> For the complete documentation index, see [llms.txt](https://library.zoom.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://library.zoom.com/technical-library/zh/ai/ai-whitepaper/introduction-ai-at-zoom.md).

# 简介：Zoom 中的 AI

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

人工智能正在快速发展，并逐渐成为日常生活中不可或缺的一部分，为大大小小的语言模型以及专用算法功能等各种应用提供支持。生成式 AI 让人类能够与机器无缝互动，以创建内容、解决问题和辅助决策；与此同时，AI 也应用于更专业的场景。自动化工具可简化工作流程，而字幕和翻译等服务则能打破沟通障碍，让协作更加高效、便捷。随着 AI 持续进步，其应用正通过提升效率、准确性和创新能力来改变各行各业，从根本上重塑企业的运营方式。

鉴于 AI 在现代职场中的作用日益扩大，本文档介绍了 AI 如何在 Zoom 平台上得到应用。文档阐述了 Zoom 共享的 AI 基础、内置于不同 Zoom 产品中的特定产品 AI 功能，以及作为更广泛 AI 工作界面的 ZoomMate。ZoomMate 可帮助用户从对话推进到任务完成。这些章节旨在帮助读者了解 Zoom 如何在沟通、协作、生产力和后续跟进等方面运用 AI。

## **Zoom AI**

Zoom AI 是共享的人工智能层，为 Zoom 平台上的 AI 功能体验提供支持。它包含 Zoom 用于在各类产品中提供智能功能的一系列 AI 技术、模型和支持系统。实际上，Zoom AI 是基础，使 Zoom 能够在沟通、协作、生产力和后续跟进等方面提供 AI 辅助体验，而不只是将 AI 限于某个独立功能或应用程序。

这一共享 AI 层为 ZoomMate 以及各种特定产品功能提供支持，包括实时翻译、转写、会议内问题、个人音频隔离、聊天撰写等 AI 辅助体验。它涵盖 Zoom 的多模型和多部署 AI 方案，包括联邦式架构、Zoom 托管模型增强版 (ZM+)、仅使用 Zoom 托管模型 (ZMO) 以及本地部署的 AI 产品。这些方案共同构成了 Zoom 平台 AI 功能的技术基础。

## **AI 功能/特性**

#### <mark style="color:蓝色;">AI 功能/特性：嵌入 Zoom 产品、提供针对性辅助的 AI 能力</mark>

Zoom AI 功能/特性是特定于产品的能力，在特定 Zoom 产品和工作流程中运用人工智能，通常直接嵌入任务发生处的产品体验中。这些功能旨在协助处理特定活动，例如总结会议、起草聊天消息、建议电子邮件回复、回答实时会议期间的问题，或生成呼叫后的摘要。

这些功能可以在其所属产品中独立运行，也可以生成内容，为更广泛的 ZoomMate 体验提供支持。例如，Zoom 会议结束后生成的会议摘要，之后可能会成为 ZoomMate 的有用背景信息；而聊天撰写或会议问题等功能，主要用于协助用户完成当下的产品操作。由此，Zoom AI 功能/特性构成了分布于 Zoom 各产品中的产品级 AI 层。

示例包括会议、聊天、白板、活动、邮件、日历和电话中的各类功能，例如会议摘要、会议内问题、转写、我的笔记、聊天撰写、聊天摘要、频道摘要、翻译、电子邮件草拟与回复、安排辅助、呼叫摘要、语音信箱功能和任务提取。

## **ZoomMate**

#### <mark style="color:蓝色;">ZoomMate：您的智能职场伙伴，助您从对话推进到任务完成，成就更多</mark>

ZoomMate 是 Zoom Workplace 平台的核心智能对话式数字伙伴，旨在提升生产力、简化协作并减轻员工的工作负担。

AI 工具正日益融入现代职场，不再局限于执行特定任务，例如自动录入数据、起草电子邮件、生成报告或执行基础算法功能。新兴 AI 工具代表着一种变革性转变，正在从根本上改变我们的工作方式。ZoomMate 正是其中的典范；它不止于简单的任务自动化，还能作为专属职场伙伴，帮助用户从对话推进到任务完成，成就更多。

例如，一位销售负责人正在为一场重要的客户会议做准备。工作可能始于最近的一场 Zoom 会议，团队在会上讨论了客户的优先事项、竞争风险和待解决的技术问题。根据这段对话，Zoom 的 AI 功能可以生成会议摘要、识别待办事项，并显示分配给不同团队成员的后续跟进职责。之后，用户可以转向 ZoomMate 接续推进工作，而不必在另一个工具中从头开始。

借助 Zoom Workplace 和已连接系统中的上下文信息，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 获取账户背景信息，并纳入经批准的内部或外部来源中的补充研究。基于这些综合信息，ZoomMate 可以协助制作客户简报、起草提案大纲、创建后续任务并生成结构化策略文档。如果用户需要展示这些工作成果，ZoomMate 还可以借助 Zoom Slides，将相同的基础信息整理成演示材料。

ZoomMate 与传统生成式 AI 助手的不同之处在于，它不会止步于总结或起草。ZoomMate 可以在整个流程中延续上下文，从最初的对话，到做出的决策，再到后续的文档和行动。就此而言，ZoomMate 与其说是一个单一用途的工具，不如说是一位职场伙伴，能够帮助用户整合信息、协调后续跟进，并将进行中的工作转化为最终成果。

## **接口协议**

在深入了解具体功能和数据流之前，先了解一些为 Zoom AI 能力提供支持的底层协议会很有帮助。本节将介绍模型上下文协议 (MCP)，这是助力 AI 连接工具、数据、工作流程和其他智能体的主要互操作标准之一。

### 模型上下文协议

#### <mark style="color:蓝色;">模型上下文协议 (MCP)：连接 AI 与工具、助力成就更多的标准</mark>

作为其 AI 架构的一部分，Zoom 使用模型上下文协议 (MCP)——这是一种开放标准，可在模型、工具、数据源和工作流程之间建立安全连接。MCP 在推动智能体式 AI 发展方面发挥着重要作用，因为它无需各家公司分别构建和维护一次性集成。相反，它提供了一个共享的结构化框架，以一致的方式向 AI 模型开放各种能力。借助这一基础，AI 系统能够更像智能体一样运作——不只回答问题，还能直接在用户所依赖的系统中采取行动。

如需了解更多信息，请参阅 Zoom 开发者文档中的 [Zoom 中的 MCP](https://developers.zoom.us/docs/mcp/).

#### <mark style="color:蓝色;">MCP 在实践中的工作方式——就像按菜单点餐</mark>

MCP 的核心是客户端—服务器模型。可以把 AI 环境（如 ChatGPT 或 Claude）想象成希望完成工作的客户端，而外部系统（如 Jira、Confluence 或数据库）则是发布自身能力的服务器。每个服务器都会提供一份清晰的功能列表，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功能。

换句话说，将 AI 连接到 MCP 服务器就像在餐厅点餐。你（AI）走进餐厅，拿到菜单（MCP 服务器提供的服务或功能列表），然后告诉餐厅你想要什么，餐厅就会作出响应。无需猜测哪些功能可用或不可用——菜单会预先列出所有内容。

以下章节将进一步介绍 MCP 的工作方式：

#### <mark style="color:蓝色;">步骤 1：通过服务器开放功能</mark>

任何系统都可以运行 MCP 服务器。该服务器就像一份“菜单”，以结构化的形式列出其支持的操作。例如，Jira 可能会发布“搜索问题”或“更新工单”等功能。由于这些功能采用 MCP 的共享格式，AI 无需定制开发即可立即理解。

#### <mark style="color:蓝色;">步骤 2：AI 充当客户端</mark>

另一方面，AI 环境充当客户端。它会读取并记住可用功能的列表，并在回复用户时决定调用哪些功能。这意味着无需预先为 AI 编写数千种可能的集成；连接建立后，AI 只需了解当前可用的功能即可。

#### <mark style="color:蓝色;">步骤 3：安全传递上下文</mark>

MCP 还规定了如何传递上下文和权限。这有助于确保 AI 使用某项功能时，操作范围不会超出用户获准访问的范围。例如，如果用户只有权查看其团队的 Jira 工单，MCP 会确保 AI 遵守这一范围。正是这一安全层让 MCP 适用于企业场景；在这种场景中，敏感数据和访问控制不容妥协。

#### <mark style="color:蓝色;">MCP 的重要性</mark>

通过标准化 AI 连接外部系统的方式，MCP 消除了定制集成带来的阻碍，并确保安全性和一致性。用户因此受益，因为 AI 不仅能够回答问题，还能以无缝、安全的方式，在各种工具中采取知情行动。


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://library.zoom.com/technical-library/zh/ai/ai-whitepaper/introduction-ai-at-zoom.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
