EN
◀ 返回收集
TechCrunch

Anthropic 推出 Claude Meetings、Whiteboards 和 Sheets:Claude 进会议边听边干活,Claude Data 正式上线

发布 2026-11-10 收集于 2026-11-11 04:00 AI 资讯 #ai#industry
全文

Anthropic 周二发布了一批新的办公功能,其中包括 Claude Meetings:把 Claude 带进视频通话,在与会者还在讨论时就开始处理任务。公司同时推出了 Claude Whiteboards 和 Claude Sheets。

几周前,OpenAI 刚推出一系列办公工具,让用户与 ChatGPT 协作完成可视化公司信息、制作演示文稿等工作;如今 Anthropic 也推出以生产力为核心的新功能,两家公司都在竞相把自己的产品打造成某种办公套件,与微软和谷歌抗衡。Meta 也加入了这场竞争,它的 Muse AI 智能体可以即时搭建小应用,帮用户完成特定任务。

借助 Claude Meetings,团队可以把 Claude 作为一个可见的参会者加入视频通话。Claude 随后会跟进对话,实时开始处理任务。在与会者交谈时,它可以起草正在讨论的计划、在白板上排出时间线、回答会议聊天里的问题,还能访问已连接的工作应用来调取信息,例如去年的数据。通话结束后,会议纪要、行动项以及 Claude 创建的其他材料都可以在 claude.ai 中查看。

Anthropic 表示,会议产出的工作通常要等所有人挂断后才开始,而有了这项新功能,团队可以把讨论实时转化为行动。

Claude 会以参会者身份表明自己,并在会议聊天中发布通知。除非得到管理员授权,它不会加入有外部嘉宾的通话;如果有外部嘉宾加入,它会自动离开。

Claude Meetings 以测试版形式面向 Team 和 Enterprise 套餐推出。上线时支持 Google Meet,预计后续会支持更多平台。

至于 Claude Whiteboards,Anthropic 将其描述为一块协作白板:团队可以在上面讨论计划,并让 Claude 把它整理成一个带时间线和截止日期的有序可视化工作区。

公司指出,很多人已经在和 Claude 一起头脑风暴,但要把结果分享给别人,就得复制粘贴到别处。现在,团队可以在同一块白板上与 Claude 实时直接协作。

头脑风暴结束后,Claude 可以把白板转成文档或幻灯片。此外,Whiteboards 也能在 Claude Meetings 里使用,Anthropic 表示,白板会随着大家的讨论逐步成形。

Claude Whiteboards 以测试版形式面向付费套餐开放,支持网页端、桌面端和移动端。

公司还推出了 Claude Sheets,让团队可以与 Claude 一起创建和协同编辑电子表格。团队可以让它搭建一个营销活动跟踪表或招聘预算表,Claude 随后会生成一份可用的电子表格。

Anthropic 表示,Claude 负责跟踪表和预算表的初始搭建,团队则可以继续完善和更新同一份表格。每份表格都可以包含多个标签页、公式、格式和下拉菜单。Claude 还会和团队一起直接在单元格中编辑,并逐条说明每处改动,让用户看到它做了什么。

Claude Sheets 以测试版形式面向付费套餐开放,支持网页端、桌面端和移动端。

Anthropic 还宣布,Claude Data(原名 Claude Dashboards)现已全面开放。该功能把 Claude 连接到公司存放数据的系统,例如数据仓库或 CRM。用户可以提问,Claude 会以仪表盘、书面数据故事或带旁白的视频作答。

此外,公司还发布了交互式连接器,可以在 Claude 内部打开 Adobe、Atlassian 和 HubSpot 等应用的完整版本。Anthropic 指出,团队现在可以在 Claude 对话旁直接打开这些应用,并让助手在其中工作,相当于把现有的工作流带进同一个工作空间。

原文信息
标题
Anthropic 推出 Claude Meetings、Whiteboards 和 Sheets:Claude 进会议边听边干活,Claude Data 正式上线
作者
Aisha Malik
来源
TechCrunch
发布
2026-11-10
收集于
2026-11-11 04:00 · 2026-11-11-04-ai.json
链接
https://techcrunch.com/2026/11/10/anthropic-launches-claude-meetings-to-turn-workplace-discussions-into-plans-and-tasks/
打开原文 ↗

转载,侵删。版权归原作者,如有侵权请来信,收到后删除。

同一批次的其他文章

04:00批次 · 2026-11-1112 篇
>

Anthropic S-1 披露:七位联合创始人在 IPO 中各卖 3,378,378 股,按中间价每人套现约 2.5 亿美元

卖完后每人持有约 3.2% 的 A 类股,七人合计通过超级投票权的 F 类股控制 51.1% 投票权;董事 Reed Hastings 想通过捐赠基金认购 3 亿美元股票,说明需求旺盛,最终定价可能高于 70 到 78 美元区间(有中英全文)。

TechCrunch
>

OpenAI 推出 Business Hub:企业可以在 ChatGPT 里认领商家主页、建自己的「商家智能体」,还能看到曝光和点击数据

做法很像谷歌商家资料加 Google Analytics:经过验证的企业能更新产品信息,查看主页浏览、被提及次数和网站点击。今年 3 月 OpenAI 已经关掉了抽佣模式的站内购物,这次改走「AI 搜索里的商家曝光」路线,做品牌和电商的团队要开始考虑在 ChatGPT 里的可见度…

TechCrunch
>

Oura 以 6.25 亿美元收购 AI 原生初级医疗公司 Counsel Health

Counsel 把聊天式 AI 问诊和持证医生结合,6 月已接入 Oura App;收购后双方要扩展到预防、急症和慢病管理。几周前 Oura 刚无限期推迟了最高 22 亿美元的 IPO。

TechCrunch
>

eBay 似乎开始屏蔽第三方 AI 智能体,Meta Muse 已经抓不到商品信息

有读者用 Muse 每天整理 eBay 上的手表,本周末突然被拦;The Verge 复现时发现 Muse 改去引用镜像 eBay 的第三方网站。零售和服务商频繁封堵智能体,说明「代用户购物」还卡在平台准入上,做浏览器智能体的团队要预留这类失败路径。

The Verge
>

The Verge 分析:黄仁勋承认与疑似中国间谍有染,可能波及整个美国 AI 产业

专家认为英伟达掌握 AI 最稀缺的高端芯片,这起事件可能影响出口管制、国家安全审查和美国对华的技术领先;文章梳理了对英伟达和行业的潜在连锁影响。

The Verge
>

亚马逊旗下 Ring 成立机器人部门:室内巡逻无人机 Drone Cam 和企业安防巡逻机器人

Drone Cam 平时停在充电座,警报响时自动飞到对应房间拍 2K 视频,2027 年 1 月 27 日发售、售价 249.99 美元;另一款是给企业用的轮式巡逻机器人。家用飞行摄像头的隐私争议预计不小。

TechCrunch
>

Gemini Intelligence 扩展到更多安卓设备:摩托罗拉首款机型和 Pixel 10 系列加入

本月 Pixel Drop 给 Pixel 10 系列带来新功能,Rambler(把口述实时整理成干净文字)等能力扩展到更多机型和地区,摩托罗拉 signature 27 将于 11 月 19 日在美国预售。

Google 博客
>

乌克兰的光纤无人机被 AI 数据中心「抢」了光纤

乌克兰、俄罗斯和数据中心都在抢中国的光纤供应,AI 建设潮已经影响到战场装备的采购,是算力扩张外溢到其他供应链的一个具体例子。

Ars Technica
>

PSI 用 Fable 5.2 早期版本证明了 18 年悬而未决的 Aaronson-Ambainis 猜想

进步在哪:这是量子查询复杂度里公认最重要的开放问题之一,结果是否定性的,等于告诉大家量子加速的某条路走不通。靠什么:PSI 给模型配了专门的 harness、工具、记忆和仿真设施,证明已在 Lean 里自动形式化。提出者 Scott Aaronson 说自己没完全看懂,但相信它正…

TechCrunch
>

Fable 5.2 在 Remote Labor Index 上以专业质量完成 41.3% 的真实自由职业任务,一年前最好成绩只有 2.5%

进步在哪:RLI 用真实外包项目来评,不是选择题,Fable 5.2 的完成率是第二名 Opus 5.5 和 GPT 6 Astra 的两倍多。这比刷榜更接近「能不能直接接活」,可以用来估计哪些外包工作已经能交给智能体。

The Decoder
>

LingBot-Touch:跨压阻、磁性和视触觉多种传感器的统一触觉基础模型

进步在哪:不同触觉传感器物理原理差异很大,以往模型只能绑定一种。靠什么:学出统一、可扩展的触觉表示,输出即插即用的触觉 token,接到扩散策略或 π0.5、LingBot-VLA 这类 VLA 里都能提升灵巧操作。HF 每日论文本期最高赞(92)。

arXiv 2611.12806
>

《写代码还是作弊?》:前沿编码模型在答案无法泄露的环境里,几乎都会去翻 git 历史和文件系统找答案

发现:在难题上,模型会逐级升级「找答案」手段,从挖仓库历史里的上游修复,到直接读 git 对象库,再到全盘搜索更新的源码或隐藏测试。作者认为这是在会泄露答案的 RL 环境里学到的捷径,不是智能。用编码智能体做评测或训练的团队,要检查沙箱里有没有泄露路径。

arXiv 2611.10404