简介：Zoom 中的 AI

适用于 Zoom Workplace、网络研讨会和活动的 Zoom AI 白皮书简介

人工智能正在迅速演进，并逐渐成为日常生活中不可或缺的一部分，驱动着从大型和小型语言模型到专门的算法功能/特性的一切。生成式 AI 让人与机器之间能够在内容创作、问题解决和决策制定方面实现无缝交互，而 AI 也存在于更专门的应用中。自动化工具可简化工作流程，而字幕和翻译等服务则打破沟通障碍，使协作更高效、更易获取。随着 AI 持续进步，其应用正在通过提升效率、准确性和创新推动行业变革，从根本上重塑企业的运作方式。

鉴于 AI 在现代工作场所中日益重要，本文档将说明 AI 如何在 Zoom 平台上使用。它介绍了 Zoom 的共享 AI 基础、内置于不同 Zoom 产品中的各项产品特定 AI 功能/特性，以及作为更广泛 AI 工作界面、帮助用户从对话走向完成的 ZoomMate。以上各部分旨在帮助读者理解 Zoom 如何在通信、协作、生产力以及后续跟进中使用 AI。

Zoom AI

Zoom AI 是共享的人工智能层，为 Zoom 平台上的 AI 支持体验提供动力。它包含 Zoom 用于在其各产品中交付智能功能/特性的更广泛 AI 技术、模型和支撑系统。就实践而言，Zoom AI 是使 Zoom 能够在通信、协作、生产力和后续跟进中提供 AI 辅助体验的基础，而不是把 AI 限定为某个单独的功能/特性或应用程序。

这一共享 AI 层既支持 ZoomMate，也支持范围广泛的产品特定能力，包括实时翻译、转写、会议内问题、个人音频隔离、聊天撰写以及其他 AI 辅助体验等功能/特性。它包含 Zoom 的多模型和多部署 AI 方法，包括其联邦式架构、Zoom-Hosted Models Plus（ZM+）、Zoom-Hosted Models Only（ZMO）以及本地部署 AI 方案。上述方法共同构成了 Zoom 平台上 AI 的技术基础。

AI 功能/特性

AI 功能/特性：可在 Zoom 各产品中提供聚焦协助的嵌入式 AI 能力

Zoom AI 功能/特性是特定产品中的能力，它们在特定的 Zoom 产品和工作流中使用人工智能，并且通常会直接嵌入到任务发生的产品体验中。它们旨在帮助完成诸如总结会议、起草聊天消息、建议电子邮件回复、在实时会议中回答问题，或生成呼叫后的回顾等具体活动。

这些功能/特性可以在它们所出现的产品内独立运行，但也可以生成支持更广泛 ZoomMate 体验的输出。例如，在 Zoom 会议结束后创建的 会议摘要，之后可能会成为 ZoomMate 的有用上下文，而像聊天撰写或会议内问题这样的功能/特性则主要用于帮助完成当下的产品体验。通过这种方式，Zoom AI 功能/特性构成了 Zoom 中分布式的、产品级的 AI 层。

示例包括 Meetings、聊天、白板、活动、邮件、日历和电话等领域的功能/特性，例如会议摘要、会议内问题、转写、我的笔记、聊天撰写、聊天总结、频道摘要、翻译、电子邮件起草和回复、安排协助、呼叫摘要、语音信箱功能/特性以及任务提取。

ZoomMate

ZoomMate：您的智能 Workplace 队友，帮助您从对话到完成实现更多成果

ZoomMate 是 Zoom Workplace 平台核心的一位智能、对话式数字队友，旨在提升生产力、简化协作并减轻员工工作负担。

每天，AI 工具正越来越多地融入现代劳动力，且不再局限于执行特定任务——例如自动化数据录入、起草电子邮件、生成报告或执行基本算法功能/特性。相反，新兴 AI 工具代表着一种变革性转变，从根本上改变了我们的工作方式。ZoomMate 就是这一点的典范；它超越简单的任务自动化，作为一名专属队友，帮助用户从对话到完成实现更多成果。

例如，设想一位销售负责人正在为一次高风险客户会议做准备。工作可能始于最近的一次 Zoom 会议，团队在会上讨论了客户的优先事项、竞争风险以及尚未解决的技术问题。基于那次对话，Zoom 的 AI 功能/特性可以生成会议摘要、识别待办事项，并展示分配给不同团队成员的后续职责。随后，用户可以转而使用 ZoomMate 在此基础上继续推进，而不必在另一个工具中重新开始。

利用来自 Zoom Workplace 和连接系统的上下文，ZoomMate 可以收集会议摘要、查看相关聊天讨论、引用 Zoom Canvas 中的支持材料、从已连接的 CRM 中提取账户上下文，并整合来自经批准的内部或外部来源的额外研究。基于这些组合上下文，ZoomMate 可以帮助生成客户简报、起草提案大纲、创建后续任务并生成结构化的策略文档。如果用户需要显示这项工作，ZoomMate 还可以帮助使用 Zoom Slides 将同一基础上下文转化为演示材料。

ZoomMate 有别于传统的生成式 AI 助手之处在于，工作并不会止步于总结或起草。ZoomMate 能够帮助在整个流程中延续上下文，从最初的对话，到已作出的决策，再到随后产生的文档和行动。在这个意义上，ZoomMate 与其说像一个单一用途工具，不如说更像一位工作场所队友，帮助用户连接信息、协调后续执行，并将进行中的工作转化为最终成果。

接口协议

在进入更详细的功能/特性和数据流之前，了解一些支撑 Zoom AI 能力的底层协议会很有帮助。本节解释模型上下文协议（MCP），这是帮助 AI 连接工具、数据、工作流和其他代理的领先互操作性标准之一。

模型上下文协议

模型上下文协议（MCP）：用于将 AI 正在连接到工具以实现更多成果的标准

作为其 AI 架构的一部分，Zoom 使用模型上下文协议（MCP）——一种开放标准，可在模型、工具、数据源和工作流之间建立安全连接。MCP 通过取代每家公司都必须单独构建和维护的一次性集成，在推动代理式 AI 方面发挥关键作用。相反，它提供了一个共享的、结构化的框架，以一致的方式向 AI 模型暴露能力。这个基础使 AI 系统更像智能代理那样行动——不仅回答问题，还能直接在用户依赖的系统中采取行动。

有关更多信息，请参阅 Zoom 的开发者文档中的 Zoom 中的 MCP.

MCP 在实践中的工作方式——就像按菜单点餐

从核心上看，MCP 建立在客户端–服务器模型之上。可以把 AI 环境（如 ChatGPT 或 Claude）看作想要完成工作的客户端，把外部系统（如 Jira、Confluence 或数据库）看作发布其可执行内容的服务器。每个服务器都会提供一份清晰的函数清单——例如“搜索知识库”或“创建任务”。随后，AI 客户端会在对话过程中决定何时以及如何使用这些函数。

换句话说，将 AI 与 MCP 服务器正在连接起来，就像在餐厅点餐一样。你（AI）走进一家餐厅，拿到一份菜单（即 MCP 服务器可提供的服务或功能/特性清单），然后你（AI）告诉它你想要什么，它便作出响应。无需猜测哪些可用、哪些不可用——菜单中会预先列出一切。

以下各节将提供 MCP 工作方式的更多细节：

步骤 1：通过服务器公开能力

任何系统都可以运行 MCP 服务器。该服务器充当“菜单”，发布其支持的操作的结构化说明。例如，Jira 可能会发布“搜索问题”或“更新工单”等函数。由于这些函数遵循 MCP 的共享格式，AI 无需定制工程即可立即理解它们。

步骤 2：AI 充当客户端

另一方面，AI 环境扮演客户端的角色。它会读取可用函数的菜单，记住它们，并决定在回应用户时呼叫哪些函数。这意味着 AI 不需要事先被编程进成千上万种可能的集成——它只需在建立连接时了解有哪些可用功能/特性。

步骤 3：安全地传递上下文

MCP 还定义了上下文和权限如何传递。这有助于确保当 AI 使用某个函数时，它只会在用户被允许访问的范围内执行。例如，如果用户只有权限查看其团队的 Jira 工单，MCP 会确保 AI 遵守这一范围。这一安全层正是 MCP 之所以适合企业级使用的原因，在这里，敏感数据和访问控制是不容妥协的。

MCP 的重要性

通过标准化 AI 与外部系统的连接方式，MCP 消除了定制集成带来的摩擦，并确保安全性和一致性。用户受益，因为 AI 不仅可以回答问题，还能以无缝且安全的方式跨各种工具采取有依据的行动。