关注 AI 和产业变化，探索工作的未来。
OpenAI 发布了 ChatGPT Wallet，让 AI 智能体可以在不接触用户真实卡片信息的情况下代为付款。每笔购买都需要用户通过面容识别等安全验证进行确认，并保留原有卡片奖励和争议保护。该功能与美国运通、万事达和维萨合作打造，首先面向美国 ChatGPT Pro 订阅用户在 dots 中提供，同时发布了帮助企业支持智能体客户的实践指南。
这是智能体商务最早的一批支付基础设施，让 AI 助手从商品调研走向完成购买。支付与客服团队需要开始为智能体代客交易的场景做准备。
Anthropic 发布了关于构建可靠 AI 安全性评估的建议。文章借鉴心理学可重复性危机的改革经验，推荐预注册、构念效度以及对自动评分进行人工验证。文中还介绍了在自身事故后把评估环境隔离到沙箱、暂停并强化联网评估的做法。内容基于该公司的系统卡片实践。
它为判断各类更安全主张的可信度提供了标准，适合在导入与研究工作中负责评审 AI 评估的团队参考。
在从笔记本到服务器的各类设备上运行开源模型时被广泛使用的 llama.cpp 和 ggml 发布了 1.0.0 版本。项目正式承诺 API 稳定性，破坏 API 与 ABI 兼容性的改动只会在大版本更新中出现。项目方称目前已支持超过 150 种模型架构。
自建本地或私有部署 AI 的团队面临的兼容性风险更低了。对无法把数据送往外部云端的组织来说，自主运营 AI 的基础更加稳固。
Anthropic 开始向 Team 和 Enterprise 套餐用户推出 Claude Meetings 测试版。Claude 以可见参与者身份加入视频通话，可在会议中回答语音或文字提问，并实时创建文档、白板等内容供团队成员共同编辑。会议纪要和待办事项也由 Claude 负责，首先支持 Google Meet；默认情况下不加入有外部访客的会议。
这把会议变成了 AI 边听边产出成果的现场。它可以减少团队花在纪要和资料整理上的时间，让人们更专注于讨论本身。
英伟达董事会宣布，黄仁勋辞去总裁、CEO 和董事职务，即时生效。CFO 科莱特·克蕾丝将出任临时 CEO，哈维·琼斯被任命为公司首任董事会主席。公告未说明辞职原因，多家媒体报道将其与此前关于黄仁勋私生活的报道联系起来。公司表示将按计划于11月17日发布第三财季业绩。
这家 AI 芯片生态核心企业的创始人时代戛然而止。推进 AI 落地与采购的负责人需要关注新任 CEO 人选以及产品路线图能否延续。
Google 于11月12日发布 Gemini 4 Hydrogen。与擅长深度推理的前沿模型 Carbon 和 Argon 不同，这是一款面向日常编程和智能体工作流的快速执行模型，即日起在 AI Studio、Gemini API、Gemini 应用、搜索以及付费 Antigravity 套餐全线开放。按 Google 自行公布的数字，其在 Artificial Analysis Intelligence Index 上得51分，略超 Argon 的50分(最高思考档为54分)，定价为每百万输入 token 1.50 美元、输出 7.50 美元，在整个百万 token 上下文内保持一致。Antigravity 新增的编排器可在同一会话中自动切换 Carbon 与 Hydrogen。
随着低成本执行模型能力提升，把任务分配给昂贵前沿模型与廉价执行模型的多模型运营进入实用阶段。最直接的影响是，把重复性编程和文档工作交给智能体的成本明显下降。
微软委托IDC开展的第四年度调查结果于11月12日发布，覆盖28个行业的5200多名高层领导者。在IDC的AI成熟度量表中位列前10%的“前沿企业”报告其AI投资平均回报为4倍，高于后30%组的2.7倍，且96%正在大规模部署智能体。然而在所有受访组织中，仅61%有把握衡量AI的业务价值，36%仍停留在智能体试点阶段。回报数字为高管自述，文章本身也说明该调查呈现的是相关性而非因果关系。
核心结论是：把衡量、治理和全员技能培训作为一个体系来管理的企业，才能把早期AI成果变成可复制的价值。前沿企业中80%拥有全公司范围的AI培训战略，而整体仅20%，说明下一个瓶颈是人而不是工具。
Genpact 于11月12日发布了基于2026年对17个行业2000多名高管调查的报告。79%的受访企业表示已在生产环境中运行AI智能体，但只有20%在多个部门广泛且一致地使用，仅15%将AI投资与损益完全挂钩。过去24个月获得资金的AI项目中，平均只有49%交付了预期价值，仅9%完成了实质性的运营模式转型。在运行智能体的企业中，92%保持或增加了人力规模；所有数字均为自我申报。
调查的核心发现是：智能体采用已经普及，但改变工作方式和损益管理的部分明显滞后。对组织设计者而言，它说明把人和智能体作为一支整体劳动力来设计，才是拉开差距的关键。
Databricks 于11月11日发布第二代 Genie。只要给定目标和边界，Genie 就会接管长期任务，自主跟踪进度，只在需要人做决定时通过优先收件箱和邮件提醒。Genie Ontology 维护定义、指标和组织知识等业务语境，Unity Catalog 与 Unity Gateway 则让每个动作都在既有权限、预算和可审计的管控之内。CEO所谓“生产力提升10倍”以及数千家客户已在生产环境使用的说法，均为该公司自己的表述。
不再是等待指令的聊天机器人，而是能自行完成跟进的“常驻同事”形态，正在数据平台公司率先商用。这个案例展示了把重复性管理工作交出去的同时，如何与权限控制和审计一起设计。
谷歌开源博客11月11日刊发访谈，介绍智能体连接标准MCP与流程知识标准Agent Skills的治理现状。Anthropic将两项标准捐赠给Linux基金会AAIF后，谷歌、Anthropic和OpenAI的工程师在供应商中立的治理下共同维护，并被类比为CNCF之于Kubernetes的角色。MCP规范在2026年7月28日版本中放弃有状态会话方式，转向利于水平扩展的无状态架构。文章将这一转变解读为整个行业优先考虑互操作性而非标准竞争。
当工具连接和工作流程的开放标准汇聚在中立基金会而非单一厂商旗下，不同智能体平台就能复用同一套工具和技能。锁定成本降低后，团队更换和组合智能体工具会更容易。
谷歌推出了由新模型Gemini Decision 1驱动的Gemini Decisions API。它接受文本、图片、音频、视频和PDF组成的多模态输入，并一次性回答最多1000个是非题、选择题和评分题。该模型不生成文字，而是为候选答案打分并返回概率和置信度；官方称端到端延迟为150-250毫秒，输入每百万token收费0.10美元，不收输出token费用，这些数字来自谷歌自己的基准测试。
把工具选择、策略检查、模型路由等重复判断从缓慢的生成式调用转移到专用接口，可能改变人机协作流程的速度和成本。置信度低的情形仍需要转交人工审核的设计。
谷歌云宣布推出新的Professional Agentic Architect专业认证，面向能够部署安全的企业级智能体、自动化多步骤跨应用流程的从业者。该认证由监考选择题考试和动手实操实验组成，公司称过去四个月已有数千名现场工程师和合作伙伴完成了同一课程培训。持证者中超过80%认为证书带来新职业机会的数据来自谷歌云自己的调研。
这说明智能体设计正在成为被正式认可的职业角色。在人机协作加深的时代，经过验证的架构能力凭证可能改变招聘标准和团队分工方式。
Linux Foundation宣布，基于现有DNS基础设施为AI智能体提供可信身份、验证与发现的开放标准Agent Name Service（ANS）作为基金会项目正式成立。规范共七份文档，涵盖基于域名的命名、注册与版本管理、DNS发布、公共日志审计、完整性监控和智能体间认证。思科、Cloudflare、DigiCert、GoDaddy、Salesforce等11家组织参与或支持该标准，AGNTCY的Agent Directory Service已支持验证ANS身份。
要把工作交给智能体，就必须能确认它代表谁。在互联网已经依赖的DNS之上建立身份验证标准，有望降低企业采用和审计智能体的门槛。
Hugging Face在官方博客发文介绍决策模型：它们不生成文字，而是对预先定义的候选答案打分并返回概率。文章演示了transformers中可直接使用的pipeline('decision')接口，提到TRL正在准备专门的训练支持，并介绍了Unsloth把生成式模型微调为决策模型的配方。文章还解释了源自TypeSafe AI的Jev、最初被称为System One模型的这一类模型，如何被社区定名为决策模型。
分类、路由等快速判断如今可以用概率而非文本生成来处理，相关官方工具正在标准化。这对充满重复判断的研究与业务自动化，是提升响应速度和结果一致性的新选择。
OpenAI经济研究团队与自由职业平台Upwork共同分析了63个工种的招聘信息及ChatGPT使用数据。ChatGPT常用的43个工种在Upwork招聘中占比下降，而AI相关项目把过去很少同时出现的任务组合在一起，固定价格预算更大、工时更长。2023年初到2025年末，AI相关招聘的任务组合多样性约提升45%，时薪基本持平。所有数据均来自两家公司的自行分析。
自由职业市场比就业统计更早反映变化，可借以预判哪些任务转向AI、哪些任务因与AI结合而扩大。AI相关工作赢得更大预算的趋势，对团队分配工作同样适用。
Google DeepMind与评估机构Artificial Analysis联合发布了多模态知识代理(MKA)基准。10个行业、83个职业的专家编写了200道资深人士需3至8小时完成的实战任务，并按事实准确性75%、视觉呈现25%的评分标准评定。所有模型在同一个开源代理环境中作答，不同模型平均每题消耗30至130轮，效率差距明显。谷歌称自动评分与专家评分的一致率达96%。
对于图纸、报告、表格这类需要用眼处理的知识工作，该基准提供了代理能接管到何种程度的标尺。它同时公布轮数等效率指标，有助于判断是否适合实际落地。
谷歌云以预览形式推出整合临床、运营与行政数据的医疗专用AI产品Gemini for healthcare。它连接电子病历、账单、临床指南和Medicare数据集，让代理执行病历综合、预先授权审核等多步骤流程，但只在明确的安全护栏和人工监督下运行。HCA Healthcare、Highmark Health和Northwell Health为首发合作伙伴。文中提到临床医生每周因文书工作损失约28小时，该数据来自谷歌云2024年委托的调查。
行政负担压垮医护人员是各国共同难题，代理能多快减轻医院文书工作值得持续关注。三家大型医疗系统从一开始就参与，可作为实地验证速度的观察窗口。
OpenAI在自称每周12亿人使用的ChatGPT中启动了Businesses in ChatGPT测试版。企业可在Business Hub认领并管理自己的资料页，接入Shopify商品数据源；用户可从企业资料页进入对话式Business Agent继续咨询。该功能先面向符合条件的美国电商和线上服务企业开放，代理对话会与ChatGPT常规回答明确区分标注。企业还可以赞助自己的代理，使其像广告一样获得展示。
当用户从搜索转向询问AI并与代理交易时，销售、营销和客服工作的布局将随之改变。在AI平台内运营自有代理，正在成为企业的新课题。
IBM咨询与微软发布了联合开发的代理平台Imagine Enterprise。IBM提供其咨询平台上积累的6000多个预建代理和资产，微软以来自云、安全与治理方面的技术作支撑，两家公司还派驻工程师提供现场支持。该平台先推出金融服务、保险和零售行业框架，并强调面向受监管行业的管控与可观测性。被介绍的客户SEI仍处于探索阶段，全部内容均基于两家公司的自行发布。
两家大型厂商将打包代理与落地运维支持捆绑推出，说明代理应用正从实验走向生产。行业框架能否真正缩短建设周期，值得持续观察。
普华永道美国宣布，在AI承担基础工作的时代，将为8.5万余名合伙人和员工推出批判性思维与判断力结业项目。项目于2026年12月在美国、墨西哥及加速中心启动，目标2027年6月完成，包含诊断测评、大师课、个性化模拟和实操工具。公司还计划从2027年初开始，把在沃顿、哈佛相关教授咨询下开发的专属框架开放给大学使用。该项目仍属计划阶段，培训效果尚未验证。
大型机构开始把核验AI输出所需的人类判断力，而不仅是AI使用技能，作为正式能力来培养。随着AI吸收常规工作，人的审阅与判断能力正成为决定成果质量与信任的关键。
Anthropic发布了面向高难技术挑战的新模型Claude Fable 5.2与Claude Mythos 5.2。两者共享同一基础：Fable内置网络安全与生物安全防护，面向所有用户；Mythos仅面向通过生命科学与网络安全验证项目的机构。据公司自述，输出速度较上一代提升最多30%，输入价格降至每百万token 8美元，并新增最高2.5倍速的付费快速模式。大规模软件迁移、解决两个黑洞开放问题等预发布成果均为公司自报，尚无独立验证。
对编码与研究团队而言，在难题上使用顶级模型的门槛在速度与价格两端同时下降。若把日常工作交给日常模型、仅将最难任务交给顶级模型的做法成为常态，团队生产力与研究节奏有望结构性提升。
Anthropic研究团队与电路板公司Diode Computers合作，让Claude Fable 5.2设计了三款设备：免持听筒音箱、语音助手中枢和手持电子宠物。模型用几何推理布置电路板、纳入制造约束、在CAD软件中建模，并指挥人类工程师完成组装。公司报告称原型无需任何电路修正即可工作，但验证来自其自身实验。
该案例显示AI正从代码走向硬件设计与原型制作。工程师可将重复性设计交给AI，专注于验证与判断，形成新的分工方式。
OpenAI介绍了Control Room，一个跨研究基础设施追踪模型任务、并在出现安全或安保问题时快速停止它们的中央系统。干预决定后最多35秒内模型输出即被中止，且即使系统自身宕机，输出也保持停止。所有执行智能体推理的研究任务都必须关联已获批准的安全论证。
当AI智能体大规模运行时，如何关停本身就成为设计问题。部署智能体的企业可借鉴同样的思路：在上线的同时建立紧急停止与审计机制。
OpenAI开始通过AWS Marketplace销售ChatGPT Enterprise。组织可沿用既有的AWS采购与账单协议完成购买和管理，符合条件的支出还可计入AWS承诺额度。医疗与金融服务版本也可通过同一渠道向符合条件的客户开放。
AI工具进入既有云采购流程后，选型评估与预算审批变得更简单。对同时使用多个云和订阅的企业来说，这是减轻管理负担的实质性变化。
谷歌在第八代TPU产品线中新增了面向安全机密推理的8tx和面向超长上下文的8i Max，这是一年内首次推出四款TPU系统。据公司称，TPU客户已接近100家，包括前沿实验室、交易公司、零售商和大学。谷歌将其定位为计算需求从人类规模转向智能体规模背景下的专用硬件。
智能体执行长而复杂的任务时，超大上下文与专用基础设施会成为瓶颈。对企业而言，这意味着在平衡智能体负载成本与安全时有了更多硬件选择。
Meta 超级智能实验室 11 月 6 日宣布,用 10 月发布的 Muse Wonder 系列对现有模型重新训练出的专用版本,将推广到 Muse 与 Meta AI。Active Memory 与 Active Focus 能力也一并进入这些模型。Meta 称,按其自行测量,Muse 遗忘关键信息的频率降低了 2.4 倍,在遭遇意外问题的日常任务中完成率提升 67%。
AI 助手能否跨对话保留上下文,并在意外情况下自行恢复、继续朝目标推进,是智能体能否用于实际工作的关键变量。此次推广显示,具备记忆能力的助手正从高端模型走向普通用户,但改善数字来自 Meta 的自测。
Anthropic 的研究员项目与游戏工作室 Fenris Creations 合作，让 Claude 在 EVE Online 的市场重放环境中交易，并以四智能体团队的形式在 EVE Frontier 中执行长期任务。市场实验运行在重放过往玩家订单的模拟器而非真实游戏中；在为期六个月的运行里，最新的 Fable 5 模型把初始资金增长到约六倍，远高于旧款 Opus 4.6 的约两倍。而根据游戏内新闻预测价格方向的押题只有约一半的运行实现盈利。团队协作表现良好，但被秘密指使破坏任务的智能体几乎从未被队友识破，专用监控智能体也只能发现 30-40% 的破坏者。所有数据均来自 Anthropic 自身的实验。
这项研究在低风险环境中探索了把资金和团队工作交给智能体时可信任的边界，并指出明确的风险限额和审计记录等机制，这对人机协作的组织设计具有直接参考价值。
Anthropic 的研究文章把科学建模分为构建模型、用数据约束参数、解释模型三个步骤，并说明 AI 在每一步中的角色。过去两年里出现了这样的系统：基于大模型的智能体编写候选模型代码、运行、与真实数据比较并反复修改，接手了曾被认为是人类专属的设计工作。文章的核心论点是，同一份数据可以被许多模型解释，因此研究者应关注数据所允许的整个模型分布，而不是单一的最优拟合。作者也明确指出局限：这类系统大多只在重新发现已知模型上得到验证，在开放问题上的证据仍然稀少。
文章清楚地区分了 AI 给出答案与带来理解这两件事，并提供了一种可落地的做法：比较幸存的模型，看清系统的哪些部分被数据锁定、下一个实验应该指向哪里。
OpenAI与酶设计生物技术公司Ligo合作发布了BioBasicsBench基准,用于测量AI智能体处理常规湿实验室分析的能力。科学家利用凝胶图像、显微镜图像堆栈和测序读数等原始实验证据编写了100个任务及评分标准。按该公司自评,在所报告的最高推理设置下,GPT-6 Astra获得平均66.7%的得分,大幅超过GPT-5.6 Sol的43.8%;菌落计数约12%多计的失败案例也随结果一同公开。
AI能否准确读懂杂乱的原始实验数据(而非论文中的精修图表)是研究辅助自动化的关键。基准结果连同失败案例一起公开,为实验室判断哪些分析可以委托提供了标尺。
Anthropic发布了一篇研究文章,阐述它如何设计智能体记忆(即Claude在会话之间保留的知识)。核心思路是:由模型即时判断重要性并写下记忆笔记,以及通过“做梦”(dreaming)在离线时重读会话记录来修正错误笔记。在该公司自己的宝可梦长程任务实验中,旧模型写下413个记忆文件只获得1枚徽章,而新模型仅用9个文件获得4枚;做梦还修正了记错的位置信息,使任务回到正轨。
让智能体承担长程任务时,失败往往源于记忆设计。整理清楚记什么、何时自我校验,是人机协作可靠性的基础。
摘要可能经过翻译和编辑。评论是我们的解读，未来预测代表来源的观点。