法国政府正式宣布,将在公共部门全面淘汰Zoom、Teams等美国视频会议工具,转而使用自主研发的本土替代产品。
该计划于周一公布,旨在将美国视频会议工具彻底清除出法国公共部门。Zoom、Teams、Webex和Google Meet等平台将被一款名为Visio的国产替代产品取代,巴黎方面表示,这能确保数据、基础设施和法律风险完全掌控在本国手中。
数字主权推动政策转向
这一平台由法国政府部际数字事务局开发和部署,将成为公务员默认且最终唯一的视频会议工具。
经济和财政部在宣布这一决定时表示,这是法国推进数字主权战略的重要组成部分。政府认为,使用外国视频会议平台会将官方通信暴露在海外基础设施、法律体系和政治压力之下,这些风险需要规避。
公务和国家改革部长代表大卫·阿米尔表示:"这个项目具体体现了总理和政府重获数字独立的承诺。我们不能让科学交流、敏感数据和战略创新暴露在非欧洲行为体面前。数字主权既是公共服务的必需,也是企业的机遇,更是抵御未来威胁的保障。"
大规模部署计划启动
根据公告,Visio已经过数万名公务员的测试,目前正在扩大规模,准备在各部委、机构和公共机构中广泛使用。计划到2027年实现全国范围内的常规使用,之后将不再续签外部视频会议平台的许可证。税务和社会保障等大型公共部门已经开始转换工作。
安全性是主要卖点,巴黎方面强调Visio运行在政府控制的基础设施上,并按照法国和欧盟的数据保护及保密规定构建。经济效益同样可观:巴黎估算,将10万用户从商业平台迁移出来,每年可节省约100万欧元的许可费用。
功能完备避免简陋替代
法国还特别强调,Visio并非简陋的替代品。该平台最终将提供转录和实时字幕功能,但不会将音频传送到第三方云端。这暗示的重点不在于便利性,而是避免数据受到美国司法管辖。
不过,这项公告中隐藏着一个微妙的讽刺。将国家视频会议平台命名为"Visio"几乎必然会与微软长期存在的同名图表软件产生混淆,这表明虽然法国正在努力摆脱对美国的依赖,但在品牌命名方面可能没有投入足够的时间和精力。
Visio能否成功,还是会加入那些从未真正替代人们实际喜爱工具的政府IT项目长单,只能通过时间来验证。但目前,法国已经明确表态:在官方视频通话方面,山姆大叔不再受欢迎。
Q&A
Q1:法国为什么要用Visio替代美国视频会议软件?
A:主要出于数字主权考虑。法国政府认为使用Zoom、Teams等美国平台会将官方通信暴露在海外基础设施、法律体系和政治压力下,存在数据安全风险。通过自主研发的Visio平台,能确保敏感数据和战略创新信息完全掌控在本国手中。
Q2:Visio平台什么时候能全面替代美国产品?
A:根据计划,Visio将在2027年实现法国公共部门的全面使用,届时将不再续签外部视频会议平台的许可证。目前该平台已经过数万名公务员测试,正在各部委、机构中扩大部署,税务和社会保障等部门已开始转换。
Q3:使用Visio能给法国带来什么好处?
A:主要有两方面好处:安全性和经济性。安全方面,Visio运行在政府控制的基础设施上,符合法国和欧盟数据保护规定;经济方面,将10万用户从商业平台迁移可每年节省约100万欧元许可费用。平台还将提供转录和实时字幕等完备功能。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。