返回列表
微软宣布停用Teams“共聚模式”:疫情时代标志性虚拟会议功能将成历史
行业新闻微软Microsoft Teams远程办公

微软宣布停用Teams“共聚模式”:疫情时代标志性虚拟会议功能将成历史

微软正式确认将停用Teams应用中的“共聚模式”(Together Mode)。该功能最初于疫情期间推出,利用AI技术将远程参会者置于虚拟会议室场景中,旨在缓解远程办公的孤独感。随着办公模式的演变,微软决定通过移除该功能来简化Teams的用户体验,标志着远程协作工具正从“虚拟社交”转向“极致效率”。

The Verge

核心要点

  • 功能停用:微软已决定正式退役Teams中的“共聚模式”(Together Mode)。
  • 历史背景:该功能诞生于全球疫情期间,旨在通过AI技术模拟多人同处一室的视觉效果。
  • 调整原因:微软表示目前办公环境已发生变化,公司正致力于提供更加简化的Teams用户体验。
  • 技术原理:该功能主要依赖AI抠图与场景合成技术,将用户头像嵌入到虚拟的会议室背景中。

详细分析

疫情遗产的终结与办公形态的演变

“共聚模式”曾是微软在疫情期间对抗“视频会议疲劳”的重要武器。在那个远程办公成为唯一的选择的特殊时期,微软通过AI技术将参会者从各自的方框背景中“抠”出来,统一放置在虚拟的阶梯教室或会议室中。这种设计初衷是为了创造一种社交临场感,减少屏幕隔阂。然而,随着混合办公模式的成熟,用户对于会议工具的需求已从最初的“新奇感”转向了“高效率”。微软此次选择退役该功能,反映了办公软件正在剥离那些非核心的、装饰性的功能,回归到协作的本质。

追求极致简化的产品策略

根据原文信息,微软此次调整的核心逻辑在于“简化体验”。在过去几年中,Teams的功能经历了爆发式增长,但也导致了界面的复杂化。随着用户对工具流畅度和操作直观性要求的提高,微软开始对Teams进行“减法”操作。移除“共聚模式”不仅可以减少软件的运行负担,也能让用户界面更加清爽。这表明微软认为,在当前的办公语境下,这种模拟现实的“视觉幻象”已不再是提升生产力的关键,用户更倾向于简单、直接的沟通方式。

行业影响

微软此举对协作软件行业具有风向标意义。首先,它标志着远程办公软件“疫情红利期”功能的全面退场,行业重心正从“模拟线下体验”转向“优化线上流程”。其次,这反映了AI在办公领域的应用正在发生范式转移:从早期的视觉特效(如背景替换、共聚模式)转向更深层次的生产力辅助(如会议摘要、自动化工作流)。对于竞争对手而言,微软的这一简化策略可能会引发新一轮的协作工具“瘦身潮”,推动行业重新评估哪些AI功能才是用户真正长期需要的。

常见问题

问题 1:为什么微软要现在停用“共聚模式”?

根据官方信息,主要是因为“时代已经改变”。该功能是为解决疫情期间的特殊需求而设计的,而现在微软更倾向于提供一个更简化、更高效的Teams体验,因此决定移除这一相对复杂且使用场景受限的功能。

问题 2:“共聚模式”的技术核心是什么?

该功能主要利用AI技术对参会者进行实时的人像分割(抠图),并将其重新排列在一个共享的虚拟背景中,从而营造出一种大家坐在同一个物理空间(如会议室或咖啡馆)的错觉。

问题 3:停用该功能后,Teams会有什么变化?

用户将无法再选择进入虚拟的“共聚模式”场景。Teams的整体界面和操作流程将变得更加简洁,符合微软目前追求的简化产品体验的战略方向。

相关新闻

ACL 2026美团论文精选:从能力评测到推理优化,构建生成新范式
行业新闻

ACL 2026美团论文精选:从能力评测到推理优化,构建生成新范式

美团技术团队在国际自然语言处理顶级会议ACL 2026中共有6篇论文被收录。这些研究成果涵盖了大模型评测、复杂流程推理、竞赛级数学思维优化、强化学习优化以及生成式推荐等多个前沿领域。本文将深度解析美团在ACL 2026展示的技术布局,探讨其如何通过技术创新构建AI生成的新范式,并分析这些研究方向对大模型行业发展的深远意义。

用Agent评测思路管理AI Coding:美团31万行代码重构的实战经验分享
行业新闻

用Agent评测思路管理AI Coding:美团31万行代码重构的实战经验分享

本文详细介绍了美团技术团队在AI生成代码占比超过90%的背景下,如何通过Agent评测思路有效管理AI Coding。针对31万行代码的大规模重构实践,团队通过技术债梳理、Rule建设、重构SOP及Pre-PR机制,成功将高成本的重构专项转变为随迭代持续推进的日常动作,解决了AI生成代码可能带来的系统性混乱问题。

美团BI架构演进:以指标平台与分析引擎破解数据口径与性能难题
行业新闻

美团BI架构演进:以指标平台与分析引擎破解数据口径与性能难题

美团技术团队分享了其在BI领域的新一代架构实践。该架构以指标平台为核心,通过构建“自动语义”和“增强计算”两大核心能力,针对性地解决了传统BI平台在个性化数据集驱动下普遍存在的数据口径不统一、查询响应缓慢等核心痛点,实现了数据治理与分析效率的双重提升。