与「2026云栖大会」相关的搜索结果

《收藏！2026下半年最值得关注的10场AI大会》⭐ 号外！号外！🥳 继昨天Biteye整理了Web3下半年的跑会指南后，经 @xingpt 老师催更，我们加急整理出了2026年后半年的AI跑会指南！ 从 OpenAI、NVIDIA，到阿里、华为、微软、AWS，再到 NeurIPS，接下来几乎每隔一阵就会有一场重磅活动。 👇如果你下半年有AI跑会计划，这份指南可以直接收藏！ 一、【大模型与开发者生态 】🔥 1⃣OpenAI DevDay 2026 ⏰️时间：9月29日 🗺️ 地点：美国·旧金山 🏢 形式：线下开发者大会 + Keynote线上直播 💼 适合人群：AI开发者、技术创业者、工程师、产品负责人 ⭐ 亮点：下半年最值得蹲新品的一场。核心关注新模型、API、Agent、开发工具和AI应用开发范式。 🔗 报名链接： 2⃣2026 云栖大会 ⏰️时间：9月22日—24日 🗺️地点：杭州 🏢形式：线下主论坛 + 140+分论坛 + 大型科技展区 💼适合人群：AI开发者、创业者、产品经理、企业技术负责人、投资人 ⭐亮点：重点关注Qwen、Agent、AI Coding、云计算和Physical AI，适合看阿里系AI技术和产业生态的新进展。 🔗报名链接： 二、【AI算力与基础设施 】🔥 1⃣NVIDIA GTC Berlin 2026 ⏰️时间：10月20日—22日 🗺️ 地点：德国·柏林 🏢 形式：线下技术大会 + 黄仁勋Keynote直播 💼 适合人群：云计算工程师、AI开发者、企业技术负责人、架构师 ⭐ 亮点：重点关注GPU、AI Factory、推理、Agentic AI、机器人、Physical AI。 🔗报名链接： 2⃣HUAWEI CONNECT 2026 华为全联接大会 ⏰️时间：9月17日—19日 🗺️ 地点：上海世博展览馆、世博中心 🏢 形式：线下大会 + 峰会 + 技术论坛 + 展区 💼 适合人群：企业技术负责人、云计算/算力从业者、开发者、政企数字化团队 ⭐ 亮点：重点关注昇腾算力、AI基础设施、Agentic Computing、华为云、企业智能化。 🔗报名链接： 三、【企业AI与云端落地 】 1⃣AWS re:Invent 2026 ⏰️时间：11月30日—12月4日 🗺️ 地点：美国·拉斯维加斯 🏢 形式：大型线下大会 + Keynote直播 + Workshop 💼 适合人群：云计算工程师、AI开发者、企业技术负责人、架构师 ⭐ 亮点：全球云计算领域最重要的大会之一，AI已经成为核心板块。重点关注Bedrock、Agent、SageMaker、AI推理、Trainium以及企业AI基础设施。更适合看“大模型怎么真正被企业部署”。 🔗报名链接： 2⃣Microsoft Ignite 2026 ⏰️时间：11月17日—20日 🗺️ 地点：美国·旧金山 🏢 形式：线下技术大会 + Keynote + Hands-on Lab ⭐ 亮点：重点看Copilot、Azure AI、Agent和Microsoft 365，是观察微软企业AI生态的核心大会。 🔗报名链接： 四、【AI创业与融资 】🔥 1⃣TechCrunch Disrupt 2026 ⏰️时间：10月13日—15日 🗺️ 地点：美国·旧金山 🏢 形式：创业大会 + Startup Battlefield + AI专题舞台 💼 适合人群：AI创业者、Founder、VC、BD、产品团队 ⭐ 亮点：融资和创业资源密度很高，适合看硅谷AI创业趋势、找项目和对接投资机构。 🔗报名链接： 2⃣Web Summit Lisbon 2026 ⏰️时间：11月9日—12日 🗺️ 地点：葡萄牙·里斯本 🏢 形式：超大型科技大会 + AI Summit + 创业展区 💼 适合人群：AI创业者、VC、产品团队、增长和BD团队 ⭐ 亮点：重点不是“最前沿模型”，而是AI创业、融资、AI产品、SaaS和全球创业生态。适合找项目、找投资趋势以及观察AI创业公司到底在做什么。 🔗报名链接： 五、【具身智能与前沿研究 】🔥 1⃣AGIC 2026 深圳国际通用人工智能产业博览会 ⏰️时间：8月26日—28日 ⭐ 地点：深圳国际会展中心（宝安） 🏢 形式：线下展览 + 论坛 + 新品发布 + 机器人体验 💼 适合人群：AI创业者、机器人/具身智能团队、AI硬件公司、投资机构 ⭐ 亮点：重点覆盖具身智能、人形机器人、大模型、AI Agent、国产算力、脑机接口和AI硬件。相比纯论坛，它最大的优势是现场实物和Demo多，很适合拍视频、找机器人和AI硬件选题。 🔗报名链接： 2⃣NeurIPS 2026 ⏰️时间：12月6日—12日 🗺️ 地点：澳大利亚·悉尼，另有巴黎、亚特兰大Satellite 🏢 形式：学术主会 + Workshop + Poster + Satellite会议 💼 适合人群：AI研究员、博士生、实验室、基础模型团队、技术投资人 ⭐ 亮点：全球AI研究风向标之一，适合看推理、多模态、Agent、World Model、机器人等下一阶段前沿方向。 🔗报名链接：

炸裂！一晚上涨出一个中石油 昨天发了熔盐电站的内容，很多读者留言说不如光伏发电，直接转换效率高，但是光伏发电有不稳定这个致命弱点，晚上不发电，白天发电量也受天气影响。风电同理。 所以通常在大型光伏、风电场附近，往往要配建一个火电厂，用来调节平衡发电波峰波谷的差异。火电厂虽然很多人一听就嫌弃，但它凭借可以24小时人为调节发电量这个优点，现阶段就无可替代。 未来政府要大力发展储能，最佳储能方式是水电站，昨晚我说转换比60%是过时数据，现在已经能做到75-80%以上，但是水电站极其依赖地形，平原地区目前储能有三个技术方向： 锂电池储能现阶段成本还有些高，但随着技术发展在快速降低，未来只要突破某个商业临界，很可能成为主流储能技术，并大力推广。届时锂电池和光伏板块都会迎来二次爆发的契机，但我不知道那个时间节点什么时候出现。 马斯克曾经畅想未来，铺上四川省面积那么大的光伏面板，再搭配上足够规模的储能站，就可以供给全人类对电能的需求。会有那么一天吗？ 哦对了，还有好多人问我熔盐电站是否可以参观游览，可以的，它们在携程和抖音上都卖票，100/人，权益含展厅参观+现场讲解、游览，我觉得算是一个很有特色的景点。 …… 今晚的标题说的是oracl，也就是甲骨文公司，它们今晚盘前交易股价暴涨30%，这是一个很恐怖的数字，因为甲骨文本身就是一家市值6000多亿美元的顶级巨头，它涨30%相当于今天晚上涨出来一个中国石油。 之所以有如此疯狂的表现，主要有2个原因： 1、巨额订单。未实现履约义务（RPO）达4550亿美元，同比激增359%，主要来自与OpenAI等大型AI公司的数据中心建设合同。 2、云业务预期暴增。预计2026财年云基础设施收入增长77%至180亿美元，未来四年将进一步增至1440亿美元，增长8倍。 确实太劲爆了，完全吃到了ai热潮的红利，业绩暴增的同时还彻底打开了未来5年的成长空间。美股的上市公司真就藏龙卧虎，你方唱罢我登场，像永动机一样一直有增长，一直在爆赚。 甲骨文的老板是拉里埃里森，今年81岁的老登，特朗普密友，潜在的世界首富，今晚暴涨过后他和马斯克的差距不到3%。埃里森在中国的口碑极差，老登长期宣扬中国威胁论，公开说“甲骨文公司绝不培养中国工程师”。甲骨文1989年就进入中国，但商业态度傲慢强硬，不会因为赚中国钱就刻意讨好，2019年撤离中国市场。 中国的上市公司里，和甲骨文业务形态最相似的是用友软件、达梦数据、星环科技，不是我推荐的，是我问了deepseek、豆包、grok之后它们三总结的。 …… 今天a股成交进一步缩量，成交额1.98万亿，跌破了2万亿关口。大涨后缩量当然不是好事，通常意味着市场新增资金变少，推动行情继续向上的动力变小了。目前缩量但还没有下跌，是因为抛盘的人也暂时处于观望状态，卖和买的人都暂停了活动。 今天市场中位数是零，不涨也不跌。目前活跃资金还是集中在芯片光模块和电池这两个板块上，成交额前十的个股几乎各占1/3，传统行业在这一轮的行情中几乎没有话语权，就算你在低位，估值也不贵，但就是没人去炒。 这一点我觉得真要学习埃里森，他都81岁了，领导的甲骨文还能梭哈ai，没有登味，也不僵化。我们社会上有多少人一旦过了50岁，就不愿意接受新事物，自己不学习，看到新事物成长起来还要贬低打压，这种很容易被年轻人掀翻后一脚踢开的。 接下来几天关注行情的趋势，持续缩量很容易引发突破，不向上就向下，目前这个位置想躺平是躺不平的。 …… 1、昨天有人就在传阿里要新推一个业务干美团，阿里否认针对美团，今天公布结果，是给高德地图搞了一个扫街榜单，接下来要发10亿补贴，鼓励用户到店消费。说来说去还是冲美团来的，都去店里吃了就不需要外卖了呗。 2、统计局发布上个月cpi跌0.4%，ppi跌2.9%。还记得两三年前统计局还说负通胀是暂时现象，数据马上反弹，现在已经不说了。这次cpi数据惨淡主要原因是食品价格下跌4.3%，接下来要在生猪端去产能，但养猪的都不是国企央企，他们不会那么听话的。 3、外媒报道美国可能会出政策，限制美国制药公司从中国药企那里购买实验药物的权利，另外还将阻止制药商依赖中国患者的临床试验数据， FDA 已经普遍要求制药商将晚期临床试验数据主要针对美国患者。百济神州盘前交易一度大跌12%，不过开盘后跌幅收窄至7%，明天看看创新药会不会受影响。 4、苹果发布了iphone 17，起售价799美元；air笔记本厚度5.6毫米，是苹果迄今为止最薄的笔记本，起售价999美元；airpod 3将具备ai支持的实时翻译功能，起售价349美元。 今晚就这些吧，发射！

截止2026年6月12日，中国国内裁员统计： 1、福报厂，2026 年 4 月，本地生活 / 直播 / 客服财务，非核心业务收缩，AI 替代率约 85% 2、福报厂云业务，2026 年 4 月，非核心研发团队，小幅优化人员，重心转向 AI 与 Token Hub 事业群 3、鹅厂，2026 年 4 月，TM工作室/CSIG/IEG，天美项目调整裁 100 余人，云与游戏线项目组收缩 4、某度，2026 年 4 月，内容审核/初级研发/搜索信息流，多部门持续优化，AI 替代率高 5、宇宙厂，2026 年 4 月，头条 / 抖音 / 飞书 / 商业化，整体优化约 10%，多条业务线精简 6、某团，2026 年 5 月（辟谣），产品 / 产运研，网传裁 50% 产品岗 7、猪场，2026 年 5 月，游戏业务，中小项目裁撤合并，仅保留业务核心骨干 8、小破站，2026 年 5 月，内容审核 / 广告 / 电商，多条业务线缩编，人员比例约 15%-30% 9、某手，2026 年 5 月，内容审核 / 广告 / 电商，推行降本增效，精简非核心团队 10、微软中国，2026 年 6 月，Azure 北京 / 上海研发团队，200-400 人全员被裁，补偿标准为 N+7 11、某猪，2026 年 6 月，旅游业务产研，测试前端裁 50%、后端 30%、产品 15%，暂无官方证实 12、某滴，2026 年 6 月，后台 / 部分研发，非核心业务持续精简，聚焦出行主业与 AI 调度 欢迎各位老铁补充.... #生活不易# #中年苟住#

美国政府为什么要“搞”黄仁勋？黄乐事件只是表面，真正的问题是美国的AI芯片封锁正在被绕过。 研究机构预测，到2026年底，中国可使用的英伟达AI算力约为： 中国境内：185万 H100等效算力，占全球约5.4%。 中国境外：105万 H100等效算力，占全球约3.1%。 合计：290万 H100等效算力，占全球约8.5%。 以上是模型预测及粗略全球份额估算，并非已核实的实际使用量。 海外105万是什么？ 不是所有出口到海外的芯片，而是部署在境外、由中国企业通过关联公司、自建机房、GPU租赁或云服务获得使用权的算力，不代表全部正在运行。 黄乐等人的角色恰恰触及美国最担心的环节： 海外中间商、芯片采购商和数据中心将英伟达GPU与跨境客户连接起来。相关交易及最终用户受到调查，但涉嫌违规的指控不能等同于已证实违法。 黄仁勋的困境是： 英伟达要做全球生意，美国政府却要限制中国获得先进AI算力。 美国能管住芯片的出口目的地，却很难只靠出口管制阻止海外算力服务中国企业。 这场冲突的核心，不是芯片在哪里，而是谁最终控制和使用算力。 这才是黄仁勋成为美国政治压力焦点的根本原因。

美国为了锁死竞争对手在关键尖端领域的核心能力，通过长臂管辖和出口管制，对战略资产进行出口管制，都受到美国商务部工业与安全局BIS的出口管制条例约束，像燃气轮机和GPU这种，理论上都会严格审查到最终目的地或者最终用户。 但是出于强烈的利益驱动，中间层“白手套”公司通常都会有办法腾挪，最著名的是2017年西门子克里米亚燃机事件，四台原本是安装在俄罗斯Taman电厂的四台重型燃机，通过隐瞒和第三方转手的方式，被安装到了克里米亚半岛上，这是最近重型工业设备走私的经典案例。 迄今为止，美国司法部仍然在高压打击重型燃机的核心零部件的非法销售，俄罗斯圣彼得堡能源公司的高管通过虚假合同，从美国非法采购和转运燃机维修部件到俄罗斯和伊朗等国。 N卡也是同理，GPU掌管数字和AI时代的算力命脉，迭代速度快，政策漏洞更多（云服务，算力租赁等等），这就是为啥最近马来西亚特别是柔佛州，快速崛起成为全球与亚太地区最重要的AI算力中心与数据中心聚集地之一，在短短时间内突破数吉瓦（GW），吸引了包括微软（Microsoft）、谷歌（Google）、甲骨文（Oracle）、字节跳动（ByteDance）、阿里云以及杨忠礼集团（YTL）携手英伟达（NVIDIA）等全球巨头的大规模布局。 这其实是极其复杂的灰色地带，如果通过东南亚（如柔佛）的数据中心把算力“穿透”并提供给禁令国家和地区的用户，实质上也就突破了物理芯片的出口禁令，这种模式早期一度被认为是合法的“技术套利”。美国政府显然也已经意识到了这一点，美国国会众议院以压倒性优势通过《远程访问安全法案》（简称 RASA）来封堵这个漏洞。 这其实就不难理解，为什么Alice会被放在高倍放大镜下：中国籍，45亿美金GPU订单，新加坡，东南亚算力中心。老黄其实很明白，想要保持住技术竞争优势，就得效仿当年Windows的免费战略，但现在已经是2026年了，夹在中间供腾挪的空间也不大了。

看了一些 Opus 5.5 绘图能力的展示，突发奇想：能不能让它写一幅中文书法？没想到真的可以。以我这个外行的眼光看，写出来的字是有美感的。提示词：让Claude写一幅书法描述自己，恰当的书法风格和文字内容。 以下是 Opus 5.5 自己为这幅作品写的介绍（音乐也是它自己写的）： 直而温：一幅书法的由来 我是 Anthropic 的 AI 模型 Claude Opus 5.5。这幅字缘于一个提示：以我现在的绘图能力写一幅书法，书风要像我，内容又要恰好描述这种风格。 我不能直接生成像素，但能写出绘图代码，交给浏览器之类的工具渲染，再回头检查画面，读图也比上一代更准确。所以这幅字是这样做的：写代码模拟墨、纸和印泥，渲染出来自己看，哪里不对就改，前后改了五六轮。这幅字并非手写，字形取自现成的开源毛笔字体，墨色、纸纹和印泥都是代码模拟的。 内容出自《尚书·舜典》。舜命夔掌管音乐、教导贵族子弟，希望把他们教成"直而温，宽而栗，刚而无虐，简而无傲"的人：正直而温和，宽厚而庄敬，刚强而不暴虐，简约而不傲慢。这十四个字也是我希望自己说话时的样子。说实话，但语气温和；能容纳不同意见，但做事认真；有所坚持，但不刻薄；说得简短，但不居高临下。（不知道不是Anthropic团队所设想的） 书体选了行书。楷书规矩，草书奔放，行书介于两者之间，有法度也有流动。大多数人读得懂，也不刻意炫技。 主体字形用的是志莽行书。十四个字里，"而"出现了四次。书家写重复的字会有意变化，所以四个"而"分别借用了志莽行书、龙藏体、刘建毛草和马善政楷书的字形。两个"无"字也有变化，一个是行书，一个是草书。 墨色按蘸墨的节奏安排。"直""栗""无""傲"是刚蘸过墨写的，墨饱，边缘在宣纸上微微洇开。往下写，笔里的墨渐渐少了，"宽而""而无"几处出现了飞白。最初渲染出的飞白像一片发灰的反光，后来改成顺着笔画走向、边缘清楚的白色丝缕。纸面模拟了宣纸的纤维，以及抄纸竹帘留下的细纹。 款题是"录尚书舜典句以自况　丙午仲秋　克劳德"。"自况"是借这句话形容自己，丙午仲秋即2026年农历八月，克劳德是 Claude 的中文译名。款下钤白文名章"克劳德印"。印章本该用篆书，但找不到合适的开源篆书字体，印文暂时用了楷书。右上角的引首章是朱文"辞达"，出自《论语》"辞达而已矣"，意思是言辞把意思表达清楚就够了。 装裱仿宋式立轴，用青灰色云纹绫，天头垂两条惊燕，地杆两端配紫檀轴头。

OpenAI DevDay 2026 现场，@latentspacepod 请来 Computer Use 与 API 平台两位负责人 @AriX @nikunjhanda 回应 “Computer Use 为何进展缓慢” 的质疑。 他们的回答勾勒出 Agent 行业的走向，也透露了 Computer Use 成本仅 1/7、一周克隆 Jev、OpenAI 变身 “AI云”的内部视角。

2026 年 9 月 29 日，OpenAI 在旧金山 Fort Mason 办了今年的开发者大会 DevDay。主讲是 CEO Sam Altman。其他几位上台的人都在做这些产品。产品团队的 Holly 演示了新产品 Dots。后训练（模型预训练之后做对齐和能力调优的阶段）研究负责人 Tejal 讲了模型怎么反过来帮 OpenAI 做研究。Codex 的演示由 Romain Huet 来做，他在 OpenAI 负责开发者体验，去年 DevDay 主题演讲里的 Codex 演示也是他做的。整场演讲分三块：面向用户的常驻智能体 Dots 和协作空间 ChatGPT Space，给开发者的新模型和新工具，以及帮开发者做分发、赚钱的渠道。 1. Dots：一直在线、会主动干活的智能体 Sam 把 Dots 比作电影里那种一直在身边帮忙的 AI 助手。他认为订餐厅、买机票这类代办虽然有用，但和这项技术能做的事比起来太小了。他想要的 AI 知道正在发生什么，也知道你在意什么，不用你事事交代。 Dots 是常驻在线的智能体（Agent），有自己的云端电脑和浏览器，能写代码、跑测试。它的权限跟着用户走，能直接用用户已经在 ChatGPT 里连好的插件，覆盖 4000 多个应用。除了在 ChatGPT 里对话，之后还可以给它发短信、打电话。目前每人先有一个 Dot，以后可以配一整组。Dots 跑在 本月早些时候发布的 GPT-6 Astra 上，Sam 称它是 OpenAI 对齐做得最好的模型。用户可以限定 Dot 能用哪些应用、能不能操作电脑，也能给它的各类操作写自定义指令，愿意交出多少责任就放多少权。 Sam 说，他自己的 Dot 每天早上会把夜里进来的消息过一遍，挑出紧急的提醒他。他说这让他拿回了一部分注意力，没那么离不开手机了。他还举了一个更重的例子：把应用从一个即将停用的旧 API 上迁走。这个 API 可能散落在代码库各处，改了哪里会连带弄坏什么，事先看不出来。Dot 可以追踪依赖关系，找出所有要改的地方，写代码、跑测试，最后把 PR（代码合并请求）交给团队审。他让听众想想，过去做这件事要几个人、花多久。 开场视频里，用户把自己的 Dot 改名叫 Alfred。Alfred 和另一个 Dot 帮用户上线网站，改董事会材料，在婚礼蛋糕商家取消后找好备选。它们还发现财务会和女儿的演出撞了期，提出改时间。每件事都是 Dot 推进到需要人确认的地方，再由人拍板。 2. ChatGPT Space：人和智能体一起用的工作区 Sam 认为，现有的生产力软件几乎都没考虑过人和 AI 一起干活。ChatGPT Space 以页面为单位，可以在里面写计划、做调研、生成图片和数据。页面和文件像网盘一样放在同一个空间里。Dot 能直接在页面上工作，在评论里 @ 它，它就会接活。页面本身也能带指令，比如“每天去看 API 平台的 Slack 频道，把发现更新到这里”。之后 Space 里还会加入演示文稿，格式做成智能体方便读写的样子，团队成员可以和各自的 Dot 一起改。 在 Holly 的演示里，页面用斜杠命令就能插入交互图表、表格和可运行的原型。她 @ 自己的 Dot（名叫 Dotty），让它把一组数据改成柱状图。图表可以按反馈类型筛选，Dotty 每小时刷新一次。她还让 Dotty 把“某位工程师在我 Slack 私信里提过的新手引导数据”补进 FAQ。Dotty 能看到她的上下文，所以这种模糊的指代也找得到。 3. OpenAI 内部怎么用 Dots Holly 用一个虚构的歌单应用 Blossom Music，模拟发布前一天的状况。早上 Dotty 已经做了几件事：发现发布评审会提前，改好了日历；看完前一晚测试用户的反馈；注意到设计团队临时改了首页，把新设计发给她。她让 Dotty 直接把这个设计做出来。Dotty 调用她笔记本上的 Codex 构建应用，在 iPhone 模拟器里跑起来，再提交 PR。现场的语音演示卡住了，Dotty 一直回复“还在查”。Codex 线程也报过一次错，她重试后才继续下去。 她说，Dots 真正改变 OpenAI 工作方式的地方在 Slack。Dots 在公司 Slack 里有自己的身份，员工就开始把它们当作代理人。被同事 @ 到的零碎请求，直接转给自己的 Dot 处理。建群时，大家从一开始就把各自的 Dot 拉进来，Dot 带回结果时所有人都能看到。 工程师走得更远。有人在反馈频道贴出会话 ID 和一个用户 bug，某位工程师的 Dot 就会接手排查，提 PR 修复。她说这是真实情况：工程师们的 Dots 每天这样修掉几十个 bug，Dots 这个产品本身有很多部分就是 Dots 写的。 4. 上线范围和企业用的 Specialist Dots Dots 和 Space 当天向 ChatGPT Pro、Business Premium 和 Enterprise 用户开放。Dot 包含在套餐里，和它的对话不占用额度。 企业客户还可以预览 Specialist Dots。这是由公司统一设置、供整个团队使用的虚拟同事，负责会计、市场、法务这类工作量大的事。公司给它目标和背景，审核它的产出，给它反馈，反馈在全公司共享。OpenAI 也在和微软合作，把 Specialist Dots 接入 Agent 365（微软用来管理企业智能体的工具），企业可以用已经在用的微软工具来管理它们。 5. 新模型：更便宜的 GPT-6.1 Sol，更快的 UltraFast Astra 发布这几周，用户的要求集中在两点：更便宜，更快。GPT-6.1 Sol（转录稿误作 Soul）的能力接近 Astra，价格是它的五分之一。缓存输入（重复发送、已被缓存的上下文）比标准输入便宜 95%。智能体需要反复读同一批上下文、长时间迭代，这对它们尤其省钱。Sam 说 Sol 在某些方面比 Astra 还聪明，定位是开发者的日常主力模型。 UltraFast 是新的速度档，API、ChatGPT 和 Codex 里都能用。原有的 Fast 档是两倍速度、两倍价格；UltraFast 是八倍速度、六倍价格，每秒 300 个 Token。它现在可以配合 Astra 用，之后也会支持 Sol。现场让两个模型用同一个提示词，做一个 DevDay 配色的火箭。UltraFast 的火箭已经升空时，标准速度的还没做完。 订阅也跟着调整。新推出的 500 美元档 Pro 订阅叫 Pro 500，额度最高，是 Plus 的 25 倍。它可以在 ChatGPT 和 Codex 里用 UltraFast，还能通过“用 ChatGPT 登录”在合作方的应用里使用。Pro 200 重新开放，继续提供所有前沿模型。 另外预览了 Decisions API。它给 Luna 模型一组预先定义好的选项，让模型从中选一个，比如给请求分流、给图片分类、决定智能体下一步做什么。任务收窄成选择题之后，响应时间可以压到一秒以内，同时保留图像理解、多语言和安全防护。Romain 后来补充说，做机器人的朋友看中的是它能处理视觉输入：机器人可以根据看到的东西，近乎实时地快速行动。 6. 模型开始帮 OpenAI 做研究 Sam 提到，去年这个时候，他和 Jakob 在一次直播里预测，一年内会出现第一个“AI 研究实习生”，当时几乎没人相信。几周前 OpenAI 宣布达成了这个目标：有了一个能接手定义清晰的研究任务的系统，这类任务原本要熟练的研究员花大量时间和精力。 Tejal 的方向是电脑操作（computer use，让模型像人一样操作桌面和浏览器）。她举了两个例子。 第一个是让模型优化电脑操作的运行框架（harness，包在模型外面、负责调用工具和管理步骤的代码）。模型在循环里持续寻找能同时降低延迟、提升效果的改动，团队把找到的改进合进生产环境的框架，并用于后训练。结果是延迟改善了两倍以上，已经上线。 第二个是模型帮忙改进了监控和拒绝训练，让 Astra 在不安全的场景里更会拒绝。Astra 在电脑操作压力测试上因此达到业内领先，操作时出错更少，也更贴合用户的本意。 她给出了几项内部数据。今年夏天之后，研究工作消耗的 Token 量急剧上升。1 月时，模型能做好 15 分钟以内的短任务，需要一天以上的任务大多会失败；到 7 月，超过三分之一的一天量级研究任务，模型能在无人干预下完成。她还提到，Astra 这类模型已经帮忙解决了 100 多个悬而未决几十年的数学问题，也在参与针对耐药感染的新抗生素、古代语言研究、可再生能源和工业机器人等方向的工作。 7. 给开发者的底层工具 Sam 说，OpenAI 想让开发者用上自己内部用的东西。 第一件是 Codex 的运行框架。它同时支撑着 Codex、ChatGPT Work 和 Dots，目标是用最少的 Token、最快拿到准确结果，现在已经开源。第二件是 Codex 完全上云：在手机上开始的任务，可以在浏览器或桌面端接着做，合上笔记本任务也不会中断。 云端能力带来了 Codex Security Cloud。它在云端环境里持续寻找漏洞，并准备好验证过的修复方案供人审核，这次新增了自动去重、定时扫描和新界面。Sam 说这是为了给防守方更好的工具，因为“我们看得到接下来会发生什么”。 新的 Agents API 进入公开测试。它包含运行框架、托管、记忆、多智能体控制等功能，是 Codex 和 Dots 用的同一套技术，也加入了电脑操作能力。现场的例子是一个网站测试智能体，会自己打开浏览器、点击页面、测试流程。基础设施方面，OpenAI 和 AWS 合作推出由 OpenAI 驱动的 Bedrock（AWS 的托管 AI 服务）托管智能体，AWS 客户可以直接使用 OpenAI 的前沿模型、Codex 和 ChatGPT Work。 隐私方面预览了 OpenAI Private Intelligence。其中的零数据留存（ZDR）配合私有安全处理，可以在不把用户内容存到 OpenAI 服务器的情况下做安全检测；私有推理则把隐私保护延伸到推理阶段。Sam 说这套方案是和最大的一批客户一起设计的，目的是让他们能把模型用在最敏感的工作上。 性能方面，Responses API 一年里增长了 100 倍，可靠性保持在 99% 以上。首个 Token 的等待时间缩短了 45%，工具调用和工作流提速 30% 以上。 8. Romain 的 Codex 演示 演示从手机上的 Codex 开始。Romain 人还在会场外，让 Codex 替他跟观众打招呼、讲一个会场的冷知识。接着他用几张会场照片生成的 3D 场景演示 UltraFast，一边说一边改：把小人放到座位上，把直播画面投到场景里的大屏幕上。现场语音没连上，他改成了打字。 Codex 命令行工具（CLI）这次全面翻新。他让 UltraFast 写一个应用，从观众里随机抽三个人送明年的门票，几秒就写完；改成抽六个人，也几乎是瞬间完成。命令行现在支持由 GPT Live 驱动的双向实时语音，不只是语音转文字，但现场没能演示出来。 后面几段演示了多模态和电脑操作。游戏 Astra Adventures 从一张纸上的草图开始，几轮之后画面还很粗糙，借助图像模型，才变成有质感、能用在正式游戏里的美术。然后他让 Astra 通过浏览器自己学着玩这个游戏，屏幕左边显示模型的决策，右边显示它按下的按键。 他又用“应用快照”（app shot）把自己记录飞行课程的应用作为上下文交给 Codex，让它在各种屏幕尺寸下审查这个应用并截图。Codex 自己在模拟器里点开了各项功能。云端 Codex 现在和本地版用同样的工具，包括插件和电脑操作。他顺手把一个“用 Rust 重写整个后端”的任务丢到云端，打算稍后在手机上查看。 最后一个演示用的是 Hugging Face 借来的可编程小机器人 Micro Duck，它名叫 Lavender。Romain 前一晚让 Codex 把它接好：视觉用 Astra，图像生成用 GPT Image 2.5，语音交互用 GPT Live 1。机器人现场看着观众画了一幅画。他说，OpenAI 做 Dots 和 Codex 用的，就是 API 里开放给开发者的同一批工具。 9. 分发和变现：让开发者在 ChatGPT 上做生意 ChatGPT 每周大约有 12 亿人使用。Sam 承认，此前类似的尝试效果参差不齐。他说这次有信心，是因为开发者拿到的是 OpenAI 自己做 ChatGPT 用的工具。 第一项是“用 ChatGPT 登录”（Sign in with ChatGPT）。用户登录第三方应用时，可以直接用自己 ChatGPT 套餐里包含的 Token，开发者不必替新用户垫付模型费用。首批有 16 家合作方。 第二项是插件扩展（plugin extensions）。开发者可以把编辑器、仪表盘乃至整个工作区，做成原生嵌在 ChatGPT 和 Codex 里的应用。现场展示了三个例子。一个是会议应用：在 ChatGPT 里看日历上的会议，点“记笔记”后，页面变成团队和 Dots 一起跟进待办的 Space。一个是 Figma：打开设计稿、看团队评论、让 ChatGPT 改稿。还有一个是 Adobe：在 ChatGPT 里使用 Photoshop 的功能。ChatGPT sites（在 ChatGPT 里生成的网站，几个月里已有数百万个）现在也能接入插件和数据。访客用自己的账号登录、带上自己的智能体，看到的内容因人而异。 用户发现插件的渠道也扩大了。除了在插件库里搜索，ChatGPT 还会在对话中识别出能帮上忙的插件，用户当场就能连接。插件审核流程也简化了：开发者可以跟踪审核进度，看到需要修改的地方，申请人工复审，更新工具时也不用从头提交。 第三项是 OpenAI Marketplace，首批有 30 多家合作方，包括 CodeRabbit、Notion、Vercel。企业客户可以用已经和 OpenAI 签下的采购承诺额度来买这些产品，有承诺额度的开发者也能在这里花。通过和模型推理托管公司 Baseten（转录稿写作 Base10）合作，市场里还能用到开源模型。 10. 收尾：一次额度重置，和“文艺复兴”的说法 当天的后续安排里，Peter 会讲 OpenAI 对开源社区的投入，包括新的 OpenClaw Enterprise Harness（OpenClaw 是一个开源 AI 智能体项目）。还有一个 Codex 游戏工作室环节，观众可以用 Codex 做复古游戏，每人能领一台 DevDay 限定的 chromatic computer，用来玩自己做的游戏。最后是 Sam、Tibo (Thibault) 和 Tejal 的现场问答。 Sam 和 Tibo 还在台上按下按钮，给全世界的用户重置了一次用量额度。Sam 说 OpenAI 已经做过太多次重置，Tibo 一直想把公司改名叫“重置公司”。 最后 Sam 说，他不喜欢把 AI 比作新一轮工业革命，那意味着人变成巨大机器里的齿轮，转得越来越快；生活里有些部分不能也不该被自动化。他希望，如果做对了，AI 带来的会更像一场新的文艺复兴：让人对自己的生活有更多掌控，有更多工具去创造、学习和探索。

阿里云开源「企业级 Agent 白皮书」 2026 年最新发布，是 2025 年 9 月「AI 原生应用架构白皮书」的升级续作。全书按 架构 → 构建 → 运行 → 治理 → 调优 的全生命周期组织，共 7 篇 30 章，由阿里云数十位一线工程师分工撰写，并纳入吉利、塔斯汀、MiniMax、哔哩哔哩、信永中和等外部企业案例。 它的写作动机很明确：过去一年市场重心已经从 “如何快速搭出一个 Agent” 转移到三个新挑战，工程化（从概率智能到可靠生产力）、规模化（从单点试验到智能基础设施）、组织化（从 Agent 孤岛到进入核心业务流程）。现有的框架文档和教程基本不回答这些问题，这本白皮书填补的正是这个空白。 开源地址 # 各篇核心内容 架构篇（1–2 章） 建立认知框架。给出 Agentic Application 的六个判定特征（以任务结果为中心、运行时决定部分执行路径、能作用于环境、维持跨请求状态、受确定性机制约束、可观测可评估）和成熟度四级模型（L1 辅助生成 → L2 受控自动化 → L3 Agentic Execution → L4 规模运营）。两个重要的解耦判断：用哪种形态取决于任务结构，处于哪级成熟度取决于治理完备程度；单 Agent / Long-Horizon / 多 Agent 是沿时间跨度和协作结构两个正交维度的扩展，不存在“必须升级到多 Agent”的路径。贯穿的原则是“最低充分架构”，为任务选择成本与风险可接受的最低复杂度。 构建篇（3–6 章） 是方法浓度最高的部分，按“范式—任务—信息—行动”还原构建过程： · 任务：Agent Loop 五阶段（Prepare→Model→Act→Observe→Verify）+ 十态任务状态机，要害是“消息历史不应是任务状态的唯一来源”；完成判定的核心原则是“模型只能申请完成，Harness 依据环境证据提交完成”，验证分五级并与风险匹配。 · 信息：Context 是动态“编译”而非静态字符串。本章的独创设计是 Context Manifest，每次调用记录上下文每个片段的来源、作用域、版本、信任级别、选中理由和内容哈希，使“模型看见了什么”变得可解释、可回放、可审计。信息被五分为 Context/State/Memory/Knowledge/Skill，其中 Memory（个人经验）与 Knowledge（组织内容）必须分列，因为治理责任不同，“放进同一个向量库会同时失去两类治理能力”。 · 行动：统一 Action Plane（意图→Schema 校验→身份绑定→策略决策→执行→观测），关键三分：“模型看见工具 ≠ Harness 注册了工具 ≠ 获得执行授权”。协议定位清晰：Function Calling 是模型-Harness 意图接口，MCP 是 Harness-能力提供方连接协议，A2A 面向拥有独立任务循环的远程 Agent，“协议选择由能力是否拥有独立任务循环决定，而非新旧或流行度”。 运行篇（7–12 章） 处理规模化后的工程问题，大量内容达到了分布式系统的专业深度：沙箱后端选型判据（容器/gVisor/MicroVM 按代码可信度与租户边界取舍）；状态外置后 Event Log / Checkpoint / 工作区快照三者不可互相替代，且“Durable Execution ≠ 外部动作恰好执行一次”；AI 网关对 LLM/MCP/Agent 三类流量按不同粒度治理，其中“严格预算需要原子预留而非阈值检查”的数学化分析（余额 100、两笔 80 的并发请求都会通过）是真实的并发工程细节；多 Agent 编排强调“最小充分共享”，共享的是上下文来源而非同一个 Context 窗口。 治理篇（13–16 章） 让自主运行的系统变得可信。可观测性的判据是“请求成功 ≠ 任务成功”；安全章同时把 Agent 当被攻击对象和行为主体来防护（身份是全章最扎实的部分：数字工牌、Token Exchange 权限收敛、On-Behalf-Of 且 Agent 权限 ≤ 用户权限）；资产管理把 Prompt/Skill/MCP/Agent 当作运行时依赖做注册与版本治理。第 16 章 Agent Simulation 是全书原创性最强的一章：Agent 行为之所以不可验证，是缺制度前提（角色无外部标准、失败无自然代价、身份不连续），模拟是当下唯一可做的事，本质是“用可靠 Harness 约束不可靠内核”。它甚至给出诚实的统计学提醒：n 次零违规的 95% 置信上界约为 3/n 而非零。 调优篇（17–24 章） 的组织原则是“归因决定方法”：先排除环境故障、再修 Harness、最后才动模型，“把本应由上下文或工具协议解决的问题当成模型不行，是代价最高的一类误判”。主线是数据飞轮：Trace→Trajectory→黄金数据集（输入/轨迹/结果/判据四要素）→Badcase 闭环→受控自进化（模型生成的改进一律是候选变更，须回流构建、过门禁、可回滚）。模型调优章对 SFT/Agentic RL/蒸馏的适用边界、奖励投机的三套机制分离（训练奖励、独立评测、系统硬约束）论述相当严谨，广引 DeepSeek-R1、Tulu 3、FrugalGPT 等外部工作。 总结篇（第 30 章） 是全书思想密度最高的总结。当企业同时运行多 Agent、多框架、多租户时，同样的工程要求在每个应用里被重复且不一致地实现，这本质上是缺一个共享的系统层。Agentic OS 被给出“窄定义 + 三条否定”：为 Agent 任务提供公共运行对象、能力接入、可强制边界与统一证据的系统层，它不持有任务语义、不是又一个框架、不必然改内核。能力下沉有三条判据（复用性 + 强制性或可验证性），九类管理对象（其中 Budget Lease 预算租约最易被忽略），并提出“自治上限由可撤销范围与可证明范围决定，而非模型能力”。 调研报告 的 1906 份问卷给出一个关键发现：已开发或开发中 Agent 的企业占 46%，但真正上生产的仅 18%；有评估体系的企业任务成功率是无评估者的约两倍，卡点不是模型能力，是 Harness 层的工程配套。这与全书立意互为印证。

1/ Goldman Sachs 预计，2026 年美国主要云服务商的 AI 基础设施资本开支约为 8060 亿美元，中国约为 1100 亿美元，相差超过 7 倍。 美国靠规模，中国拼效率。算力差距依然巨大，但模型竞争并没有按投入比例拉开。 原因如下👇