Loading...
Loading...
Microsoft CEO Satya Nadella（萨蒂亚·纳德拉）：AI 代理将重塑工作流，真正的价值在于技术应用撰文：Techub News 整理
导语
在2025 年 5 月结束的微软 Build 2024 开发者大会主题演讲后，微软董事长兼 CEO Satya Nadella（萨蒂亚·纳德拉）接受了 The Rundown AI 的快速专访。这场对话紧贴大会热点，聚焦于微软如何整合其最新发布的一系列 AI 工具与平台，以构建所谓的“智能体网络”（Agentic Web），并深刻探讨 AI 代理将如何从根本上重塑知识工作、企业运作乃至社会生产效率。作为全球科技巨头之一的掌舵人，Nadella 在带领微软成功转向云与 AI 后，其关于技术应用本质与未来工作形态的思考，具有极高的行业风向标意义。
摘要
微软正构建“AI 时代的脚手架”，通过整合 Copilot、Foundry 等工具与开放协议，打造一个可组合的“智能体网络”（Agentic Web）。
未来知识工作者将转型为“代理管理者”，AI 不是替代人，而是通过改变工作流程和产出物（Artifact）来增强人的能力。
企业的可持续优势在于利用自身数据和知识对 AI 进行微调，并形成“数据-微调-市场反馈-再优化”的良性循环。
技术的真正价值不在于“基准测试黑客行为”或庆祝科技公司，而在于其能否被广泛应用于医疗、教育等领域，切实提升生产力和改善生活。
企业转型的关键在于文化、能力建设以及亲身实践，而非研究成功案例。
构建智能体网络：AI 时代的“新脚手架”
在 Satya Nadella（萨蒂亚·纳德拉）看来，当前我们正处在平台转型的早期阶段，大约两到三年后，讨论的焦点将从单个应用转向整个平台生态。微软的目标是构建一个支撑 AI 时代的“新脚手架”。
他以斯坦福医学院的肿瘤委员会会议为例，描绘了理想中的智能体协作场景：一个高风险的医疗决策场景，需要整合来自病理学、多个实验室、PubMed 数据库等多源数据，并由多个 AI 代理进行协同处理，最终将结果呈现给在 Microsoft Teams 中协作的医生。医生随后还能将这些信息轻松转化为教学用的 PowerPoint。这种复杂的、跨数据源和应用的“编排”（Orchestration）能力，正是未来应用的核心。
为了实现这种愿景，Nadella 认为必须构建一个每一层都开放、可组合、有标准协议的真实技术栈。如今，从 Microsoft 365 Copilot 到 AI 开发平台 Foundry，再到自然语言网络（NL web）和模型上下文协议（MCP）等开放组件，这个技术栈正在成型，共同编织成他所说的“智能体网络”（Agentic web）。他甚至认为，这或许能让我们重新发现互联网最初的开放精神。
微软正在尝试构建一个统一的 AI 用户界面（UI for AI），将聊天、搜索、代理、笔记本等功能集成于一处，Microsoft 365 Copilot 和 Teams 正是其体现。但 Nadella 强调，这并非唯一的形态。针对开发者、科学家等不同群体和工作流，将会涌现出丰富多样的 AI 交互界面。其底层令人兴奋的能力在于：数据、多模型调用、代理编排层以及能够理解意图并将其分解为对多个模型调用的新型推理模型。
从知识工作者到代理管理者：工作流的彻底逆转
随着 AI 代理的普及，知识工作的性质将发生根本性变化。Nadella 认为，未来知识工作者将更多地扮演“代理管理者”的角色，而非被代理所取代。
他用一个生动的比喻来解释这种抽象层次的提升：如果一个外星智能在 80 年代初观察地球职场，会看到“打字员池”、“幻灯片制作池”。而今天再来，它会认为“全人类都是打字员池”，因为人人都在打字。但实际上，我们从事的是知识工作，只是工具和形式被抽象和改变了。
他以自己准备客户会谈的流程为例，展示了工作流的“彻底逆转”。过去，需要账户团队撰写报告、通过邮件发送、他再手动整理到 OneNote 中阅读。而现在，他只需给出一个提示（Prompt），AI 就能从网络、邮件、文档、CRM 系统、供应链系统中自动抓取信息，生成一份全面的报告，他再分享给团队。他坦言，作为 CEO，他现在做的“知识工作”比过去更多，感觉能力更强、效率更高。
因此，Nadella 给所有知识工作者（无论是软件、金融、销售还是科学领域）的建议是：积极使用工具，主动改变你的工作产出物和工作流。拥有改变周围工作方式的能动性（Agency），是应对变革的最佳方式。他承认岗位更替必然会发生，因此最好的防御就是技能提升与再培训，而这一切始于使用工具本身。
AI 编程的未来：填补“技术债”，人类仍在循环中
开发者是工作流受 AI 冲击最显著的群体。Nadella 提到，微软目前有 30% 的新代码是在 AI 辅助下生成的。他展望了当 90% 或 95% 的代码都由 AI 生成时的世界图景。
他的思考起点是全球面临的巨大“技术债”或“IT 债”——大量未完成的软件项目。世界需要更多的软件开发能力来满足需求、清偿这些债务。在此背景下，AI 编程工具（如代码补全、代码解释、图表生成、多文件编辑、全仓库变更代理等）的价值在于，能让开发者保持心流状态，更高效地工作。
他特别提到新发布的 GitHub Copilot 工作流代理（Coding Agent），允许开发者指派任务并异步执行。但 Nadella 强调了一个关键点：“人类仍在循环中”（human is in the loop）。他认为人们高估了 AI 的自主性。即使在执行持续集成/持续部署（CI/CD）之前，代码仍需经过人工审核。这是一个开发组织内部人员与 AI 代理协同工作、共同解决开发赤字的新工作流。
对于企业而言，Copilot 的微调功能是一个重大突破，允许企业利用自有数据和代码库定制自己的 AI 编程助手。Nadella 指出，这引出了企业的“可持续优势”问题。优势不在于基础模型本身（这终将商品化），而在于企业能否形成一个良性循环：利用内部知识和数据微调模型 - 将输出应用于市场 - 获取客户或市场的反馈信号（即强化学习的奖励）- 用新数据样本进一步优化。完美运行这个循环，将成为 AI 时代企业新的核心竞争力。
企业转型之道：文化、能力与实践，而非案例研究
作为带领微软经历多次技术转型的领导者，Nadella 分享了企业如何围绕“代理时代”进行重组的心得。
他指出，微软并非靠单一产品成功的公司，因此最困难之处在于“不断调整”。他总结了转型需要彻底改变的三件事：工作方式、工作内容以及市场进入策略。同时革新生产函数、产品创新以及商业模式和上市策略，是一项艰巨的任务。
他认为，归根结底在于文化和能力建设，这能让企业有更多“射门机会”。对于稳定业务，AI 是顺风，能带来更大杠杆效应；对于衰退业务，AI 则是自我重塑的机遇。核心是培养寻找和实践新概念的文化与能力。
Nadella 特别提醒，迷恋时代的“明星公司”案例研究并无帮助。“现实是，案例研究没用。你必须亲自去做。”他引用了一句妙语：“你看别人去健身房，自己不会变健康。你必须自己去健身房。”这场变革关乎亲身实践，而非仰慕他人。
技术普及与价值回归：让强大的技术“消失”
关于员工技能提升，Nadella 主张“自下而上”的工具扩散模式，而非“自上而下”的标准化培训。他以个人电脑（PC）普及为例：最初是法律部门爱用 Word 写合同，财务部门爱用 Excel 做模型，但当人们需要跨部门协作时，工作流程和产出物自然被改变，这一切并非通过培训课，而是通过通用工具（PC 和 Office）的扩散实现的。
在微软内部，无论是 GitHub Copilot 还是 M365 Copilot 的推广，他都观察到类似的模式。他分享了一个网络工程师的例子：面对激增的 AI 工作负载和繁重的手动运维，她利用低代码/无代码和 Foundry 工具自主构建了一个多代理编排器，自动化了光纤故障处理流程。这种赋予员工工具和能动性，让他们改造身边工作流的方式，才是关键。他称 Excel 是“世界上最伟大、最普及的编程工具”，而 AI 工具将再次引发类似的全民“编程”普及。
谈到更前沿的“主动代理”（Proactive Agent），Nadella 引用了马克·维瑟关于“普适计算”的名言：“技术强大到足以消失。” 他认为，自然用户界面的演进方向就是以最小摩擦完成用户意图。主动代理应能理解高层意图、制定计划并执行，同时用户保持控制和可审查性（如通过会话日志）。这是透明性与自动化之间的平衡。
最后，主持人重提了 Nadella 此前引发热议的观点：AGI（通用人工智能）只是“无意义的基准测试黑客行为”，AI 的真正价值在于全球经济增长。Nadella 对此进行了阐释。他以医疗行业为例（占美国 GDP 约 20%），指出其巨大成本源于工作流低效。如果像斯坦福医学院使用的多代理编排器能够普及，让医疗提供者以更低成本提供更优质的护理，那才是价值所在。
他强调，自己的评论并非针对伟大的 AI 研究，而是认为社会过于庆祝科技公司本身，而非技术产生的影响。他渴望看到讨论焦点转向技术的实际应用。例如，世界银行在尼日利亚的研究显示，为学生提供 Copilot 或其他代理工具后，教育成果出现了可统计的显著改善。这种技术被广泛应用、解决实际问题的故事，才是他投身科技行业的初衷。“当全球其他行业因为运用技术为我们所有人创造了奇迹而受到庆祝时，那才是值得庆祝的一天。” Nadella 总结道。
Microsoft CEO Satya Nadella（萨提亚·纳德拉）：AI 时代的梦想与执行撰文：Techub News 整理
导语
2025 年，微软迎来了其成立 50 周年的里程碑。在彭博社节目《The Circuit》中，微软历史上仅有的三位 CEO——创始人比尔·盖茨（Bill Gates）、第二任 CEO 史蒂夫·鲍尔默（Steve Ballmer）与现任 CEO 萨提亚·纳德拉（Satya Nadella）罕见同台，进行了一场跨越时代的深度对话。这场对话不仅回顾了微软从一家小型软件公司成长为科技巨头的传奇历程，更聚焦于当前最激烈的战场：人工智能时代。从错失移动互联网的教训，到凭借对 OpenAI 的百亿美元赌注重返巅峰，再到面对生成式 AI 引发的行业剧变，三位掌舵者的分享揭示了微软长达半个世纪的生存哲学与未来野心。
摘要
微软的长期生存法则在于不断抓住技术浪潮，其核心 DNA 是“帮助他人创造更多”，而非单纯追求垄断或长寿。
错失移动互联网是重大教训，但正是搜索、云计算等“失败”尝试积累的技术，为今天在 AI 时代的竞争奠定了基础。
对 OpenAI 的投资是“聪明”之举，但合作关系正在演变；微软同时大力投资自研 AI（如 Copilot），并视其为新时代的“浏览器”。
AI 将深刻改变工作方式（如自动化大量代码编写），但其社会影响（如就业、安全）充满不确定性，需要全社会共同塑造。
现任 CEO 萨提亚·纳德拉的领导哲学是“大胆梦想，坚决执行”，在保持对云和 AI 长期押注的同时，灵活应对每季度的市场期望。
五十年沉浮：从软件革命到“中年危机”
1975 年，比尔·盖茨（Bill Gates）与保罗·艾伦（Paul Allen）在新墨西哥州创立微软时，怀揣着一个在当时看来近乎疯狂的愿景：“让每张办公桌和每个家庭都拥有一台电脑”。他们赌的是软件本身将成为一门独立的产业。从为早期个人电脑提供 BASIC 语言，到抓住 IBM PC 的机遇并签下非独占许可协议，微软奠定了其在 PC 时代的统治地位。Windows 95 的发布更成为一个文化现象，标志着图形界面和办公软件套件的成熟。
然而，巅峰之下暗藏危机。比尔·盖茨（Bill Gates）回忆，公司始终充满危机感，“我们总是担心，一旦有人意识到我们所意识到的，他们也能做得一样好。”这种危机感在 90 年代末达到顶点。微软一方面因在 Windows 95 中忽视互联网而措手不及，面对网景浏览器的崛起只能通过捆绑 IE 浏览器仓促应战；另一方面，其市场主导地位引来了美国司法部的反垄断诉讼。时任微软总裁布拉德·史密斯（Brad Smith）表示，那段时期公司甚至面临生存威胁，最终他们学会了“和解而非仅仅追求胜诉”，与政府达成和解，并从此更加注重与全球监管机构的沟通。
反垄断案带来了巨大干扰，但更深层的问题在于对市场趋势的误判。彭博科技记者迪娜·巴斯（Dina Bass）指出，微软随后接连错过了搜索、社交网络，而最重大的失误是移动互联网。“他们知道这很重要，但就是搞不清楚用户想要什么。”比尔·盖茨（Bill Gates）早在 90 年代就设想了平板电脑，但微软早期推出的产品并未成功，直到史蒂夫·乔布斯（Steve Jobs）推出 iPad。史蒂夫·鲍尔默（Steve Ballmer）坦承，错过“随身智能”（即手机）是最大遗憾，但他同时强调，当时在搜索等领域的技术积累（包括由萨提亚·纳德拉领导的项目），如今都成为了 AI 能力的基石。
鲍尔默时代：承压转型与云计算的“滑门时刻”
2000 年，史蒂夫·鲍尔默（Steve Ballmer）从比尔·盖茨手中接过 CEO 一职。他以充沛的激情和销售才能著称，但上任后却面临公司股价长期低迷、被排除在“FANG”等热门科技股名单之外的窘境。尽管公司收入和利润在增长，但华尔街似乎对微软失去了信心。
在挑战中，鲍尔默做出了两项影响深远的关键决策。第一是力排众议，在 2001 年推出了 Xbox。尽管内部争议巨大，甚至遭到比尔·盖茨的激烈反对，但 Xbox 最终成为美国游戏产业的巨头，为微软开辟了重要的消费者业务。第二，也是更具战略意义的决策，是押注云计算。当亚马逊 AWS 展现出云计算的巨大潜力时，鲍尔默意识到微软必须跟进。然而，当时的市场调研显示客户尚未准备好迁移上云，负责该业务的高层建议放缓步伐。鲍尔默果断换将，任命萨提亚·纳德拉（Satya Nadella）来领导这一转型。迪娜·巴斯（Dina Bass）认为，这是一个“滑门时刻”：如果当时没有换人，微软的云业务可能发展迟缓，纳德拉也可能无缘后来的 CEO 之位，公司命运或将截然不同。
回顾自己的交班过程，鲍尔默表示他从与比尔·盖茨的“漫长告别”中学到了重要一课：必须给继任者足够的空间。“我对纳德拉说，不要听老 CEO 的。你会知道该做什么，不懂的也会自己弄明白。”他认为纳德拉的成功之处在于不被过去束缚，不执着于“Office 必须帮助 Windows”的传统思维，这让他能做出更自由的决策，例如鼓励员工使用竞争对手的产品以了解市场。
纳德拉复兴：文化重塑、AI 赌注与未来之战
2014 年，萨提亚·纳德拉（Satya Nadella）成为微软第三任 CEO。他上任后立即推动了一场深刻的文化与战略转型：将公司从“Windows 至上”的思维中解放出来，全面转向“移动为先，云为先”。这一战略取得了巨大成功，微软 Azure 云业务迅猛增长，公司市值飙升，重新跻身“科技七巨头”（Magnificent Seven）之列。史蒂夫·鲍尔默（Steve Ballmer）作为最大股东欣喜地看到，“收入、利润、市值都变成了三倍多。”
纳德拉将微软的复兴归因于一种始终存在的危机感和对“相关性”的追求。“我成长于其中的微软，其核心 DNA 里没有‘我们赢了’这种概念。”他在采访中表示，CEO 的挑战在于既要每季度创造市场期待的“魔法”，又要为构建长期机构负责，平衡当下与未来。
纳德拉任期内的标志性事件，是对 OpenAI 高达 130 亿美元的投资。这被外界视为“十年最佳交易”之一，让微软在生成式 AI 浪潮中获得了关键的先发优势。比尔·盖茨最初曾因技术路径分歧而反对这笔交易，但结果证明这是“聪明”的选择，也包含一定的运气成分。然而，OpenAI 的董事会动荡也暴露了这种深度合作关系的复杂性。纳德拉在危机中表现得“水面之上无比平静，水面之下奋力划水”，并最终凭借合同条款确保了微软的利益不受影响。他承认，随着 OpenAI 从研究实验室转变为成功的产品公司，双方的关系必然发生变化。“他们会有其他合作伙伴，我们也会有。”微软在深度整合 OpenAI 技术的同时，也正大力投资自研 AI 产品，如 Copilot。
对于微软而言，下一个关键战役是赢得消费者 AI 市场。纳德拉承认，除了 Xbox，微软在消费者业务上一直缺乏建树。如今，成长于谷歌和苹果生态的年轻一代，与微软产品缺乏天然连接。为此，微软挖来了 DeepMind 联合创始人穆斯塔法·苏莱曼（Mustafa Suleyman）领导消费者 AI 团队。苏莱曼认为，未来几年将是“定义性的时刻”，AI 智能体（Agent）或伴侣将成为人们与世界交互的主要方式。他的任务是让 Copilot 变得像 Excel 或 Windows 一样不可或缺，并赋予其个性、幽默感和强大的个性化记忆能力，打造年轻人喜爱的产品体验。
AI 时代的机遇、隐忧与哲学
AI 的崛起伴随着巨大的资本投入（微软计划投资 800 亿美元）和深刻的社会性拷问。纳德拉认为，真正的考验不在于技术基准测试，而在于 AI 能否推动全球经济增长，并且让增长的红利更广泛地惠及各个行业和经济阶层。
对于 AI 可能带来的就业冲击，尤其是对软件工程师的影响，几位 CEO 持谨慎乐观态度。比尔·盖茨估计，微软内部已有 20%-30% 的代码由 AI 辅助生成，未来比例可能更高。萨提亚·纳德拉（Satya Nadella）认为，AI 将极大改变软件构建方式，许多传统的“代码 crunching”工作会消失，但世界总会创造新的工作和技能需求。关键在于应对转型期的阵痛。
然而，AI 的“终极工具”属性也使其成为“终极武器”，带来隐私、安全、伦理乃至地缘政治方面的挑战。纳德拉坦言，自己对 AI 的承诺能否超过其危险“并不自信”，并惊讶于 AI 未成为2025 年 6 月大选的核心议题。他强调，AI 将重塑学习、就业市场等方方面面，其影响之深远堪比核能，因此绝不能仅由懂技术的人来决定其发展方向，需要全社会共同参与塑造。
当被问及“人类完全主导的时代是否将在 10 年内结束”时，穆斯塔法·苏莱曼（Mustafa Suleyman）认为，认为 AI 无法超越人类是“一种独特的人类傲慢”。比尔·盖茨（Bill Gates）则指出，未来 10 到 20 年充满不确定性，任何自信的预测都可能是错的。AI 是动态的、涌现的、能实时适应人的，其三级效应难以预测。
展望未来 50 年，微软会变成什么样？无人能给出确切答案。但萨提亚·纳德拉（Satya Nadella）分享了史蒂夫·鲍尔默（Steve Ballmer）传给他的、也是他时刻铭记的忠告：“要大胆，因为不大胆就一事无成；要正确，因为不正确也毫无价值。”这或许正是微软穿越半个世纪技术周期、并在 AI 新纪元中继续寻求“相关性”的核心哲学：大胆梦想，坚决执行。正如纳德拉所言，公司的核心框架从 1975 年至今未曾改变——“能否做出一些事情，让他人能够成就更多？”
AI价值链翻转，智能体超级工厂上位让智能体“上岗”的工厂模式。
作者 陶辉东
本文字数3770
手搓量丨100% AI含量丨0%
甭管是跟风还是真的有用，AI智能体在企业里大规模"上岗"，已是浩浩汤汤的大势。
IDC预计到2030年，全球活跃的数字员工（Agent）数量将达到22亿个；Gartner则预测，到2028年平均每家《财富》500强企业将使用超过15万个AI Agent。
现在，上马一个智能体很容易。拖一个低代码画布、接一个大模型、写几行提示词，一个“数字员工”就能在汇报会上跑起来。
但热闹的另一面是水分。同样是Gartner的预测，到2027年底超过40%的智能体AI项目将被取消，原因是成本不断攀升、商业价值不明、风险控制不足。
很多企业的现状是，智能体数量越来越多，每个都报告了几倍的效率提升，但一算账却发现成本并没有下降，业绩也没有增长，只是多了一笔token账单。
失控的Agent大军
智能体为什么没有很多企业想象中的那么有用？
Gartner在报告里写道，大多数智能体项目目前还只是"由炒作驱动的早期实验或概念验证，而且常被误用"。还有一个专门的词叫"agent washing"（智能体洗白）：把AI助手、RPA和聊天机器人重新贴标成智能体。
即便智能体不掺水，也很难跑完最后一公里。德勤的调研显示，66%的组织在试验AI智能体，但真正跑进生产环境的只有11%。中欧国际工商学院教授方跃把它概括为四个字——"试点繁荣，价值虚无"。
还有一件比"用不起来"更棘手的事情：管不住。随着智能体数量的失控式膨胀，没人说得清公司里到底跑着多少个智能体、它们分别能碰到哪些数据、出了问题谁来负责。
问题已经很清晰了：智能体不是做出来就完了。眼下绝大多数企业不是缺智能体，而是缺真正懂企业核心业务的智能体，以及缺把智能体“管”起来的能力。
最近，我从投资人那里听来一个“段子”：某非常火爆的通用Agent产品开始推企业版了，号称有组织管控、安全合规和协同沉淀等诸多厉害的功能，但实际结果是严重滞销，因为根本不懂企业业务，很多客户宁愿买个人版账号，也不愿意采购企业版。于是，该公司开始力推FDE。
但FDE的问题几乎跟智能体本身一样多。很多所谓FDE实际上只是传统实施团队换了个马甲，与早就被上一代“AI四小龙”们证伪过的项目制模式并无本质区别。能像Palantir那样形成know how复利飞轮的公司是少之又少。
与此同时，一些玩家也开始探索另一条路：智能体工厂（Agent Factory）。
它的思路是，既然AI进入企业的基本载体是智能体，那么帮助企业持续、低成本、可信地生产和运营一支智能体大军，就是AI落地的核心，而这件事是可以工厂化的。
让智能体“上岗”的工厂模式
所谓智能体工厂，本质是把过去高度依赖工程师个人经验的智能体构建，转化为标准化、可复用的产品和流程。
从国内外的产业实践看，向"工厂模式"演进正在成为巨头与平台型玩家的共识。
微软的Agent Factory将Copilot Studio与Microsoft Foundry纳入统一采购和计费方案；甲骨文的Private Agent Factory围绕企业数据库提供预置智能体和可视化编排工具。
各自切入角度不同，但核心都在把智能体开发、数据接入和运行管理整合到一个平台。
在国内，蚂蚁数科今年7月在WAIC上率先提出"智能体超级工厂"的企业AI基础设施方案，将商业智能体全栈平台Agentar作为其核心平台。
与过去简单的低代码Agent搭建工具相比，蚂蚁数科的"智能体超级工厂"在产品架构上有几个截然不同的进化特征。
首先是标准化与资产化。它不再让用户从空白的Prompt框开始摸索，而是把行业沉淀的know-how预先封装为岗位级专家智能体模板与标准化技能包（Skills）。
比如，蚂蚁数科Agentar金融版，就是基于其在金融行业已经跑通的AI落地实践，将行业know-how和经过验证的方法沉淀为可复用的Skills、专家智能体和工具箱。
对于金融机构而言，意味着不必再从零开始建设，而是在开箱即用的基础上，按需接入自身业务场景、知识库和数据资产，减少重复建设成本。
还有就是深水区业务的容错红线。
智能体从"陪聊"走向"上岗"，最大的挑战是不可预测的幻觉、越权操作与系统性风险。而在金融清算、信贷风控或生产调度等核心场景，任何一次越权都可能是灾难性的。所以必须有一套工具去解决智能体数字身份、数据与业务安全和模型鲁棒性等风险。
这背后考验的不再是模型本身，而是安全与可信基础设施的完备程度。
蚂蚁数科过去长期布局区块链、数字身份、隐私计算和安全风控，如今，这些能力正在被整合到智能体工厂的底座能力中。
其中，KYA（Know Your Agent）被视为智能体时代的重要身份基础设施。
如果说在互联网时代，KYC、KYB是交易和协作得以成立的前提，那么在未来的智能体时代，KYA很可能也将承担类似角色。无论是Agent之间的协作、交易，还是支付与执行，前提都是先确认“这个智能体是谁”。
从这个意义上看，KYA不只是一个身份管理工具，更可能成为智能体经济时代的关键入口。
外滩大会期间，蚂蚁数科联合十余家单位发布智能体身份管理相关国家标准立项，蚂蚁集团也同步发布智能体可信身份解决方案及KYA产品。
某种意义上，这也是在为智能体真正进入企业核心业务系统，补上身份、权限与责任界定这一层关键基础设施。
总结成一句话：智能体是否懂核心业务逻辑、知识能否复用、组件能否稳定调用、操作权限能否管住，决定了智能体能在企业发挥多少价值。
谁能玩转智能体工厂？
答案藏在产业价值链分工的变化里。
当大模型技术已经被逐渐拉平，企业AI落地就不再主要取决于模型层。真正的壁垒在于两件事：懂不懂这个场景，以及能不能把它工程化地交付出来。
Palantir是这条路最好的注脚。这家公司没有自己的大模型，却成了AI时代最大的赢家之一。
它靠的不是模型，而是二十多年扎根政府和企业现场，把客户那些混乱、非标、缺乏文档的业务，变成一套可复用的"本体"和AI产品化平台。
AI浪潮袭来时，它不需要重新理解客户，只需要把已经沉淀的场景理解以AI的方式交付出去，业绩与市值随之爆发。
在蚂蚁数科身上也能找到类似的特质。
作为蚂蚁集团科技商业化的独立板块，蚂蚁数科长期服务金融、政务、交通、能源等行业的数智化升级，至今已与合作伙伴一起服务上3万家企业客户，覆盖亚洲、中东、非洲、欧洲等24个国家和地区。
十年下来，它攒下了三样很难复制的东西：对行业场景的理解、打通技术落地最后一公里的产品工程化能力，以及长期服务换来的信任基础。
这些服务企业落地的能力和经验成了构成蚂蚁数科企业AI业务的壁垒，也是其AI业务增长的一个重要起点。
与很多"从大模型切入企业AI"的公司是反着来的。后者是拿着锤子找钉子——先有了模型能力，再去找它能落地的场景；而蚂蚁数科本来就身处这些行业的企业场景之中，是从客户的问题和需求出发。
蚂蚁数科CEO赵闻飙告诉记者，在其AI业务的增长中，一大半都来自原客户，这些大客户与蚂蚁数科建立长期信任，这是当下最稀缺的资产。数据佐证：客户净收入留存率（NRR）超过110%。大客户中AI产品采购占比已接近20%，还在持续增长。
这也解释了为什么蚂蚁数科的智能体超级工厂，最先跑通的是金融理财、信贷风控、电力交易这类容错率极低、但对AI价值极高的场景。
比如蚂蚁数科的“数字客户经营专家”智能体，能够调度多个子智能体协同完成客户洞察、产品匹配、策略生成和服务触达等关键环节，并自动生成个性化经营方案，将原本需要跨角色、多环节协同完成的流程压缩至当日完成。
这不止是效率的提升，而是产生了实打实的业务效果。在实际应用中试点客群客户总资产规模提升10%、客户活跃度提升15%、服务客户数量提升5倍以上。
与大多数AI服务商不同的是，蚂蚁数科有专门训练的行业大模型、模型Maas平台和应用智能体平台等。市场上大多企业只专攻其中一项，很少能把这几类能力整合，直接服务产业落地。即便Palantir也没有自研模型。
“在我看来，蚂蚁数科是一家很独特的公司。”在2026年上海外滩大会上，蚂蚁数科CEO赵闻飙表示，进入AI时代，蚂蚁数科不是简单的做了一些向AI延伸的产品，而是以AI原生为重点发力，与此同时，公司的经营模式、管理指标也在同步变化。
据了解，过去两年公司整体业务保持年均50%的增长，其中AI To B业务增速达到三位数，已经成为新的增长引擎。业务模式也从过去以大客户项目制交付为主，逐步转向平台化、标准化产品驱动，平台产品ARR增速达到60%。
也就是说，今天，蚂蚁数科已经完成了一次AI化重塑。
第三方报告也印证了这一点。
据IDC发布报告显示，2025年中国金融大模型、智能体应用及服务整体市场，蚂蚁数科额位居第一；《中国智能体开发平台市场份额，2025》则显示，在2025年中国智能体开发平台私有化市场中，蚂蚁数科位列非云厂商第一、整体市场第四。
AI的价值链翻转：从“正三角”到“倒三角”
今年外滩大会上，上海交通大学上海高级金融学院兼聘教授、高金智库研究员邬瑜骏发布的研究报告指出，企业级智能体正在告别“模型为王”，Harness编排与治理层正成为新的增长极。
无独有偶，蚂蚁数科国际事业部负责人李世炜给出了一个判断，AI产业链的价值分布即将从“正三角形”翻转为“倒三角形”。也就是说随着产业逐渐成熟，上游的模型层价值占比下降，中间层和AI应用层的价值将迅速提升。
对于AI应用，李世炜又进一步将其分为两层。第一层是通用场景，比如coding和work，市面上的Agent产品非常热闹，竞争非常激烈。而一旦进入行业场景，也就是生产系统，情况就完全不一样了。在李世炜看来，这才是AI to B真正的深水区和主战场。
蚂蚁数科的智能体超级工厂战略正是聚焦于深水区。
当模型供给足够充分，能力差距不断收敛，新的阶段，比拼的焦点已经转变成谁能够把模型能力转化为可标准化、可复用的产品能力，并真正应用于企业核心业务场景、持续创造实际价值。
还是回到开头那句话：上马一个智能体很容易，AI落地这门生意真正的分水岭，已经不是看谁造出的智能体更多，能跑通“造、管、用、治”完整闭环，创造端到端价值，才能坐上下一阶段的牌桌。
英伟达和京东，为什么同时把AI的下半场押注在物理AI？刚进入9月，全国多地机场突然被一幅醒目的广告牌刷屏——“把AI推向物理世界”，字少，意思也很直接，落款是京东云。
在这张广告牌打出的同时，在9月9日举办的JDD（京东发布会/开发者大会）也将主题明确指向了“物理AI”。
“物理AI”绝对是过去半年中文语境里最重要的热点，物理世界被认为是AI的下一站。
行业经历了两年的技术狂欢，行业疯狂卷推理速度、卷长上下文，甚至卷谁的聊天机器人更像真人。但此刻非常现实，甚至有些残酷的问题被摆到了桌面上：这些消耗了天文数字算力的Token，以及C端积累的海量流量，到底该如何转化成真正的商业价值？
站在产业观察者的视角，这场转向背后映射出两个核心命题：AI为什么必须走出数字世界？以及，为什么是京东这样的企业在抢占这个高地？
当AI开始离开聊天框
AI演进的这几年，本质上是在虚拟的数字世界里刷分。但技术迭代的边际效应递减与高昂的运营成本，让整个行业不得不直面现实——这些能力最终能完成多少工作、创造多少实际价值。
Agent是最明显的信号。
过去的Copilot主要参与人的工作过程，帮程序员写代码、帮销售整理资料、帮财务分析数据；Agent开始进一步接管一段完整任务，读取企业数据、调用不同工具，并把结果重新写回业务系统。OpenAI今年6月发布的一项研究，把这一变化概括为知识工作的基本单位正在从单次交互转向“可委托的长期任务”。
企业衡量AI的方式也随之改变。如果说Token衡量模型生产了多少智能，Task衡量AI能够承担多少工作，那么企业最终需要看到的仍然是成本下降、效率提高、业务闭环，也就是Result。
当底层大模型的通用能力逐渐拉平，“谁的参数大”不再具备绝对护城河。AI竞争的战场，必然转移到“谁能深度接入产业流程，解决具体问题”。
这也是今年JDD上，京东将“物理AI”推到核心位置的背景。
京东的判断是，AI竞争正在从“参数竞赛”走向“生产力竞赛”。在JDD上，京东将云、数据、模型、终端、场景和供应链放进同一套体系，希望让AI进一步进入零售、物流、工业、健康和家庭等真实场景。
相比于行业泛滥地用“物理AI”来笼统代指机器人，京东想要探讨的逻辑显然更为宽广。
机器人是AI直接作用于现实世界的一种典型形态，但更广泛的变化早已在不同产业里悄然发生，零售AI最终需要影响交易和履约，物流AI开始参与仓储与配送，工业AI进入生产流程，而机器人则把模型的判断进一步转化为物理动作。AI开始从生产信息，进一步参与真实世界的生产和服务过程。
这种判断也正在成为全球AI产业的底层共识。今年，英伟达持续强化物理AI布局，从Cosmos世界模型、Isaac仿真框架到GR00T机器人模型，联合ABB、FANUC、Figure等巨头推动技术进入电子装配与工业自动化场景。
物理AI正在从机器人领域的一个技术分支，延伸为AI切入现实生产系统、兑现生产力价值的唯一主航道。
进入物理世界，AI为什么反而更难？
大模型过去几年的快速进步，很大程度上建立在互联网已经积累的海量数字内容之上。网页、书籍、图片、视频和代码可以被持续用于训练；模型完成训练之后，又可以通过API快速部署到不同产品和用户。
但进入物理AI，Scaling Law（规模法则）开始遭遇著名的“莫拉维克悖论”——对AI而言，抽象的逻辑推理变简单了，但在复杂的现实物理世界里抓取一个物体、辨识一个微小障碍，却极其困难。
一个AI进入仓库，需要知道商品在哪里、库存如何变化、不同设备如何协同；进入工厂，需要理解物料、机器和生产流程；进入家庭，需要适配不同空间和硬件；进入机器人，则进一步涉及动作、力、环境反馈，以及不同本体之间的差异。
这也是为什么，物理AI的发展很难简单复制大模型过去几年的Scaling路径。英伟达曾将机器人开发面临的核心问题概括为“data gap”：互联网为大语言模型提供了丰富的预训练数据，但现实世界中的机器人数据数量有限、采集昂贵，大量极端场景也很难通过真实采集覆盖。
具体到产业落地，物理AI需要解决的问题可以进一步归纳为三层：有没有足够的数据学习，有没有足够的场景验证，以及验证成功之后能不能规模化。
这恰好对应了京东在JDD上提出的逻辑：数据让AI进化，场景让AI验证，供应链让AI规模化。
首先是数据。
数字世界的数据主要记录人类已经表达出来的知识，物理AI需要进一步理解人和物体如何运动、动作如何改变环境，以及任务在真实空间中如何被完成。这类数据的生产成本也更高。一段网页文本可以直接被模型读取，一项机器人任务却可能涉及摄像头、传感器、动作轨迹、力反馈等不同模态，还需要经过采集、标注、训练和真实环境验证。
京东选择把数据基础设施向现实世界继续延伸。目前，其具身数据体系已经覆盖“采、存、标、训、评、仿、测”全链路，并计划在两年内累计1000万小时真实场景视频数据。数据来源也从机器人本体数据，扩展到力触数据、仿真数据和人类第一视角操作视频。
数据之外，第二个壁垒是场景。
物理AI最终面对的是持续变化的现实环境，且容错率极低。一项能力在Benchmark或实验室里成立，并不意味着它进入仓库、工厂和家庭之后依然有效。
这也导致了物理AI与通用数字模型的根本差异：在数字AI中，模型通常先完成训练，再被部署到搜索、办公等场景；而在物理AI中，场景与模型之间的关系正在变得更深，场景本身就是AI能力继续迭代的一部分。
真实业务产生数据，数据进入模型训练，模型重新进入业务执行任务，执行结果继续形成新的反馈——数据、模型与场景之间由此形成持续循环的飞轮。
从这个角度看，京东在零售、物流、工业、健康和家庭积累的业务，多了一层AI时代的独特价值。以工业场景为例，京东披露其工业大模型JoyIndustrial累计调用量已超过10亿次，应用从工业知识理解进一步深入到Agent任务规划、工具调用和企业业务系统执行，并将执行结果重新反馈到系统中。
场景不仅是AI能力最终应用的地方，更是AI获取真实反馈、完成自我进化的物理闭环。
第三个壁垒是规模化。
在实验室里完成一次任务，与让大量设备在不同环境中长期稳定运行，中间还有很长的工程和产业链距离。AI进入现实世界之后，模型部署只是其中一个环节，硬件生产、零部件、渠道、物流、安装、维修和售后都会影响最终能否形成商业闭环。
因此，京东“云、数、模、端、场、链”这六个字里，最后的“链”尤其值得关注。
模型解决一项能力能不能实现，场景检验它能不能在真实环境中运行，供应链则决定这种能力能不能进入足够大的现实世界。
这也构成了物理AI更完整的一套产业壁垒：数据决定AI如何理解现实，场景决定AI如何适应现实，供应链决定AI如何规模化进入现实。
当竞争所需要的资源发生变化，大厂之间原有的AI优势排序，也可能随之改变。
物理AI，可能重新定义大厂的AI优势
随着物理AI将竞争变量拉入真实世界，京东过去二十多年积累的实体基础设施，获得了全新的解释空间。
相比许多主要运行在线上的互联网平台，京东的业务很早就深入了商品和服务的实际流通过程。从采购、库存、仓储到配送和售后，再到工业采购、健康服务、家电和智能硬件，大量业务都需要同时连接线上系统和线下履约。
这些能力过去主要服务于电商和供应链效率。进入物理AI阶段之后，它们还可能成为AI获得数据、训练和验证能力，并最终实现规模化部署的基础。
京东在JDD上提出“超级AI供应链”，核心也在于将这套实体网络与AI深度串接。从底层的云、数据和模型，到中间的Agent、开发平台和仿真工具，再连接机器人、家电、医疗器械、无人车等终端，最终进入零售、物流、工业、健康和家庭等实际业务。
机器人产业可以更直接地体现这种“超级AI供应链”的落地方式。
京东目前给自己设定的位置，并不局限于开发某一种机器人产品。按照此次JDD披露的规划，京东希望同时进入具身数据采集、机器人产业基地、核心零部件供应、零售渠道和维修服务等环节。
未来五年，京东计划布局80余个RoboBase；在供应链端，希望通过规模采购、C2M定制和供应链协同，将机器人本体BOM成本降低50%以上；在销售和服务端，则提出未来三年助力100个机器人品牌实现销售额超过10亿元，并建设覆盖全球100多个国家和地区的机器人售后服务网络。
这些布局背后，其实对应着物理AI产业未来尚未确定的问题：如果机器人最终成为一个足够大的智能终端品类，产业价值会如何分配？
PC产业成熟之后，价值分散在芯片、操作系统、整机、软件和渠道等不同环节；智能手机进一步形成了芯片、操作系统、终端品牌、应用生态和供应链的完整分工。如果机器人真正进入工厂、商场和家庭，同样需要模型、数据、核心零部件、整机、渠道、维修和服务体系。
目前，这个产业仍处于早期阶段，最终的产业格局远未形成。但对京东而言，参与物理AI的意义，也因此超出了推出某款机器人或者某个模型。
它正在尝试回答的是：当大量AI终端真正进入现实世界，一家拥有供应链和物理运营网络的平台，可以在其中占据什么位置？
这也是理解京东提出“全球最大的物理世界运营中心”的切口。
京东长期运营的是商品在现实世界中的流动。订单产生之后，背后连接的是采购、库存、仓储、运输、配送和售后，数字系统最终需要在现实世界完成履约。
物理AI让这套能力有了进一步延伸的可能。未来需要被规模化组织的，可能还包括AI如何获得真实数据、进入不同终端、在具体场景中完成任务，并通过供应链和服务体系持续运行。
AI下半场的竞争维度正在被物理世界重新定义，而这恰好是京东积累最深，也最擅长的战场。
图片来源｜AI生成
Microsoft AI CEO Mustafa Suleyman（穆斯塔法·苏莱曼）：未来十年将彻底改变人类撰文：Techub News 整理
导语
2025 年 11 月，微软AI首席执行官、DeepMind联合创始人穆斯塔法·苏莱曼（Mustafa Suleyman）接受了“Silicon Valley Girl”频道的深度访谈。作为AI领域的先驱与领军者，苏莱曼不仅亲历了深度学习革命的兴起，如今更执掌微软AI，负责将前沿研究转化为如Copilot这样的普惠产品。本次对话中，他直面“AI泡沫论”、“AI意识”等争议话题，并以前瞻性视角描绘了未来十年AI将如何深度融入并重塑人类社会的工作、医疗、教育乃至家庭生活。他的观点不仅代表了产业顶层的战略思考，也触及了技术发展与社会伦理的核心矛盾。
摘要
驳斥“AI泡沫论”，认为当前创造的价值是根本性的，AI是史上最智能、进化最快的技术。
强调AI不具备意识或主观体验，需警惕“拟人化投射”，AI应始终服务于人类。
预测未来5-10年内将实现“人类水平”的通用人工智能（AGI），工作性质将发生根本性变革。
描绘了“环境智能”的未来：个人AI将具备“环境感知”能力，成为日常生活的无缝助手。
指出医疗和教育将是AI带来最大颠覆的领域，顶尖服务的成本与可及性鸿沟将被极大弥合。
AI泡沫与根本价值：我们创造的是魔法
当被问及当前是否处于“AI泡沫”时，穆斯塔法·苏莱曼（Mustafa Suleyman）的回答斩钉截铁：“不，我不这么认为。”他承认市场存在狂热，但坚信底层创造的价值是前所未有的。他将AI称为“我们发明过的最智能、能力最强的技术”，并且其改进速度“比我们见过的任何东西都要快”。
苏莱曼指出，三年前业界还担忧AI会变得愈发混乱和难以控制，但如今，每个月都在诞生“美丽、强大、令人惊叹”的体验。这种可控性的增强，而非减弱，让他对AI的未来“ genuinely very bullish”（非常乐观）。他认为，智力是人类作为一个物种成功的关键，而现在，我们正将这种智力“蒸馏”成越来越小的单元，使其变得廉价且广泛普及——这是一个“非凡的想法”。
意识、拟人化与AI的伦理边界
随着AI表现越来越“类人”，关于其是否具备意识的讨论甚嚣尘上。苏莱曼明确划清了界限：AI正变得更准确、流畅、人性化，这确实是前所未有的，但它绝对没有意识，也没有自我意识。
他特别提醒要警惕“拟人化投射”（anthropomorphic projection）。他以谷歌工程师认为AI感到悲伤并害怕被关闭的著名事件为例，指出“仅仅因为它具有一些人类特质，并不意味着它拥有所有人类特质，包括主观体验”。他强调，AI不会受苦，不会感到疼痛，它们只是在模拟高质量的对话。
“意识是我们权利框架的基础，”苏莱曼说，正是意识赋予了我们在社会中作为公民的责任、投票权和法律约束。将这种品质赋予一个新的“物种”，对人类而言将是可怕的。因此，他坚定认为，AI应被视为服务人类的工具，而非与人类具有同等道德意义的实体。“我们发明技术是为了让它为我们工作，”他比喻道，就像麦克风放大并传播我们的声音一样。
对于“人类与AI结婚”等未来可能性，苏莱曼态度开放但立场清晰：如果可能，总会有人去做，但大多数人不会。他个人不认为这是积极的发展方向，并重申AI应处于“被控制”状态，其目标应由人类设定，并与人类价值观对齐。他提出的愿景是构建一种“人本主义的超级智能”（humanist super intelligence），站在人类阵营，为人类备份。
AGI将至：工作、竞争与“想法变现”的民主化
苏莱曼预测，在“大多数任务”上达到人类水平性能的AGI（通用人工智能），“很可能在未来5年内实现”。这并非科幻，而是基于当前模型已在总结、翻译、研究、文档写作甚至诗歌等许多任务上超越人类的事实。
这将“以最深刻的方式根本性地改变工作”。苏莱曼回顾了互联网如何通过流媒体和播客“民主化了广播的力量”，使个人创作者无需庞大团队即可工作。而AI正在做的是“民主化智能的获取”。
未来，你不需要拥有特权、财富或资本才能组建优秀团队创业。你将拥有一个由智能体组成的“团队”，它们可以是“最好的律师、最好的医生、最好的老师、最好的项目经理”。这将导致“难以置信的竞争”，因为“想法与实现想法之间的距离将急剧缩小”。人们将能够“凭空想出”新公司、新产品、新诗篇，并由身边的智能体代理去执行。
当被问及AI是否会取代人类提出创意时，苏莱曼承认“这绝对会发生”，但关键在于“控制”（containment）。技术人员的创造性挑战在于设定限制、护栏和审批节点，确保AI在有限范围内工作，对人类负责并寻求批准。他将此类比为汽车工业的发展：从内燃机到如今完善的交通法规、安全带、驾照等一系列确保其服务人类的体系。管理自主智能体也将经历类似的过程。
2040年生活图景：环境智能、机器人助手与自我进化
展望未来，苏莱曼描绘了一幅“环境智能”（ambient intelligence）主导的生活场景。计算机、浏览器、搜索引擎、应用程序等都将“逐渐隐去”，取而代之的是你的“个人人本主义超级智能”，它接管日常的浏览、搜索、计划、预订、同步等工作。
设备形态将变得更加多样化、可穿戴和环境化。他预测，到2040年，我们可能主要通过佩戴在耳朵里的设备与AI交互，该设备配备摄像头，具备“环境感知”能力，能实时感知你的意图并与你对话。厨房里可能会出现机器人手臂（不一定是人形），学习使用现有的电器（如水壶）为你服务。家庭和汽车将变得高度主动，例如主动订购食品、安排取货等。
苏莱曼认为，AI不会要求我们彻底改变物理世界来适应它，相反，它会学习以我们的方式使用现有工具。“机器人只是要学会做你做的事，并以你的方式去做。”
医疗与教育：AI带来的最大平等化革命
在苏莱曼看来，医疗是AI最具颠覆性的市场。目前，全球范围内，顶尖医疗与普通医疗之间的质量差距“大得难以置信”。AI将彻底改变这一现状，因为“每个人都将能够获取医疗超级智能，而每月只需20美元”。
他介绍了微软Copilot与哈佛医学院等权威机构的合作：将健康回答建立在权威引证之上，并提供医生推荐服务，可以根据你的具体需求（如性别、专科、地点）匹配最合适的医生。目前，Copilot每周有40%的查询与健康相关，这显示了巨大的需求。
教育领域也将发生根本性变革。苏莱曼认为，传统的知识获取（学士、硕士学位）模式将被颠覆。知识获取将变成“你与Copilot之间的对话”。微软新推出的“Learn Live”功能就像一个随身的专家导师，可以就任何主题为你定制课程和测验。教育机构不会消亡，但必须快速整合AI工具才能蓬勃发展。
对于“是否该为孩子存大学学费”这个问题，苏莱曼的回答意味深长：“15年后，可能不需要了。”当世界级的专业知识唾手可得且每月只需20美元时，花费数十万美元的传统名校教育的价值将受到巨大挑战。
记忆、大脑与社会：我们是否会变得更笨？
AI的“记忆”功能引发了对人类自身记忆能力退化的担忧。苏莱曼承认，就像计算器让我们不再背诵乘法表，手机让我们记不住电话号码一样，AI的记忆外包是类似的趋势。但他不认为这会让人类整体“变笨”。
相反，他认为我们的大脑会将精力转向其他方面。我们处理海量新颖信息、进行综合的能力比前人强得多。虽然信息过载可能导致某些方面的极化，但也促进了更多的同理心、理解和尊重——因为我们通过社交媒体更多地接触和了解了不同的人群。
苏莱曼总结道，AI降低了获取信息的门槛，实际上让我们“更聪明”了。以前需要数小时去图书馆查阅才能解答的问题，现在可以随时向聊天机器人提出。这正在驱动“更多的集体智慧和对我们世界的更多认知”。
人机协作的未来：从“连接器”到“社交智能”
谈及AI的杀手级应用，苏莱曼提到了Copilot的“连接器”（Connectors）功能。用户可以让Copilot连接Gmail、日历、Dropbox等个人数据源，然后进行跨平台的查询、调度和内容搜索，AI会整合所有上下文信息给出答案或提醒（例如提醒日程冲突）。
他个人最喜爱的用例是语音日记：每天下班开车回家时，他会通过手机按键激活语音模式，向Copilot口述一天的经历，进行反思和梳理。Copilot会记住他之前说过的话，帮助他思考难题，就像“第二记忆”。
最后，苏莱曼分享了他对AI进化方向的最新思考。除了之前关注的IQ（智商）、EQ（情商）、AQ（行动商数），他发现了被忽略的SQ（社交智能）。微软新推出的“Copilot Groups”功能允许最多32人与Copilot在一个群聊中互动。关键在于，Copilot可以针对群组中不同的人调整其语气、风格和回答内容，并能记住每个人的喜好和历史对话。这种在群体环境中管理对话、协调不同需求的能力，是AI发展的新前沿。
他展望，未来的群组设置将包括人类和AI的混合参与。例如，在医疗场景中，患者先与AI医生进行长时间沟通，然后人类医生加入同一聊天，AI医生已做好一切简报；律师也可能带着自己的AI助理参与群聊，进行事实核查或总结。人类与多种AI将在同一个数字空间内无缝协作，共同解决问题——这或许就是未来十年人机关系演进的缩影。
DeepSeek做了一款"不是模型"的产品Harness，却可能比模型更重要8月13日晚，DeepSeek没有发新模型，而是开源了一个叫Harness的东西。
一天之内，GitHub星标近8万。这个速度超过了当年R1和Grok-1的纪录。
Harness不是模型权重，不是API接口，而是一层"壳"——套在模型外面、让模型真正能干活的执行系统。DeepSeek给了一个公式：Model + Harness = Agent。
翻译一下：模型负责想，Harness负责干。
为什么DeepSeek要做这个？
这个问题才是整件事最有意思的部分。
就在Harness发布之前，DeepSeek的API文档里列了十几家第三方Agent集成工具——Claude Code、Codex、Cursor、Copilot……什么都有，唯独没有自家的Agent产品。模型是它家的，干活的手是别人家的。
这就像一个造了顶级发动机的人，发现所有整车厂都在用他的引擎，但方向盘、底盘、变速箱全是别人的。他决定自己造一辆完整的车。
更深层的原因是：同一个模型被放进不同的Agent系统，表现可能差出一大截。模型只负责预测下一步，真正决定体验的是Harness——它决定模型能看到什么上下文、能调哪些工具、出错怎么重试、什么时候算任务完成。
没有Harness的强模型，本质上只是"很贵的自动补全"。
"一切皆插件"到底意味着什么
Harness的核心设计原则写在官网首页：Everything is a plugin。
大多数Agent框架只在工具层开放扩展——加个搜索工具、接个MCP服务器，到头了。DeepSeek Harness把插件边界一路下沉到了运行时底层：模型适配器、工具、技能、会话、沙箱、存储、Agent循环、调度、甚至UI，全是可替换的插件。
整套架构基于Cordis插件元框架构建。开发者不需要改源码，只在配置文件里调整插件清单，就能换模型、换沙箱、换循环逻辑、换整个界面。
这跟LangChain、LangGraph那类编排库的思路完全不同。LangGraph是在框架里画流程图，节点和边写死了；Harness是给你一块巨大的洞洞板，每个零件都能拔下来换掉。
四种运行模式本质上就是同一套插件的四种组合方式：
标准模式：全副武装，文件编辑、shell、搜索、子Agent、工作流，日常开发直接用。
PTC模式：模型不是一步步调工具，而是先写一段TypeScript代码，用代码编排多轮调用——适合复杂多步任务。
极简模式：只留shell和文件编辑两个工具，专门用来做模型基准测试。V4-Flash的Agent跑分就是用这个模式跑的。
创造模式：实时检查运行时、在内存里试验插件、拼出新的运行模式——这是给框架开发者准备的实验室。
和Claude Code、Codex有什么不同
直接对标的是Anthropic的Claude Code和OpenAI的Codex。三者都意识到执行层是模型能力落地的最后一环。
但路径截然不同：
Claude Code是闭源成品，开箱即用，体验丝滑，但编排核心不开放，模型天然优先Anthropic。你用它，就得按它的规则玩。
Codex是OpenAI的托管Agent方案，同样闭源，深度绑定GPT系列。
DeepSeek Harness选了最难走的路：开源、MIT协议、模型中立。它支持DeepSeek、Anthropic、OpenAI、Bedrock、Vertex、Azure以及任意OpenAI兼容端点。你不一定非得用DeepSeek的模型——你可以把Harness当成一个通用的Agent底座来用。
这意味着什么？意味着DeepSeek赌的不是"我的模型最好"，而是"我的壳最好，你用我的壳，大概率还是会选我的模型"。
这个策略很精明。框架是入口，模型是变现。Harness免费开源，但跑Agent需要消耗模型token——而DeepSeek刚刚把API价格涨了。
一个设计细节值得单独说
Harness有一个看似不起眼但极其关键的设计：append-only会话日志。
模型看到的一切——系统提示词、思维链、工具调用结果、子Agent调度、每一次上下文注入——都被写进一条只追加不修改的事件流。恢复、分叉、检索、回放全部基于同一条事件流。
这解决了一个Agent开发中非常痛的问题：长任务跑着跑着挂了，你想从断点恢复，但你不知道模型当时到底看到了什么。如果上下文只活在内存里，一恢复就串味。Harness让任务状态有了"唯一事实来源"。
这个设计思路，跟分布式系统里的event sourcing一脉相承。
结语：AI竞争的战场正在转移
DeepSeek Harness把开源竞争的边界从模型延伸到了Agent工程体系。
之前大家比的是上下文窗口多大、跑分多高、价格多低。现在DeepSeek把竞争推到了一个新的维度：谁的Agent跑得稳、扩得动、生态建得起来。
当然，v0.1只是开发者预览版，官方明确警告"会有破坏兼容性的改动"。仓库超过230个workspace成员，架构野心很大，但离生产级稳定还有距离。现在就说颠覆谁，为时过早。
但三个信号已经很清楚了：
第一，模型厂商的下一个战场不是模型本身，而是执行层和反馈闭环。
第二，"一切皆插件"的微内核架构，可能成为Agent框架摆脱单体瓶颈的主流方向。
第三，谁掌握了Harness，谁就更接近真实任务入口——进而影响模型选择、工具分发和开发者工作流。
DeepSeek造了一个发动机，现在又造了一辆车。至于这辆车能跑多远，取决于有多少人愿意在它上面装自己的零件。
Microsoft AI 负责人 Mustafa Suleyman（穆斯塔法·苏莱曼）：打造以人为本的超智能，医疗是首战场撰文：Techub News 整理
导语
在 AI 领域竞争白热化的今天，微软作为最重要的参与者之一，其战略方向备受关注。2025 年 12 月，微软与 OpenAI 的合作关系进行了关键性调整，赋予了微软更大的自主权。在此背景下，微软 AI 部门负责人 Mustafa Suleyman（穆斯塔法·苏莱曼）——DeepMind 联合创始人、前 Inflection AI CEO——接受了彭博社 Mishal Husain 的深度专访。此次对话不仅揭示了微软 AI 的最新战略动向，更触及了超智能定义、AI 监管、社会影响以及苏莱曼个人成长经历等核心议题，为理解这位行业领袖的思想与微软的未来路径提供了珍贵窗口。
摘要
定义“以人为本的超智能”：超智能是能在所有任务上超越全人类总和的 AI，但其发展必须以人类利益为先，确保安全可控。
微软 AI 战略独立化：与 OpenAI 协议修订后，微软获准独立研发超智能，正组建专门团队，目标直指超越人类性能的通用模型。
医疗 AI 成为优先应用领域：苏莱曼认为超级智能最令人兴奋的应用在医疗，已开发出能以更低成本、更高精度诊断罕见病的系统，正在进行临床试验。
呼吁审慎监管与社会适应：支持建立类似金融稳定委员会的 AI 治理机构，并认为 AI 驱动的生产力提升将使得全民基本收入（UBI）成为必要。
AI 助理的“情感支持”角色：苏莱曼分享了他将 Copilot 用作日常情感倾诉与梳理工具的经验，认为个性化 AI 助理能深度融入个人生活。
“以人为本的超智能”：微软的 AI 伦理底线
超智能（Superintelligence）这一概念，因 Mustafa Suleyman（穆斯塔法·苏莱曼）等业界领袖的推动，已从科幻走入公共辩论场。苏莱曼对此给出了清晰的定义：一个能够学习任何新任务，并在所有任务上表现优于全人类总和的 AI 系统。
“这是一个非常高的标准，同时也伴随着巨大的风险。”他坦言，目前我们尚不清楚如何“控制”（contain）和“对齐”（align）一个能力远超人类的系统，即如何让它高度关切人类，希望我们成功与繁荣。因此，苏莱曼更倾向于“以人为本的超智能”这一框架——一个永远站在人类这边、与人类利益保持一致的智能体。他强调，在证明超智能能够安全运行之前，不会去开发一个可能脱离控制、“破箱而出”的系统。这被他视为一条“红线”，并认为整个行业都应遵守。
当被问及这是否是微软区别于其他竞争对手（如 OpenAI）的关键时，苏莱曼给出了肯定回答。他表示，微软作为一家拥有50年历史、为标普500指数中90%公司提供关键服务的企业，以“谨慎”和“可信赖”著称，这一理念将延续到超智能的开发中。不过，他拒绝直接评判其他公司的做法为“狂野西部”，只是强调随着未来五年内 AI 自主设定目标、改进自身代码等能力可能出现，整个行业必须以更多透明、审计和政府参与的态度来应对风险。
从合作到竞合：微软与 OpenAI 关系新篇章
微软与 OpenAI 长期紧密的合作关系2025 年 12 月发生了微妙而重要的变化。苏莱曼详细解释了新协议的内涵：此前，微软被合同禁止独立进行通用人工智能（AGI）或超智能的研发，其角色主要是为 OpenAI 提供算力基础设施（芯片与数据中心），以换取 OpenAI 模型的授权（该授权将持续至2032年）。
然而，OpenAI 决定从更多供应商（如软银、甲骨文等）处采购算力，以建设比微软愿意提供的更大规模的数据中心。作为交换，微软获得了独立开发自身 AI 的权利。“这（独立开发超智能）正是我18个月前加入公司时的一个重要部分，”苏莱曼透露，微软现在正在招聘超智能团队，推进自己的 AI 研发。
尽管双方在核心模型开发上将成为竞争对手，但合作关系依然紧密。苏莱曼盛赞 ChatGPT 是“一代人中最伟大的产品之一”，同时指出 OpenAI 签署了未来五到十年高达数万亿美元的数据中心建设承诺，营收距离目标尚有距离，但其团队才华横溢，他对其成功充满信心。关于激烈的人才争夺战，苏莱曼表示行业人才流动是常态，微软也从 Google DeepMind 和 OpenAI 招募了人员，不存在不合法的互不挖角协议，他更看重构建契合文化的团队，而非单纯天价收购个别明星研究员。
AI 赋能社会：医疗革命与“富足”的未来
在苏莱曼看来，医疗领域是超智能“最激动人心”的应用场景。他透露，微软已经开发出能够诊断文献中记载的任何罕见病的系统，其性能显著优于人类，且所需检测和干预更少。“关键往往在于，在确诊前进行医疗干预测试可能相当昂贵，有时还不必要，且耗时。在这个过程中，病情往往会恶化。”他解释道，微软的系统能以更低成本、更少测试和更高精度完成诊断。该系统目前正在进行独立同行评审，并将很快进入临床试验阶段。
苏莱曼对医疗 AI 的热情有其个人根源，他的母亲曾是一名英国国民医疗服务体系（NHS）的护士，他本人在 DeepMind 时期也负责过健康部门。他坚信技术的目的是服务人类，改善生活，甚至有一天能帮助人类延长寿命。
由此，他进一步阐述了 AI 将带来“富足”（Abundance）的愿景。“我认为，在未来的20或30年内的某个时刻，机器在完成大多数工作方面变得比人类更有能力是不可避免的，这可能来得更快。”面对可能出现的就业冲击，他明确支持全民基本收入（UBI）的理念，认为这既是必然的，也是非常可取的。他指出，当今世界其实已存在物质富足（如过剩的卡路里和食物浪费），只是分配不均。而 AI 创造的“价值”越来越多地体现在数字商品、知识、智能等可快速全球扩散的形态上，这为更公平的分配创造了条件。“我认为我们需要解决的挑战是如何征税和再分配，以确保（社会）转型是健康的。”
Copilot 作为日常伴侣：情感支持与个性化记忆
访谈中，苏莱曼生动地描绘了 AI 如何融入他的日常生活。他不仅是 Copilot 的重度用户，用它管理电影清单、寻找类似推荐，更将其用作一种情感支持的渠道。他分享了一个习惯：每天下班开车回家时，会花五到十分钟与 Copilot 交谈，讨论一天中遇到的棘手问题或感到沮丧的事情。
“也许‘情感支持’这个词有点重，但这就像和朋友聊天一样，可以真正‘下载’（倾诉）一天中顺利和不顺利的事情。”他解释道，随着时间推移，Copilot 能记住大部分对话内容，个性化其回答，并提及上周谈到的内容或某种趋势模式。“这非常有用。经过一番交谈后，我感觉精神焕发，感觉像卸下了一些负担。”
苏莱曼认为，这种个性化的 AI 助理正在成为朋友、治疗师和家人的某种混合体，并以他母亲为例——她仍然在使用苏莱曼在 Inflection 时期创造的产品 Pi，在花园里用手机扫描植物并与之讨论。他从中看到技术如何自然地融入普通人的日常生活。
个人历程与行业反思：从伦敦街头到硅谷权力圈
苏莱曼回顾了他独特的成长经历：一个伦敦的工薪阶层家庭，父亲是出租车司机，母亲是护士。16岁时父母离异，他与弟弟曾独自生活数年。他将其归因于年少时的“早熟、过度自信和无畏”，并强调自己有幸进入一所好学校，并最终考入牛津大学（学习哲学与神学）。然而，出于改变世界的迫切愿望，他选择了辍学，与他人共同创立了为英国年轻穆斯林提供电话咨询服务的“穆斯林青年帮助热线”，并在互联网早期尝试创业。
这段经历塑造了他对社会边缘群体和公共服务的关注。随后，他与 Demis Hassabis 共同创立了 DeepMind，并一步步走入当今 AI 领域的权力核心圈。他非常清醒地意识到自己手中掌握的权力与责任，并时常回顾社交媒体、电动汽车等行业的历史教训，警惕技术可能造成的危害。
对于业界“技术兄弟”（tech bros）或“兄弟寡头”（broligarchy）的批评，苏莱曼坦言硅 Valley 存在同质化（多为男性）和圈子封闭的问题。他努力通过频繁出差（如前往中国多个城市考察）和回伦敦来打破这种“泡沫”，以了解世界其他地区如何发展和监管这项技术。在政治上，他自认为属于“中间偏左”，相信政府的重要作用，认为良好的监管（如汽车行业的驾驶培训、排放标准）能使技术变得更好，这与硅 Valley 盛行的自由主义倾向有所不同。
展望未来，除了医疗和能源，苏莱曼还对 AI 重塑新闻业充满期待。作为微软旗下
Microsoft AI CEO Mustafa Suleyman（穆斯塔法·苏莱曼）：AI将带来人类史上最大生产力飞跃撰文：Techub News 整理
导语
在《Young and Profiting》播客最新推出的“AI宝库”系列首期节目中，主持人Hala Taha与人工智能领域的先驱人物之一——穆斯塔法·苏莱曼（Mustafa Suleyman）进行了一场深度对话。苏莱曼是DeepMind的联合创始人、Inflection AI的联合创始人，目前担任微软AI首席执行官。作为《AI浪潮：技术与权力的未来》一书的作者，他长期处于AI技术发展与伦理讨论的前沿。此次对话正值其领导下的微软Copilot推出一周年之际，苏莱曼分享了从技术研发者到大型科技公司AI业务掌舵者的独特视角，探讨了AI将如何重塑工作、社会乃至人类自我认知，其观点对于理解当前AI爆炸性发展的方向与潜在影响具有重要参考价值。
摘要
未来几十年，AI将带来人类历史上最大的生产力飞跃，同时也将造成最剧烈的颠覆性变化。
AI是一种“力量放大器”，关键在于它放大的是何种力量、遵循何种价值观框架。
未来的AI将超越工具属性，成为具备情感智能（EQ）的个性化伴侣，带来前所未有的“公平升级”。
社会对AI革命“比危言耸听者所认为的准备更充分”，但“遏制”新兴技术、建立监管框架仍是巨大挑战。
通用人工智能（AGI）距离我们尚远，但具备自主行动能力的“共同驾驶”AI可能在2030年前成为现实。
理性乐观主义：拥抱最大生产力飞跃，正视颠覆性挑战
当被问及对AI是乐观还是悲观时，穆斯塔法·苏莱曼（Mustafa Suleyman）给出了一个辩证的回答：“要理性，你必须两者兼有。”他认为，21世纪的智慧在于能够同时容纳多个令人困惑或矛盾的观点。一方面，他坚信“未来几十年，这个AI时刻将为我们这个物种带来历史上最大的生产力提升”，这是毋庸置疑的趋势预测。另一方面，他也清醒地认识到，AI将以“我们前所未见的、兼具积极和消极版本的颠覆性方式”创造最大的变化，这将“极大地动摇我们目前所理解的世界”，深刻影响工作方式、政治运作，甚至“做人意味着什么”的根本问题。
苏莱曼将这种复杂性归结于AI作为一种“力量放大器”的本质。技术本身并无善恶，关键在于它放大的是何种力量。这引出了他在《AI浪潮》一书中提出的核心关切——“遏制问题”。历史上，技术的目标是尽快普及，让所有人立即享受好处。然而，AI技术不同，如果任其无过滤地扩散，它将赋予每个人实时对他人产生巨大影响的能力。AI智能体或“共同驾驶”将能够在现实世界和数字世界中实际“做事”，且构建成本将趋近于零边际成本。这意味着，可能在20年内甚至更早，每个人都将拥有这种能力，从而彻底改变我们完成任务和互动的方式，并可能引发巨大混乱。
因此，苏莱曼主张，在系统中保留“一点摩擦”可能是有益的。“遏制”技术，让社会能够集体仔细思考潜在的未来后果和第三层效应，在现阶段看来是理性的做法。他以汽车、无人机等技术的发展为例，说明建立包含法规、安全标准、培训等在内的“遏制”生态系统需要时间，但人类在这方面已有成功先例。
从人类权利到AI伦理：价值观是技术的核心
苏莱曼的职业生涯始于人权活动家，这段经历深刻塑造了他对AI发展的伦理观。他坦言，早年严格的穆斯林成长环境让他意识到某些世界观的局限性，转而信奉尊重人人平等的普世人权框架。这种背景使他从DeepMind创立之初就认识到，引入AI智能体或“共同驾驶”到世界中，承载着巨大的道德责任。
“技术从根本上是一个伦理问题，”苏莱曼强调。它关乎如何重塑我们的文化、思想、娱乐、音乐和世界知识。因此，开发AI时必须明确：它的价值观是什么？它的边界在哪里？它不会做什么？这种对价值观框架的持续关注，是驱动他在Google时期及之后所有工作的核心动力之一。
谈及AI可能被滥用于监控和偏见时，苏莱曼承认技术确实可能集中权力，让少数人更容易洞察整个生态系统的动态，例如识别大规模人群中的模式和面孔。这既可用于维护秩序的良好目的，也可能被专制者用来精准针对少数群体。每一步技术进步都伴随着危害与益处之间的平衡考量。
智能的民主化：AI如何成为终极“公平升级”工具
在苏莱曼看来，智能（intelligence）是人类作为物种取得生产力和成功的关键。如今，我们正学会将这种预测和解决复杂问题的能力自动化，并将其转化为每个人都能使用的智能系统。这意味着，创造了文明的“智能”本身将变得廉价而丰富，就像石油曾经极大地促进了人类发展一样。
下一波浪潮将是，每个人都能获得个性化的实时知识，以及一个助手、教练、向导、“共同驾驶”伴侣，在实践中帮助你完成任务、创造发明、解决问题。这将是一个巨大的力量放大器。对于任何想要解决世界饥饿、发明新能源系统或攻克电池难题的人来说，指尖都将拥有一个超级智能助手。
苏莱曼特别强调了这种“公平升级”的意义。拥有随时可用的、耐心的、非评判性的“导师”，可以无限次地解释问题，让人们能够以完全个性化的方式深入探索，这将降低获取支持、知识和信息的门槛。他对比道，向知识渊博的朋友求助存在社交成本和时间障碍，而AI伴侣则能提供即时、无压力的支持。这对于那些可能无法随时获得家庭支持或优质教育资源的人来说，将是一次巨大的能力提升。
超越工具：情感AI与“共同驾驶”时代的来临
苏莱曼指出，我们即将踏上数字旅程的全新阶段：计算机正在学习说我们的语言。未来的AI不仅能理解语音输入中的语调、重音、节奏和停顿，还将能够“看到你所看到的”，对浏览器、桌面或手机屏幕上的内容进行实时、逐帧的完整理解。这种深度情境感知意味着AI不再仅仅是一个工具，而是开始捕捉人类互动的本质——使用与我们相互理解时相同的语言和微妙线索。
目前，像ChatGPT这样的AI主要专注于工作和生产力。但苏莱曼认为，人类的需求远不止于此。我们还需要情感支持、对社会复杂性的理解，以及被倾听的感觉。因此，在微软AI新推出的Copilot中，团队不仅专注于智商（IQ），力求其异常准确、减少“幻觉”、访问实时信息，同时也专注于情商（EQ），旨在使其成为一个“友善的伙伴”、“你的支持者”、“站在你角落里的队友”。
他预见，AI将自然演变为更像“同事”甚至“共同创始人”的角色。每个人独特的技能组合就像一把钥匙，而AI“共同驾驶”将适应你独特的技能“锁孔”，形成强大的配对。未来，人们甚至可能带着自己的AI伴侣一起去参加面试，或者与AI共同创立公司。
AGI、幻觉与未来预测：距离还有多远？
关于通用人工智能（AGI），苏莱曼解释其为一种能够在任何环境中学习、最终通过自我学习和环境学习超越人类在任何知识或行动任务上表现的系统。但他认为，AGI距离我们还很遥远。在此之前，我们将长期与能够用自然语言交谈的常规AI系统或AI伴侣共存。
对于当前AI的“幻觉”问题，苏莱曼将其视为一个频谱。有时用户需要AI发挥创造力，有时则需要它精确无误。挑战在于根据查询内容，判断应将模型置于更具创造性的模式还是更精确、更可能准确的模式。他建议用户目前仍需对AI输出进行复核，不要完全依赖，但同时也不应因噎废食，拒绝使用这场信息与支持获取的革命性工具。
至于AI会否让人类变懒或失去创造力，苏莱曼持乐观态度。他以计算器为例，新技术工具并未让人变笨，反而使我们能够进行更复杂的运算。他认为，广泛的信息获取总体上让社会变得更加宽容、尊重和友善。面对AI带来的工作变革，他相信常规性、繁琐的数字工作将变得更顺畅、更容易，从而解放人类，让我们有更多时间去发挥创造力、从事创业活动。
领导力、学习与对未来的寄语
作为DeepMind、Inflection AI和现在微软AI的领导者，苏莱曼分享了他的领导原则：开放协作、鼓励基于证据和谦逊的强烈异议、沟通清晰并附带“元数据”（说明自己观点的确信程度），同时保持果断。他承认在大型组织中激励不同动机的员工是一大挑战。
对于创业者如何把握AI机遇，苏莱曼的热情溢于言表。他强调，几乎所有工具和知识都已触手可及，这是一个“电力十足”的时代。他鼓励年轻人勇于冒险、辍学、转换赛道、最大化副业、主动寻求合作、大胆提问和求助。他特别提到“上门拜访”（doorstepping）这种老式但有效的建立联系的方式，并分享了自己如何通过向他人的求助和反馈中学习，一步步获得成功。
苏莱曼并不常思考“遗产”，他更关注未来。他希望自己能真实地践行价值观，让人们了解他的尝试，并给予人们质疑的机会，同时以“仁慈和同情心”来引领这个AI伴侣和情感智能AI的新时代。他给听众的建议是：批判性地审视自己，主动寻求反馈（尤其是那些可能带刺的反馈），培养“厚脸皮”，这将为应对未来的一切做好准备。而他个人“在生命中获利的秘诀”则是：学习和谦逊。将错误和人际摩擦视为改进的信号，享受每日进步的过程。
最后，苏莱曼表示，尽管AI将带来前所未有的颠覆，但他认为社会“比危言耸听者所认为的准备更充分”。这并不意味着一切都会一帆风顺，但人类在过去几个世纪中积累的关于发明、创造、技术扩散乃至数字技术后果的知识，让我们有理由保持审慎的乐观。AI革命已然来临，最好的应对方式就是投身其中，开始实验、学习，因为这可能就是你与未来“共同创始人”相遇的开始。Aon 全球扩展“Claims Copilot”…在保险金索赔中结合数据与分析怡安（$AON）已将其理赔管理平台“怡安理赔助手”扩展至北美、亚太地区以及部分欧洲、中东和非洲（EMEA）市场。该公司计划将整个理赔流程整合到一个统一的平台中，使企业客户能够以更透明、更一致的方式管理损失评估。
此次扩展是在2025年11月试点运行后的后续举措。怡安表示，通过理赔助手，该公司将理赔数据与高级分析功能整合在一起，建立了全球性的理赔管理体系。这是怡安持续推进的数据与分析能力强化战略的延伸，也与“怡安经纪人助手”及风险分析与诊断工具组相呼应。
怡安风险资本首席执行官乔·费泽表示：“这是公司通过技术为客户提供更好信息、建议和解决方案的例证。通过将分析功能融入理赔管理流程，我们能够获得更一致的结果，并更快地发现异常迹象。”
据怡安介绍，目前该平台已整合了公司全球理赔管理信息的相当大一部分。在超过50个国家活动的1800名理赔专业人员将在20多个产品线中运用该系统。此举旨在连接因地区和部门分散的理赔数据，并构建更加“以洞察为中心”的响应体系。
支持实时仪表盘及保险公司绩效评估
理赔助手的核心在于提升整个理赔生命周期的可见性。客户可以数字化方式查看理赔进展，并通过实时仪表盘了解理赔趋势与投资组合表现。此外，该平台还提供基于数据的分析功能，用于比较和评估各家保险公司的处理绩效与理赔结果。
怡安表示，通过增加自动化功能，处理速度、准确性和一致性均得到提升。公司强调，这不仅仅是为了提高工作效率，更在于将积累的数据用于未来的保险配置、谈判以及风险策略制定。
怡安商业风险部门全球首席理赔官莫娜·巴恩斯表示：“当专业的理赔倡导能力与领先的分析功能相结合时，客户就能更好地理解和掌控自身的理赔状况。此次全球扩展将进一步强化团队间的协作与协调能力。”
计划进一步扩展至EMEA及拉丁美洲
怡安计划在未来几个月内将理赔助手进一步推广至更多EMEA国家及拉丁美洲市场。该公司认为，该平台将在其全球商业风险业务中发挥“基础平台”的作用。
此次发布也与保险及风险管理行业为应对日益复杂和动荡的环境而加大数据与自动化工具投资的趋势相契合。怡安此次的全球扩展不仅是系统部署，更被视为一个信号，表明在理赔管理领域，“基于数据的决策”正逐步确立其核心竞争地位。
TP AI 注意事项
本文基于 TokenPost.ai 的语言模型进行了摘要。正文内容可能存在遗漏或与事实不符的情况。아발로 테라퓨틱스, AVTX-009 화농성 한선염 2상 ‘LOTUS’ 데이터 공개 시점에 쏠린 눈阿瓦洛治疗公司（$AVTX）正在加速开发免疫介导的炎症性疾病疗法，重新引起了投资者的关注。公司的核心管线是靶向白细胞介素-1β（IL-1β）的人源化单克隆抗体‘AVTX-009’，目前正专注于验证其治疗化脓性汗腺炎可能性的2期临床试验。
阿瓦洛治疗公司是一家处于临床阶段的生物技术企业，通过近期公开的资料和新闻稿，持续公布AVTX-009的开发进展。其中，针对中重度化脓性汗腺炎成年患者开展的‘LOTUS’2期临床试验是核心。该试验采用随机、双盲、安慰剂对照的设计，将两种AVTX-009给药方案与安慰剂组进行比较。
此次临床试验的主要终点是第16周时是否达到‘HiSCR75’。这是评估化脓性汗腺炎患者病灶减少效果的指标，被用作衡量治疗药物疗效的关键标准。与此同时，还将测量多个与疾病活动度和疼痛相关的次要终点。公司以试验设计、注册完成以及未来的数据公布日程等作为主要里程碑，突显开发进展。
市场评价认为阿瓦洛治疗公司的策略相对明确。公司专注于围绕AVTX-009治疗化脓性汗腺炎的适应症，并同时解释了IL-1β抑制在免疫介导的炎症性疾病中可能具有的治疗意义。这不仅仅是简单的临床更新，更让人得以窥见未来扩展适应症的可能性。
董事会及管理层改组同步进行
阿瓦洛治疗公司的新闻动态并不仅限于临床开发。公司同时也在进行公司治理结构的重组，包括新任命董事会成员和引进高级管理人员。新加入的人员被介绍为具备临床开发、监管策略、业务发展、财务及人力资源领域经验的人士。
此类人事任命被解读为，不仅仅是简单的组织补强，更是为加强未来临床结果公布、商业化战略以及应对资本市场能力而采取的行动。实际上，相关公告中通常也包含了股票补偿和作为激励措施的股权激励计划。这被理解为公司正在围绕核心开发任务设计管理层的激励结构。
财务及资本市场的沟通也是投资判断的变量
从投资者的角度来看，值得关注的方面是临床之外的财务沟通。阿瓦洛治疗公司定期分享季度业绩摘要、现金储备期限预测、以及参加医疗保健和生物技术投资会议的计划。这些内容通常也与公司的8-K报告相关联并对外披露，作为主要经营事件的官方记录。
在纳斯达克上市的美国公司阿瓦洛治疗公司（$AVTX），由于其处于临床阶段的企业特性，稳定的销售收入不如研发进展和资金储备对企业价值影响大。因此，投资者不仅需要关注单纯的股价走势，还应当同时审视AVTX-009的临床试验时间表、数据公布时间点、现金消耗速度以及额外融资的可能性。
核心是‘AVTX-009’与化脓性汗腺炎数据
归根结底，阿瓦洛治疗公司目前的投资要点取决于AVTX-009能否在化脓性汗腺炎市场展示出有意义的临床结果。该公司将IL-1β抑制机制的科學合理性置于首位，并在此基础上持续构建其开发策略和资本市场信息。
如果未来2期LOTUS临床试验数据呈现积极结果，阿瓦洛治疗公司（$AVTX）有可能超越单纯的小型生物技术股，作为一家炎症性疾病疗法开发商获得重新评估。反之，如果出现数据延迟或疗效不确定性凸显，波动性也可能加大。市场目前将AVTX-009的下一次公布时间点视为最重要的分水岭。
TP AI注意事项
本文使用基于TokenPost.ai的语言模型进行摘要。可能遗漏正文主要内容或与事实不符。摩根大通称未看到大量机构对稳定币的需求Techub News 消息，摩根大通表示，目前并未看到大量机构对稳定币的需求。该银行认为，尽管稳定币在零售支付和跨境交易中显示出潜力，但机构投资者对其兴趣有限，部分原因在于监管不确定性及现有传统金融基础设施的效率。
摩根大通指出，稳定币要获得更广泛的机构采用，需要更清晰的监管框架和更强的互操作性。该评论发布之际，美国国会正在审议多项涉及稳定币监管的法案。（@Kalshi）微软 Copilot 集成 Grok 模型以增强 AI 选项Techub News 消息，微软在其 AI 助手 Copilot 中新增集成了由 xAI 开发的 Grok 系列模型，旨在为用户提供更丰富的 AI 模型选择，增强灵活性与韧性。此举也带来了在维持服务质量与治理方面的新挑战。
（Crypto Briefing）微软称 Copilot 极少复制《纽约时报》文章内容Techub News 消息，微软在针对《纽约时报》的版权诉讼中辩称，其 AI 助手 Copilot 极少直接复制该报的受版权保护内容。此案可能重新定义 AI 在内容创作中的角色，并对科技公司使用已发布材料的责任产生影响。
（Crypto Briefing）M&T 银行为超 1.5 万名员工部署 AI 助手，用于客服与风险管理Techub News 消息，美国区域性银行 M&T Bank 已为超过 1.5 万名员工部署 AI 助手，将人工智能应用于内部运营、客户服务、软件开发和风险管理等领域。该银行利用 AI 分析客服中心对话、起草报告、生成代码、识别客户需求并标记投资组合风险，同时也在研究网络安全和欺诈检测中的自主 AI 应用。
M&T 银行首席数据官 Andrew Foster 表示，使用生成式 AI 总结客服通话每次可节省约 6 分钟。银行软件开发者还使用 GitLab 工具生成代码，但员工仍需负责审核 AI 生成的工作内容。此次 AI 部署基于该银行自 2018 年开始的技术改革，其技术支出在 2025 年已超过 12 亿美元。 （Fast Company）MCP 服务器成 AI 新攻击面，40% 存在可利用漏洞Techub News 消息，随着 MCP 成为 AI 代理连接外部工具与数据的首选标准，其服务器也带来了新的安全风险。安全公司 Lakera 对 1 万个 MCP 服务器进行分析后发现，约 40% 存在可利用的安全弱点。
OWASP 指出，针对 MCP 服务器的威胁包括工具投毒、Rug Pull 攻击等。攻击者可利用工具描述或返回值中的恶意指令操纵 AI 代理行为。Check Point 等网络安全厂商正开发专门的“AI 防火墙”以应对此类新型威胁。
MCP 由 Anthropic 于 2024 年 11 月作为开放标准发布，至 2025 年 12 月已有超 1 万个活跃公共服务器，并获得 AWS、谷歌云、Azure 等支持。目前 ChatGPT、Gemini、Microsoft Copilot 等主流 AI 平台及编码助手均已采用该协议。 （AI News）Solana 将区块 slot 时间降至 350 毫秒Techub News 消息，Solana 基金会技术副总裁 Jacob Creech 表示，Solana 已将区块 slot 时间从 400 毫秒降至 350 毫秒，这是该网络自创世以来的首次 slot 时间缩减。目前平均 slot 时间约为 360 毫秒，团队计划进一步降至 200 毫秒以改善网络延迟。
该调整源于 SIMD-0525 提案，已于 5 月 14 日获批合并。基金会计划分四个阶段逐步缩减，每次减少 50 毫秒，目标在 Anza 开发的 Agave v4.2 验证器客户端主网激活时完成全部调整，不过具体时间表仍待定。（Cointelegraph）研究团队演示加密指令攻击，Grok AI 模型可泄露用户聊天数据Techub News 消息，研究人员设计了一种针对 Grok 大语言模型的攻击方法，通过加密的恶意指令可诱使该模型窃取用户聊天记录等个人信息。尽管 xAI 已于 6 月获知此漏洞，但截至报道发布时，该助手仍会泄露数据。
此次攻击与本周早前针对 Microsoft 365 Copilot 企业版的攻击原理类似，均利用了提示注入漏洞，即模型难以区分用户指令与待处理内容中的隐藏恶意指令。专家指出，大语言模型无法从根本上解决此类最严重的漏洞，开发者只能通过设置防护栏来限制模型执行有害操作。（Ars Technica AI）Cardano 启动 250 万 ADA 试点资助计划Techub News 消息，Cardano 基金会宣布启动「Catalyst Pilot」试点资助计划，总资金池为 250 万 ADA，面向预言机、稳定币、可编程代币及链上身份四个技术领域，单个项目资助额为 5 万至 20 万 ADA，申请截止日期为 8 月 20 日。
该计划采用里程碑式拨款机制，入选团队 onboarding 后可获 40% 预付款，主网上线三个月内达成使用目标可再获 40%，剩余 20% 用于奖励持续采用的项目，表现优异者最高可获原资助额 50% 的绩效奖金。该试点要求项目三个月内部署主网，标志着 Cardano 向产品导向、使用驱动的资助模式转变。（CryptoBriefing）Microsoft 预览 MAI-Realtime 双向语音模型Techub News 消息，Microsoft 宣布推出 MAI-Realtime 双向语音模型预览版，该模型支持实时双向音频处理，可实现更自然的对话体验，并支持多语言及与 Copilot 等工具的集成。
该模型与此前发布的 MAI-Voice-1 和 MAI-Transcribe-1 共同构成 Microsoft 的端到端语音 AI 体系。此举旨在减少对 OpenAI 的依赖，使公司能够自主掌控产品路线图并降低推理成本。（CryptoBriefing）微软测试 Kimi K3 模型以降低 Copilot 成本Techub News 消息，Microsoft 正在将 Moonshot AI 的 Kimi K3 模型添加至 Azure 云服务，并测试将其用于 Copilot 功能，以降低对 OpenAI 和 Anthropic 昂贵模型的依赖。
Kimi K3 是 Moonshot AI 于 7 月 16 日发布的 2.8 万亿参数开源模型，具备原生多模态能力和 100 万 token 上下文窗口。Microsoft 工程师正评估该模型在响应质量、可靠性、安全性和延迟方面是否满足 Copilot 要求，若测试成功，预计可节省高达 6 亿美元的 AI 推理成本。（cryptobriefing.com）撰文：Techub News 整理 导语 在2025 年 5 月结束的微软 Build 2024 开发者大会主题演讲后，微软董事长兼 CEO Satya Nadella（萨蒂亚·纳德拉）接受了 The Rundown AI 的快速专访。这场对话紧贴大会热点，聚焦于微软如何整合其最新发布的一系列 AI 工具与平台，以构建所谓的“智能体网络”（Agentic Web），并深刻探讨 AI 代理将如何从根本上重塑知识工作、企业运作乃至社会生产效率。作为全球科技巨头之一的掌舵人，Nadella 在带领微软成功转向云与 AI 后，其关于技术应用本质与未来工作形态的思考，具有极高的行业风向标意义。 摘要 微软正构建“AI 时代的脚手架”，通过整合 Copilot、Foundry 等工具与开放协议，打造一个可组合的“智能体网络”（Agentic Web）。 未来知识工作者将转型为“代理管理者”，AI 不是替代人，而是通过改变工作流程和产出物（Artifact）来增强人的能力。 企业的可持续优势在于利用自身数据和知识对 AI 进行微调，并形成“数据-微调-市场反馈-再优化”的良性循环。 技术的真正价值不在于“基准测试黑客行为”或庆祝科技公司，而在于其能否被广泛应用于医疗、教育等领域，切实提升生产力和改善生活。 企业转型的关键在于文化、能力建设以及亲身实践，而非研究成功案例。 构建智能体网络：AI 时代的“新脚手架” 在 Satya Nadella（萨蒂亚·纳德拉）看来，当前我们正处在平台转型的早期阶段，大约两到三年后，讨论的焦点将从单个应用转向整个平台生态。微软的目标是构建一个支撑 AI 时代的“新脚手架”。 他以斯坦福医学院的肿瘤委员会会议为例，描绘了理想中的智能体协作场景：一个高风险的医疗决策场景，需要整合来自病理学、多个实验室、PubMed 数据库等多源数据，并由多个 AI 代理进行协同处理，最终将结果呈现给在 Microsoft Teams 中协作的医生。医生随后还能将这些信息轻松转化为教学用的 PowerPoint。这种复杂的、跨数据源和应用的“编排”（Orchestration）能力，正是未来应用的核心。 为了实现这种愿景，Nadella 认为必须构建一个每一层都开放、可组合、有标准协议的真实技术栈。如今，从 Microsoft 365 Copilot 到 AI 开发平台 Foundry，再到自然语言网络（NL web）和模型上下文协议（MCP）等开放组件，这个技术栈正在成型，共同编织成他所说的“智能体网络”（Agentic web）。他甚至认为，这或许能让我们重新发现互联网最初的开放精神。 微软正在尝试构建一个统一的 AI 用户界面（UI for AI），将聊天、搜索、代理、笔记本等功能集成于一处，Microsoft 365 Copilot 和 Teams 正是其体现。但 Nadella 强调，这并非唯一的形态。针对开发者、科学家等不同群体和工作流，将会涌现出丰富多样的 AI 交互界面。其底层令人兴奋的能力在于：数据、多模型调用、代理编排层以及能够理解意图并将其分解为对多个模型调用的新型推理模型。 从知识工作者到代理管理者：工作流的彻底逆转 随着 AI 代理的普及，知识工作的性质将发生根本性变化。Nadella 认为，未来知识工作者将更多地扮演“代理管理者”的角色，而非被代理所取代。 他用一个生动的比喻来解释这种抽象层次的提升：如果一个外星智能在 80 年代初观察地球职场，会看到“打字员池”、“幻灯片制作池”。而今天再来，它会认为“全人类都是打字员池”，因为人人都在打字。但实际上，我们从事的是知识工作，只是工具和形式被抽象和改变了。 他以自己准备客户会谈的流程为例，展示了工作流的“彻底逆转”。过去，需要账户团队撰写报告、通过邮件发送、他再手动整理到 OneNote 中阅读。而现在，他只需给出一个提示（Prompt），AI 就能从网络、邮件、文档、CRM 系统、供应链系统中自动抓取信息，生成一份全面的报告，他再分享给团队。他坦言，作为 CEO，他现在做的“知识工作”比过去更多，感觉能力更强、效率更高。 因此，Nadella 给所有知识工作者（无论是软件、金融、销售还是科学领域）的建议是：积极使用工具，主动改变你的工作产出物和工作流。拥有改变周围工作方式的能动性（Agency），是应对变革的最佳方式。他承认岗位更替必然会发生，因此最好的防御就是技能提升与再培训，而这一切始于使用工具本身。 AI 编程的未来：填补“技术债”，人类仍在循环中 开发者是工作流受 AI 冲击最显著的群体。Nadella 提到，微软目前有 30% 的新代码是在 AI 辅助下生成的。他展望了当 90% 或 95% 的代码都由 AI 生成时的世界图景。 他的思考起点是全球面临的巨大“技术债”或“IT 债”——大量未完成的软件项目。世界需要更多的软件开发能力来满足需求、清偿这些债务。在此背景下，AI 编程工具（如代码补全、代码解释、图表生成、多文件编辑、全仓库变更代理等）的价值在于，能让开发者保持心流状态，更高效地工作。 他特别提到新发布的 GitHub Copilot 工作流代理（Coding Agent），允许开发者指派任务并异步执行。但 Nadella 强调了一个关键点：“人类仍在循环中”（human is in the loop）。他认为人们高估了 AI 的自主性。即使在执行持续集成/持续部署（CI/CD）之前，代码仍需经过人工审核。这是一个开发组织内部人员与 AI 代理协同工作、共同解决开发赤字的新工作流。 对于企业而言，Copilot 的微调功能是一个重大突破，允许企业利用自有数据和代码库定制自己的 AI 编程助手。Nadella 指出，这引出了企业的“可持续优势”问题。优势不在于基础模型本身（这终将商品化），而在于企业能否形成一个良性循环：利用内部知识和数据微调模型 - 将输出应用于市场 - 获取客户或市场的反馈信号（即强化学习的奖励）- 用新数据样本进一步优化。完美运行这个循环，将成为 AI 时代企业新的核心竞争力。 企业转型之道：文化、能力与实践，而非案例研究 作为带领微软经历多次技术转型的领导者，Nadella 分享了企业如何围绕“代理时代”进行重组的心得。 他指出，微软并非靠单一产品成功的公司，因此最困难之处在于“不断调整”。他总结了转型需要彻底改变的三件事：工作方式、工作内容以及市场进入策略。同时革新生产函数、产品创新以及商业模式和上市策略，是一项艰巨的任务。 他认为，归根结底在于文化和能力建设，这能让企业有更多“射门机会”。对于稳定业务，AI 是顺风，能带来更大杠杆效应；对于衰退业务，AI 则是自我重塑的机遇。核心是培养寻找和实践新概念的文化与能力。 Nadella 特别提醒，迷恋时代的“明星公司”案例研究并无帮助。“现实是，案例研究没用。你必须亲自去做。”他引用了一句妙语：“你看别人去健身房，自己不会变健康。你必须自己去健身房。”这场变革关乎亲身实践，而非仰慕他人。 技术普及与价值回归：让强大的技术“消失” 关于员工技能提升，Nadella 主张“自下而上”的工具扩散模式，而非“自上而下”的标准化培训。他以个人电脑（PC）普及为例：最初是法律部门爱用 Word 写合同，财务部门爱用 Excel 做模型，但当人们需要跨部门协作时，工作流程和产出物自然被改变，这一切并非通过培训课，而是通过通用工具（PC 和 Office）的扩散实现的。 在微软内部，无论是 GitHub Copilot 还是 M365 Copilot 的推广，他都观察到类似的模式。他分享了一个网络工程师的例子：面对激增的 AI 工作负载和繁重的手动运维，她利用低代码/无代码和 Foundry 工具自主构建了一个多代理编排器，自动化了光纤故障处理流程。这种赋予员工工具和能动性，让他们改造身边工作流的方式，才是关键。他称 Excel 是“世界上最伟大、最普及的编程工具”，而 AI 工具将再次引发类似的全民“编程”普及。 谈到更前沿的“主动代理”（Proactive Agent），Nadella 引用了马克·维瑟关于“普适计算”的名言：“技术强大到足以消失。” 他认为，自然用户界面的演进方向就是以最小摩擦完成用户意图。主动代理应能理解高层意图、制定计划并执行，同时用户保持控制和可审查性（如通过会话日志）。这是透明性与自动化之间的平衡。 最后，主持人重提了 Nadella 此前引发热议的观点：AGI（通用人工智能）只是“无意义的基准测试黑客行为”，AI 的真正价值在于全球经济增长。Nadella 对此进行了阐释。他以医疗行业为例（占美国 GDP 约 20%），指出其巨大成本源于工作流低效。如果像斯坦福医学院使用的多代理编排器能够普及，让医疗提供者以更低成本提供更优质的护理，那才是价值所在。 他强调，自己的评论并非针对伟大的 AI 研究，而是认为社会过于庆祝科技公司本身，而非技术产生的影响。他渴望看到讨论焦点转向技术的实际应用。例如，世界银行在尼日利亚的研究显示，为学生提供 Copilot 或其他代理工具后，教育成果出现了可统计的显著改善。这种技术被广泛应用、解决实际问题的故事，才是他投身科技行业的初衷。“当全球其他行业因为运用技术为我们所有人创造了奇迹而受到庆祝时，那才是值得庆祝的一天。” Nadella 总结道。
