Forrester
PulseAugur coverage of Forrester — every cluster mentioning Forrester across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
Forrester to release new 'GEO' strategy guidance for enterprise AI buyers within 30 days
Given Forrester's recent focus on AI tools leading enterprise buyer research and the emergence of 'GEO' strategies, it's plausible they will soon publish formal guidance or reports on this topic. This would help enterprises adapt to buyers using AI for research and vendor selection.
Forrester's 'AI restructuring regret' report may signal shift in enterprise AI adoption
Forrester's recent report indicating 55% of employers regret AI restructuring suggests a potential slowdown or re-evaluation of AI-driven workforce changes. This could mean a decrease in aggressive AI-related job cuts and a move towards more cautious, integrated AI implementation strategies in the enterprise.
OpenAI's market position may be challenged by new AI agent governance frameworks within 90 days
Forrester's warning about OpenAI's potential decline, coupled with reports of autonomous AI agents outpacing governance, suggests a growing market concern. Companies may start demanding more robust governance from AI providers, potentially impacting OpenAI's dominance if they don't adapt quickly.
-
Forrester预测2027年前将出现AI法庭诉讼和全球性中断
Forrester Research预测，到2027年，人工智能将面临重大颠覆，包括潜在的法庭诉讼和广泛的全球性中断。这些事件可能导致首席执行官承担严重后果。
-
AI数据中心因现场发电面临污染罚款
数据中心越来越多地安装现场发电设施以规避电网限制，但这种做法带来了新的环境合规问题。新泽西州最近的一项107万美元的罚款凸显了风险，一家AI数据中心运营商因未获得必要许可而运行天然气发电机被罚款。专家指出，虽然现场发电可以缓解电网压力，但也会带来局部的空气污染和噪音问题，需要进行比仅考虑电力需求更广泛的环境评估。
-
由于运营障碍，AI智能体试点项目失败率高达89% · 跟踪1个来源
大多数企业AI智能体试点项目未能完全部署，原因在于运营挑战而非模型限制。正在进行智能体试点项目的公司比例很高，但成功扩展这些项目的公司比例却很低，两者之间存在显著差距。主要障碍包括范围蔓延、对实时系统的数据访问不足、缺乏自动化评估框架、所有权不明确、规模化成本膨胀以及安全问题。
-
存储密度成为AI驱动数据中心增长的关键指标
数据中心运营商正面临日益增长的工作负载压力，特别是由AI驱动的工作负载，其增长速度已超过可用空间、电力和预算。存储密度正成为管理这些限制的关键指标，影响成本、能耗和物理占地面积。虽然每TB成本曾是主要的评估指标，但随着更高容量驱动器可以减少所需的物理系统数量，从而降低电力、冷却和维护成本，人们的关注点正转向存储密度。这种对密度的关注对于旨在从数据中提取更多价值的组织至关重要，而数据日益被视为AI开发和业务成功的关键资产。
-
主权人工智能从数据主权演变为业务韧性
Forrester的一份新报告表明，“主权人工智能”的概念正在从数据主权问题演变为业务韧性和运营控制问题。研究强调，各行各业的组织，而不仅仅是公共部门，正日益优先考虑对其人工智能依赖的控制，以减轻地缘政治风险和潜在的中断。这种转变强调了即使依赖全球技术提供商，也要通过了解关键工作负载和潜在供应商漏洞来维持业务连续性。
-
体验智能：结合客户言行以获得更深入的洞察
组织正越来越多地超越传统调查来理解客户行为，这一转变被称为“体验智能”。这种方法将客户明确陈述的内容与其隐含的行为和运营数据相结合。通过整合客户关系管理历史、数字行为、通话记录和社交聆听等来源，公司可以更深入地了解客户意图以及其行为背后的“原因”。正如 Forrester 的 Total Experience 排名所强调的那样，这种整体视角对于兑现一致的品牌承诺和赢得客户信任至关重要。
-
Gartner：2026年45%的B2B买家使用生成式AI进行研究
Gartner的一份最新报告显示，2026年将有45%的B2B买家在购买决策中利用生成式AI，主要用于研究供应商和产品。尽管买家平均会参考七种信息来源，但在决策后期，他们仍然倾向于与销售代表核实AI生成的研究结果。Forrester的研究强调，许多B2B组织难以将AI的设想和概念验证转化为可衡量的业务成果，原因是缺乏基于业务价值、影响、可行性和战略一致性的明确优先级。
-
苹果AI Siri初露锋芒，但留存用户遇挑战
苹果公司在iOS 27 beta版中测试的新AI驱动Siri，在上下文理解和检索用户设备信息方面有了显著提升。尽管功能增强，但作者发现个人使用逐渐减少，又回到了手动操作和使用Anthropic的Claude等现有聊天机器人。然而，分析人士认为，苹果在数据隐私方面已建立的消费者信任，很可能确保其在普通iPhone用户中的广泛采用，即使是重度用户可能不会完全接受。
-
AWS 在 Forrester 报告中被评为 AI 基础设施领导者
Amazon Web Services (AWS) 在 Forrester Wave：AI 基础设施解决方案，2025 年第四季度报告中被评为领导者。该评估认可了 AWS 在战略类别中的强劲表现，在当前产品和战略的 16 项标准中获得了最高分。AWS 的 AI 基础设施方法通过 AWS Inferentia、AWS Trainium 和 NVIDIA GPUs 等选项强调客户选择，旨在实现成本效益和灵活性。
-
Z世代因裁员、失信和薪酬差距而失去对商业的信任
越来越多的年轻员工因认为美国企业失信和存在不公平做法而对其失去信心。裁员频繁且常无遣散费，健康保险也可能被突然取消。许多员工对缺乏绩效依据的返岗办公要求感到受骗，并认为人工智能被用作计划裁员的替罪羊。这种信任的侵蚀，加上CEO与普通员工之间日益扩大的薪酬差距，正促使一代人质疑资本主义制度并寻求替代方案，相当一部分人现在对社会主义持好感。
-
雇主后悔 AI 裁员，计划在新的欧盟法规下撤销裁员
Forrester 的一份报告显示，55% 的雇主后悔近期因采用 AI 而进行的裁员。该研究公司预计，大约一半的 AI 相关裁员将被撤销，职位可能会被转移到海外或以较低的薪酬提供。此外，一项新的欧盟指令将强制要求在 AI 驱动的裁员前与员工进行事先协商，并对不合规行为处以罚款。
-
亚马逊将无人机配送扩展至美国近500个城市
亚马逊正在大幅扩展其无人机配送服务，目标是在年底前覆盖全国近500个城市。此次扩展将使更多客户能够在30分钟内收到重达五磅的包裹。此举加剧了与Walmart和DoorDash等竞争对手的竞争，因为亚马逊寻求将其无人机配送整合到其更广泛的物流战略中，尽管在监管、噪音和运营经济性方面仍存在挑战。
-
消费者对 AI 购物的信任度仍然很低，尤其是对于昂贵的商品
消费者不愿信任 AI 来做重要的购买决定，主要是因为担心收到糟糕的推荐和过度消费。一项调查表明，大多数购物者只会在 25 美元以下且无需自己研究的情况下让 AI 购买，随着价格的上涨，信任度会迅速下降。这种犹豫源于对经济损失的心理厌恶以及对不透明的“黑箱”算法的不信任，即使 AI 提供了自信的回答。提高 AI 数据来源和推理过程的透明度被认为是建立消费者对代理式商业信任的关键因素。
-
Google DeepMind 发布 Gemini Robotics 2，旨在实现物理通用人工智能
Google DeepMind 发布了 Gemini Robotics 2，这是一个具身于人形机器人中的视觉-语言-动作模型，旨在实现能够执行任何人类任务的“物理通用人工智能”。该系统集成了多个AI模型，用于智能全身控制，使机器人能够感知、推理和协调运动，甚至与其他机器人协作。尽管演示显示机器人能够完成打垃圾袋等任务，但重大的安全障碍和实际部署挑战依然存在。分析人士认为，广泛的人机协作仍是愿景，初步价值可能体现在工厂等受控环境中。
-
研究表明，产品团队应优先考虑用户反馈而非功能产出
产品团队常常专注于交付更多功能，但研究表明，尽管产出增加，用户满意度却在下降。一项关键发现表明，关于用户界面难用的抱怨远比功能请求更普遍。然而，最好的产品团队通过将客户反馈直接整合到决策过程中，利用它来规范产品路线图，并确保每项内容都根据明确的质量标准进行评估，从而优先考虑客户反馈。
-
IDC全球基础模型评估将阿里云列为领导者 · 跟踪1个来源
阿里云在IDC最新的《2026年全球基础模型软件供应商评估》报告中被评为领导者。报告重点介绍了阿里云的Qwen模型家族和AI平台，将其与Google、Anthropic、OpenAI和Amazon等全球科技巨头一同列入“领导者”象限。IDC指出，阿里云在模型开发、服务提供以及强大的AI应用工具链方面的综合能力是其关键的差异化优势。该公司在中国大模型训练和推理公有云市场占据显著的市场份额，并拥有广泛的开源贡献，进一步巩固了其地位。
-
供应商就“智能体开发生命周期”的定义展开争论
“智能体开发生命周期”（ADLC）这一概念的出现，是为了应对人工智能系统带来的独特挑战，这些挑战打破了传统的软件开发假设。然而，关于其定义、结构和必要性，供应商和分析师之间存在显著分歧。尽管由于人工智能不可预测的行为和快速的演变，人们认识到需要一种新的方法，但不同的公司却不一致地将 ADLC 一词应用于他们现有的或略有修改的流程。
-
中国AI芯片进展引发全球股市动荡 · 跟踪1个来源
上周，由于中国人工智能芯片行业的发展，全球股市经历了显著波动。中国内存芯片制造商CXMT在上海股市首次亮相，市值大幅飙升，以及中国正在开发自己的深紫外光刻工具的报道，最初引发了人工智能相关股票的全球抛售，尤其影响了SK Hynix和Samsung Electronics等半导体公司。虽然CXMT的DRAM芯片被认为是Nvidia等GPU制造商的补充而非竞争对手，但中国在光刻工具方面取得的潜在进展对ASML的垄断和西方芯片制造商的主导地…
-
新的ShieldFont可保护开源AI免受数据抓取 · 跟踪1个来源
一款名为ShieldFont的新字体已发布，旨在保护开源AI模型免遭专有系统抓取。该字体在文本中嵌入了细微的、不可见的数据，可用于识别和标记使用其训练的AI模型生成的内容。目标是阻止未经授权使用开源数据来训练商业AI产品。
-
Microsoft 推出更便宜的 AI 网络安全模型，以抗衡 Mythos、GPT 5.6
Microsoft 推出了一款新的网络安全 AI 模型 MAI-Cyber-1-Flash，旨在比 Anthropic 和 OpenAI 的竞争系统更具成本效益。据报道，该模型在一个关键基准测试中表现优于 Anthropic 的 Mythos 和 OpenAI 的 GPT-5.6 等竞争对手。MAI-Cyber-1-Flash 通过智能地将安全漏洞识别请求路由到各种 OpenAI 模型来运行，旨在降低企业的成本，同时提供广泛的可访问性…