，英特尔仍在销售基于Intel 7工艺的上一代Xeon 5 Emerald Rapids和Xeon 4 Sapphire Rapids处理器。Zinsner指出，此次中断主要影响10纳米级服务器产品，预计将使第四季度的非GAAP毛利率下降约2%。

虽然英特尔在美国亚利桑那州等地拥有其他具备10纳米产能的工厂（如Fab 12、Fab 22等），但由于当前服务器处理器需求强劲，公司无法完全通过调整其他工厂的产量来弥补Fab 28的缺口。部分产品线可能因缺乏特定的制造资格认证或转移成本过高而无法迅速替代。除了停产造成的直接损失外，正在加工中的晶圆也可能报废，大部分核销预计将在2026年第四季度完成。

网络安全公司Calif创始人Thai Duong在2026年10月底的一次播客访谈中提出了一个听起来简单但后果深远的判断：如果你训练一个AI擅长写代码，你就同时训练了一个擅长黑客的AI。这不是一个可以修复的bug，而是能力的结构性质。

Duong的推理链条如下。AI公司靠卖token赚钱，而当前token的最大用途是编程。一个真正擅长编程的AI必须能理解代码、理解技术系统、能调试、能控制计算机——而Duong认为，这就是黑客的定义。你不可能既让AI在编程上达到商业所需的水平，又让它对系统漏洞视而不见。

这个判断有具体的工作证据支撑。Duong在Google工作了十二年，负责在Chrome等产品发布前进行安全测试。他和整个行业都假设Chrome的安全投入已经产生了效果——不仅有漏洞消除，还有缓解措施使漏洞难以被利用。但当他们把AI指向Chrome时，发现了大约一千个漏洞，是预期的十倍。Duong说这让他非常意外：要么安全工程师的能力不足，要么代码量太大而人工审计根本覆盖不完。

相比之下，PHP漏洞的发现过程说明了AI在不同环节的角色差异。Calif通过OpenAI的Patch the Planet项目获得资金和token，工程师Ryan Osteen在7月30日启动后一两天就找到了第一个漏洞。但真正让事情变得紧急的不是发现漏洞本身——PHP基金会早在2024年就发现了同一个漏洞，只是因为修复代价太大且当时没有公开的利用方法而选择不修。AI的关键贡献在于开发利用代码：工程师告诉AI如何利用思路的设计方向，AI在一天内就产出了可工作的exploit，证明了远程攻击者无需任何专业知识就能入侵网站。

Duong还描述了一个正在崩塌的时间窗口。过去，从补丁发布到攻击者开发出可用的exploit通常需要数周甚至数月，用户有充裕时间升级。现在，开源项目的修复在GitHub上公开的那一刻，信息就已经暴露。攻击者可以监控仓库，用AI在几小时内将补丁转化为exploit。Duong称之为'负一天漏洞'——补丁还没到用户手里，exploit已经准备好了。

关于攻击速度的变化，Duong补充了一个银行客户的案例。Calif团队进入客户网络后，通常需要约一个月才能横向渗透整个系统。而攻击者的AI在周一进入网络，周二就已经无处不在。Duong形容这像癌症以机器速度扩散，现有的检测体系完全跟不上——你检测到了入侵，但系统里已经有一百个攻击点，而关闭系统对银行来说不是选项。

工程师Bruce Dang从另一个角度展示了AI对黑客工作的改变。他写了一本关于逆向工程的教科书，与朋友花了很长时间完成。但九个月前，那本书的内容已经过时——现在只需要一两个提示词，AI就能生成同样的内容，甚至更好。Dang还提到一位朋友花了五美元用开源模型就逆向工程了打印机固件并成功入侵，而以前这需要数月时间。

关于未来，Duong用了一个来自国际象棋史的类比。1997年IBM深蓝击败卡斯帕罗夫后，由于深蓝是大型机，普通电脑跑不了，此后十年间最强的棋手是'半人马棋手'——人类与电脑的组合。而AlphaGo在2016年击败李世石后，仅用三年，纯软件就超越了所有人机组合。Duong认为网络安全正处于'半人马黑客'时代：最强的黑客是AI加上人类专家的组合，但这个窗口期可能只有三个月到三年。他不确定这个判断，但认为应该按较短的时间来准备。

这个论证的边界在于：它描述的是当前AI能力水平下的结构性约束，而非永恒真理。Duong自己承认，如果AI公司放弃编程业务转向科学发现或物理AI，理论上可以训练出不擅长黑客的模型。但这也意味着放弃当前最大的收入来源。形式化验证在理论上可以证明软件安全，但Dang指出它目前只能用于小型组件，无法应用于浏览器这样的数十亿行代码系统。Duong补充了一个更根本的约束：软件之所以能统治世界，恰恰因为它随时可以被修改；要求软件不再频繁变更，等于要求科技公司放弃其核心竞争优势。

在防御前景上，Dang表达了有条件的乐观：也许可以，AI最终能帮助构建更安全的系统，但他承认自己可能过于乐观。Duong则更为直接：当前阶段AI对攻击者的帮助大于对防御者的帮助，防御者需要时间来追赶。他们不认为存在'修好沙箱就安全了'的简单方案，也不认为可以训练出一个只编码不黑客的模型。防御的出路在于重新设计系统架构，而非在现有架构上打补丁。

加拿大大模型独角兽Cohere于10月29日宣布完成E轮融资的首次交割。本轮融资目标金额最高为70亿加元（约合人民币334亿元）。Cohere在官方X账号上表示，若最终达到这一募资目标，该笔交易将成为加拿大初创企业历史上规模最大的单轮私募融资。

本轮融资由德国零售巨头施瓦茨集团（Schwarz Group）领投，英伟达（Nvidia）、沙特阿美旗下Prosperity7 Ventures等现有股东继续参投，加拿大政府也作为新投资者加入。据披露，Cohere去年9月的估值约为98亿加元。若此次融资全额到位，其估值预计将达到357亿加元，一年内增长至原来的3.6倍。

除了资金注入，Cohere还公布了一系列旨在扩大业务边界的战略动作。公司计划在一年内推进两项AI公司并购：一是与美国AI网络安全初创企业AISLE签署收购意向书，利用其技术推出面向企业网络安全的产品Cohere Cyber，帮助企业自动发现、验证和修复软件漏洞；二是与德国AI公司Aleph Alpha签署合并协议，整合双方的模型研发能力及欧洲政府、企业客户资源。目前这两项交易均尚未完成。

此外，根据加拿大总理办公室10月29日公布的协议，加拿大政府拟分阶段出资最多16亿加元（约合人民币76亿元）入股Cohere。作为投资条件，Cohere承诺在2030年前新增至少1000个加拿大技术岗位，并投资至少17亿加元建设当地算力设施，同时保留其在加拿大的总部及注册地。

Cohere成立于2019年，主要为企业和政府提供可私有化部署的大模型、AI智能体及搜索工具。截至今年第三季度末，该公司披露其年度经常性收入（ARR）同比增长165%，全球客户数量在过去一年增长至原来的20倍，达到300家。此次融资和并购计划显示，Cohere正试图从单纯的模型提供商转型为涵盖网络安全、欧洲市场及本土算力的综合企业AI解决方案供应商。

灵巧手行业去年公开可查的出货量约两万只，但伯牙智能创始人刘欣观察到，其中大部分灵巧手的归宿是跟着人形机器人表演几场，然后被搁在角落里。在他看来，当前产品呈两级分化：低自由度的灵巧手便宜耐用，几千块钱就能买到，但操作能力非常有限，主要用来给人形机器人做表演；高自由度的产品操作能力更好，主流价格都在十万元以上，但使用寿命可能只有一两周，或者最多到一两个月，买回来供着不敢用，用一星期到两三个月就坏了。

刘欣认为行业需要开辟「第三个市场」：以可接受的成本，将科研级操作能力带入实际应用，解决过去自动化设备处理不了的问题。他举了一个具体例子——深圳周边有些小工厂生产完零件后需要在高倍数电子显微镜下检查，零件每个面都要翻一下，这种任务传统夹爪肯定做不了。但这样的产品今天依然不存在，市面上最先进、最高端的灵巧手能力都和人手差得非常远。

支撑这一判断的技术前提是灵巧手设计中的核心矛盾：它需要在极其有限的空间里塞进机械结构、电机、电路和传感器，同时还要保证足够的力量和功率密度。手指做得越细，结构强度和承载能力就越容易受到限制，关节连接处可能只承受几百克到一公斤左右的力，持续使用一周就出现断裂。手要做得小，齿轮模数就要小，齿就越小，对加工精度要求越高，以今天的材料和工艺水平很容易出现磨损、变形甚至断裂。人的大拇指有十公斤的力，而今天灵巧手大拇指主流的标称力只有一公斤，比较高的两公斤，但标称力和实际能施加的力还有偏差。

刘欣由此提出了一个与行业主流不同的时间判断：模型可能先于硬件触及能力拐点。他认为以AI和模型现在的迭代速度，可能会更早迎来一个能力拐点，届时大家会发现模型已经很厉害了，但找不到一个足够可靠的硬件来承接它的能力。他提到最近行业里比较受关注的一件事是GPT-6已经可以操作灵巧手，这说明大模型在预训练阶段积累的常识和认知能力正在向物理世界延伸。到最后，拖后腿的可能是身体，而不是思想。

在技术路线上，刘欣认为当前头部直驱灵巧手已经接近物理极限，未来一两年到两三年内很难实现大幅提升，而绳驱为主的技术架构还有很大的性能提升空间。他的类比是生物进化：人类手指轻轻捏一下主要靠蚓状肌、掌内肌这些小肌肉完成精细控制，用力提拉东西真正发力的是手臂肌肉——生物要兼顾力量和灵巧，通常需要把两者分开，越靠近末端结构越纤细有利于精细控制，越靠近根部肌肉越粗壮适合提供力量。伯牙的首款灵巧手高山S1有二十二个自由度，采用以绳驱为主、齿轮直驱加丝杠连杆为辅的混合驱动，刘欣称他们是全球第一家做绳驱加丝杠并联手腕构型的灵巧手公司。

需要指出的是，以上判断均来自伯牙智能创始人刘欣的访谈自述。出货量两万只是他引述的公开数据，「表演完就吃灰」是其个人观察；「全球第一家」为公司自述声明，未经第三方独立验证；绳驱将后来居上、直驱已接近物理极限等判断，目前缺乏可对照的公开测试数据。刘欣同时承认，现阶段行业最重要的还不是可靠性，至少要争取做到三个月到半年的耐用性，目前行业主流保修期可能是六个月，敢承诺一年以上的很少，而这六个月的保修很多时候是靠提前准备一大笔备用金来支撑的。

电信行业长期被戏称为数字基础设施中的'管道工'——为云计算和AI提供连接，却难以在价值链上占据更高位置。随着生成式AI和智能体AI进入日常使用，边缘AI推理被视为一个可能改变这一定位的新机会。但'边缘'并非一个单一地点，而是一个从超大规模数据中心到手机终端的基础设施梯度，不同层级的经济可行性差异巨大。

EnterpriseWeb首席执行官David Duggal将这一区分称为'电信边缘'与'客户边缘'的混淆。前者指无线基站塔、接入点和网络邻近设施；后者可能位于企业园区、工厂或仓库。这一区分之所以关键，是因为在基站塔上部署高性能AI推理远比在城域级设施中困难得多。Duggal指出：GPU需要大量电力，更多电力意味着更多热量，更多热量意味着更多支撑基础设施——这是一个Catch-22。

相比之下，城域边缘——包括中心局、区域汇聚枢纽和其他由大型电信运营商或中立托管方运营的设施——可以支持数百个节点，汇聚来自云端和远端的数据流，并为高密度GPU部署提供更实际的环境。美国电信运营商还持有一项较少被讨论的资产：房地产。中心局、网络机房和传统交换设施可能看起来不像AI基础设施的未来，但许多可以成为边缘推理的有用站点，尤其是在社区阻力使大型新建数据中心开发日益困难的背景下。

Akamai云技术集团产品高级副总裁Jon Alexander从工作负载角度补充了这一判断。他认为物理AI（工厂和机器人场景）是当今延迟最敏感的用例之一，'你不可能等10秒把数据传到地球另一端再回来，工厂里的一切都会停摆。'但对于不需要即时设备端干预的更广泛商业AI工作负载，城域级边缘基础设施可能提供性能与成本的最佳平衡。他的具体判据是：如果GPU驱动的城域节点能实现5至10毫秒的响应时间，'这对今天存在的几乎每一种计算体验都很好，意味着良好的利用率和良好的经济性。'

IDC云与数据中心高级研究经理Luis Fernandes则对'延迟驱动边缘部署'这一流行叙事提出了提醒。IDC与欧盟委员会合作的'Edge Observatory for the Digital Decade'项目研究发现，虽然延迟在非常具体的案例和地区中确实是一个问题，但在大多数情况下它并非边缘部署的主要驱动因素。'工作负载类型是一个决定性因素，'Fernandes说。实时工作负载需要由本地上下文和时序塑造的即时响应；分析型工作负载往往不需要，数据可以在边缘进行暂存或预处理后再回传至中心。

这一发现的实际后果是：对企业买家和运营商而言，关键问题不是'延迟能压到多低'，而是'哪些工作负载真正受益于被放置在靠近行动发生点的位置'。对于电信运营商来说，这意味着城域级汇聚设施——而非每一个基站塔——才是近期可操作的边缘AI落点。

TIA数据中心项目负责人Mike Peterson从标准制定角度描述了另一层约束：'边缘数据中心，从我们的视角看，是一个可以在工厂中创建、然后作为现有设施附属物放置在某个地点的完全封装数据中心。'这种标准化之所以重要，是因为AI基础设施正在改变物理设计假设——高密度GPU集群对布线、互连设计、电力分配和散热提出了非凡需求。Peterson说：'当你看看一些较新的AI数据中心设计，比如一个Nvidia pod里有多少线缆，那是令人瞠目的。'

不过，Fernandes也提醒不要过度乐观。'合格资源目前严重短缺，预算正被更炫目的项目分配，AI-RAN对少数人来说仍是一个副业项目。'他承认AI-RAN对电信运营商有近期价值——改善网络性能、降低成本、推动运营效率——但这并不等同于第三方面向边缘推理的变现。电信运营商能否从'管道工'升级为'AI经纪人'或'AI即服务'提供商，答案仍然开放。

对投资者和运营商而言，本文提供的可操作判据是：区分城域边缘与远端边缘的经济可行性。城域设施已具备电力、光纤和空间条件，是近期GPU推理部署的实际落点；基站塔上的AI推理面临功耗散热的结构性Catch-22，短期内难以规模化。这一区分不意味着边缘AI的商业模式已经成熟，但它将'在哪里部署'从一个模糊方向变成了一个有具体技术约束支撑的选择。

美国企业软件巨头Salesforce于2026年10月29日宣布，已签署最终协议收购国防AI初创公司Rune Technologies。Salesforce Missionforce与政府云总裁兼首席执行官Kendall Collins称，这是该公司在国家安全领域“最重大的收购”。此次收购是Salesforce在10月内的第三起并购案，前两项分别针对分析平台Loops和客户互动平台Braze。

Rune Technologies由David Tuttle和Peter Goldsborough于2024年创立，两人均出身于国防科技公司Anduril的指挥控制部门。Rune的核心产品TyrOS是一个战术边缘后勤超级智能（SI）平台，专门用于在拒止、降级、间歇或受限连接（DDIL）的环境中运作。该平台已在美军陆军和海军陆战队部署，能够连接企业系统数据与实时作战数据，帮助前线部队在断网情况下预测补给需求、优化资源分配并建议运输路线，待网络恢复后自动同步。

Salesforce将Rune纳入其军政业务Missionforce组合，旨在构建从总部到战略规划再到作战边缘的三层架构。目前，Missionforce已成为美军及盟军前两层（企业和战略规划层）的记录系统。通过收购Rune，Salesforce试图填补最后一环，使前线部队的决策能直接融入企业记录系统。这一策略背景是美国国防部自2025年3月起推动软件采购优先走商用管道，且Salesforce此前已获得一份为期10年、上限为56亿美元的美国陆军合同。

尽管Salesforce未公布具体收购金额，但此举反映了传统SaaS公司在面对AI原生解决方案竞争时的防御性扩张。据Reuters报道，Salesforce今年早些时候以36亿美元收购了AI代理平台Fin，去年则以80亿美元收购Informatica。投资人担忧AI普及可能侵蚀传统软件需求，而Salesforce正通过密集并购特定AI能力来应对这一风险。

韩国文档AI初创公司KDL（한국딥러닝）与IBK企业银行（韩国政策性商业银行）合作完成了针对电话诈骗受害者救济业务的AI代理概念验证（PoC）。据Platum报道，该测试于2026年4月至8月进行，结果显示文件处理时间减少了88%。

传统流程中，银行员工需手动检查通过传真接收的受害者救济申请书和身份证复印件等文件，并输入系统，这一过程耗时较长，影响了冻结支付等紧急措施的响应速度。KDL开发的“DEEP Agent for Finance”基于视觉语言模型（VLM），不仅能读取文字，还能理解文档上下文，自动分类文件、提取信息并推断犯罪类型。

根据KDL提供的数据，该系统对印刷体文字的识别准确率为100%，对手写文字的识别准确率超过97%，且能处理传统AI-OCR难以识别的低质量身份证件和混合手写申请表。相比现有AI-OCR，其准确率最高提升了20.4个百分点。系统采用置信度评分机制，高置信度结果自动处理，低置信度结果转交人工审核，最终判断权保留给银行员工。

该项目在韩国财政经济部和科学技术信息通信部主办的“2026公共机构AI创新挑战”中获得PoC部门优秀奖。IBK企业银行计划在2027年上半年将该系统应用于实际业务。KDL表示将把此解决方案扩展至其他金融机构和公共机构。