OpenAI 于 2026 年 6 月 11 日宣布支持欧盟发布的《AI 生成内容透明度实践准则》（Code of Practice on Transparency of AI-Generated Content），该准则是落实《欧盟 AI 法案》的重要一步，旨在构建更透明、可信的数字生态系统。 ## 从技术到生态：OpenAI 的溯源实践 OpenAI 的溯源工作始于 2024 年，当时在 DALL-E 3 图像生成工具中引入了 **C2PA 元数据**，为内容添加数字“出生证明”。此后，公司不断改进标记与检测方法，并推出了首个公开验证工具。这些积累为参与制定本次准则提供了技术基础。 OpenAI 与数百家利益相关方共同参与了准则的起草，其核心目标是让用户在浏览 AI 生成内容时能清晰了解其来源与编辑历史。公司强调，溯源不仅是技术问题，更是 **生态协作**——需要从内容创建者到平台运营者的全链条参与。 ## 欧洲 AI 治理的“先行者”姿态 这并非 OpenAI 首次在欧盟监管框架中主动站位。2025 年，OpenAI 成为 **首家签署欧盟通用 AI 实践准则** 的美国公司。两次签署表明，OpenAI 倾向于通过“可执行、有弹性”的规则来平衡创新与责任，从而获得市场确定性。 ## 溯源为何重要？ 随着 AI 工具渗透到创意、信息传播等领域，内容真伪辨别日益困难。溯源信号（如 C2PA 元数据）能为用户提供关键上下文： - **内容来源**：由 AI 生成、人工创作或混合编辑？ - **修改历史**：是否经过篡改或深度伪造？ - **意图声明**：内容是否被标记为合成？ 这有助于抵御虚假信息活动，保护数字生态的完整性。OpenAI 承诺将遵守准则中适用于其产品的相关要求，并继续与欧盟合作推进 AI 信任建设。 ## 行业启示 此次表态传递出清晰信号：在全球 AI 监管加速的背景下，头部企业正从“被动合规”转向“主动共建”。OpenAI 的实践也为行业提供了参考——溯源技术标准化、跨平台互操作性、以及公开验证工具，都可能成为未来 AI 内容治理的基础设施。 不过，溯源机制的有效性仍面临挑战：元数据可能被剥离、检测工具存在盲区、用户认知参差不齐。准则的落地效果，还需依赖后续的技术迭代与多方协作。
OpenAI 宣布收购云基础设施公司 **Ona**，旨在将后者的安全、持久化云执行与编排技术整合进其快速扩张的 **Codex** 生态系统中。这一战略动作标志着 Codex 从“单次会话工具”向“长期自主代理平台”的关键转型。 ### 从“分钟”到“天”：Codex 的进化路径 目前，每周有超过 **500 万人** 使用 Codex 进行研究、分析、构建和自动化工作，较年初增长了 **400%**。最初，Codex 主要面向软件开发者的代码生成，如今已扩展至更广泛的复杂工作场景——从需求提出到最终交付，全程参与。 OpenAI 观察到，Codex 最有价值的工作正从“分钟级”的即时响应，转向“小时甚至天数”的持续任务。例如，一个数据分析项目可能需要跨多个数据源、反复迭代，或一个软件部署流程需要等待环境就绪、测试通过。用户不应被绑定在发起任务的设备上，而应能随时查看进度、提供反馈并获取结果。这正是 Ona 技术的用武之地。 ### Ona 的核心价值：安全、持久的代理工作空间 Ona 此前已帮助 **200 万开发者** 将开发环境从本地迁移至云端，提供安全、可复现的云工作空间，并服务于多家大型企业客户。其核心能力包括： - **持久化环境**：代理可跨会话持续运行，即使关闭笔记本电脑，任务仍在云端执行。 - **客户控制执行模型**：企业可自主管控代理的运行位置、访问权限、凭据范围、活动日志及审核流程。 - **安全与治理**：满足企业对安全、合规和运营管理的严苛要求。 通过整合 Ona，Codex 将不再局限于单一设备或活跃会话，而是获得一个“持久的工作场所”。代理可以长期驻留在客户云环境中，持续访问所需工具、系统和上下文，实现跨时段的复杂任务。 ### 从实验到生产：企业代理部署的关键拼图 当前，许多组织仍在“试用” AI 代理，但真正将其部署到生产流程中时，面临的挑战远不止模型能力。企业需要： 1. **运行控制**：代理在哪里运行？能否隔离在特定网络或账户下？ 2. **权限管理**：凭据如何作用域化？避免代理获得过高权限。 3. **审计追踪**：所有操作是否可记录、可回放？ 4. **人工审核**：关键节点是否需要审批？ Ona 的客户控制执行模型，恰好提供了这些缺失的“基础设施层”。它让组织在享受持久代理带来的效率提升时，仍能保持对数据和安全的高度掌控。 ### 行业影响与展望 此次收购延续了 OpenAI 加速企业级 AI 落地的策略。此前，ChatGPT Enterprise 和 API 服务已为企业提供模型层能力；而 Ona 的加入，则补全了“执行环境”这一关键拼图。 对于开发者而言，这意味着未来可以用自然语言描述一个长期项目（如“监控系统日志并自动修复常见错误”），Codex 代理将在云环境中持续运行、迭代，直至任务完成。对于企业 IT 部门，则多了一个合规部署 AI 代理的选项。 当然，整合尚需时日，但方向已明确：**AI 代理不应是“一次性对话”，而应是“长期员工”**。OpenAI 正通过收购 Ona，为这一愿景搭建起基础设施。
西班牙对外银行（BBVA）与 OpenAI 宣布达成一项战略性合作，旨在将人工智能深度融入银行的客户体验、运营、软件开发及员工日常工作中。这一合作标志着 BBVA 从过去十年的数字银行先锋，正式迈入以 AI 为核心驱动力的新阶段。 ## 从实验到全面部署：AI 转型的规模化路径 BBVA 的 AI 转型并非一蹴而就。早在 2025 年，该行就开始将 ChatGPT Enterprise 推广至全球员工，**最终覆盖约 10 万名员工**。数据显示，这一举措带来了显著成效：**月活跃使用率增长超过 70%**，每位员工每周平均节省约 **3 小时** 工作时间，某些特定工作流的效率提升高达 **80%**。 这些早期成果为更深层次的合作奠定了基础。到 2025 年底，BBVA 与 OpenAI 的合作已演变为一项名为 **“The Eight”** 的全面 AI 转型路线图。该计划旨在从端到端重新设计银行业务——涵盖客户体验、商业银行业务、风险管理、运营、软件开发以及员工生产力等八个关键领域。 ## “The Eight”路线图：AI 重塑银行的每一个层面 BBVA 董事长 Carlos Torres Vila 表示：“我们与 OpenAI 的联盟将加速人工智能在整个银行中的原生集成，以创建更智能、更主动、完全个性化的银行体验，预测每位客户的需求。” 具体而言，这一合作覆盖了多个业务层面： - **客户体验**：开发能够预测客户需求的 AI 金融助手，提供主动式服务。 - **风险与决策**：为银行家和风险分析师提供 AI 工具，帮助他们更快、更明智地做出决策。 - **运营自动化**：利用 AI 系统自动化后台操作流程，减少人工干预。 - **软件开发**：加速代码编写、测试与部署，提升技术团队的交付效率。 ## 金融业 AI 转型的标杆案例 BBVA 成立于 1857 年，是一家全球性金融机构，业务覆盖欧洲、墨西哥、南美、土耳其和美国，服务数千万客户。过去十年，BBVA 在数字银行和移动银行领域一直处于领先地位。如今，通过与 OpenAI 的深度绑定，该行试图证明：大型传统金融机构同样可以快速、全面地拥抱 AI，而不仅仅是将其作为辅助工具。 这一案例也为其他金融机构提供了重要参考。将 AI 从“可选插件”升级为“核心基础设施”，需要高层战略决心、全公司范围的推广以及与技术巨头的紧密协作。BBVA 的经验表明，当 AI 被置于银行运营的中心时，效率提升和体验改善可以同时实现。 ## 展望未来 随着“The Eight”路线图的持续推进，BBVA 与 OpenAI 的合作预计将进一步深化。双方团队将围绕共享优先事项和长期转型计划协同工作，探索 AI 在更复杂金融场景中的应用，例如实时风险管理、个性化财富管理建议以及合规自动化等。 对于整个金融行业而言，BBVA 的这一步可能预示着 AI 不再只是“锦上添花”，而是成为银行业竞争的新分水岭。
黑洞附近的引力极端到连光都无法逃脱，但天体物理学家 Chi-kwan Chan 正借助 OpenAI 的 Codex 模型，突破当前算法和计算能力的限制，构建更逼真的黑洞模拟。作为事件视界望远镜（EHT）合作组成员，Chan 曾参与 2019 年首张黑洞图像的生成，如今团队正致力于制作首部超大质量黑洞视频。Codex 帮助 Chan 优化和测试模拟黑洞周围电子与离子运动的算法，从而更精确地检验爱因斯坦的广义相对论。
OpenAI 与 Oracle 达成合作，允许 Oracle Cloud Infrastructure（OCI）客户使用其现有的 Oracle 云通用积分（UCM）来访问 OpenAI 的前沿模型和 Codex。这一举措旨在简化企业级 AI 的采购流程，让客户无需开辟新的采购渠道，即可在已有的云承诺和治理框架下部署 AI。 对于许多大型企业而言，AI 的落地常常受限于采购流程和合规要求。通过将 OpenAI 模型纳入 Oracle 的消费体系，企业可以在不改变现有财务和审批流程的前提下，为团队提供 GPT-4o、o3 等先进模型以及 Codex 编程助手的访问权限。这不仅降低了采购摩擦，也使得 AI 支出能够与既有的云投资计划对齐。 从行业角度看，本次合作反映了云计算与 AI 平台深度融合的趋势。OpenAI 正从独立的 API 提供商转向嵌入主流云生态，而 Oracle 则借助 OpenAI 的模型能力强化其云服务的吸引力。对于已经在使用 Oracle 云的企业，这意味着更低的迁移成本和更快的 AI 部署速度。 具体功能方面，企业可利用 OpenAI 模型构建 AI 应用、分析复杂数据、自动化工作流，以及打造新的客户与员工体验。Codex 的集成则有望加速开发团队的编码效率。不过，实际可用性、定价细节以及地域支持仍有待 Oracle 销售代表进一步确认。 此次合作预计在未来几周内开始提供，感兴趣的客户需联系 Oracle 销售代表获取详细信息和可用时间表。
OpenAI于2026年6月10日发布报告，披露两起疑似源自中国的秘密影响力行动，这些行动利用ChatGPT模型生成虚假内容，试图干预美国关于AI政策、数据中心建设及关税的公开辩论。报告指出，这些行动并非为了直接改变公众舆论，而是测试针对AI基础设施的叙事——AI基础设施被视为美国技术领导力、经济增长及民主AI生态的基石。 ## 行动细节 OpenAI将第一起行动命名为 **“数据中心风潮”** 活动。该集群生成社交媒体评论和图片，声称AI数据中心建设导致普通家庭电费上涨。这一叙事试图利用公众对能源价格和本地数据中心开发影响的真实关切，放大质疑声音。 第二起行动名为 **“技术与关税”** 活动。该集群生成评论和图片，批评美国关税是试图主导技术竞争的举措，并在提示中明确要求内容不得提及中国领导人习近平，只提及特朗普总统。该集群还与一个可能虚假的社交媒体账号网络相连，这些账号还曾散布虚假声明，称ChatGPT用户数据已被泄露。 ## 行业背景与影响 OpenAI强调，这些操作本身并未实质性改变公众舆论，但其重要性在于：它们表明与中国相关的影响力操作正将矛头对准AI基础设施——这是美国技术领导力和民主AI生态的关键支柱。通过放大现有的能源价格担忧，这些操作试图削弱公众对AI发展的支持。 这一发现正值全球AI竞争加剧之际。美国和中国都在大力投资AI基础设施，数据中心作为算力核心，其环境影响和成本已成为政策辩论焦点。OpenAI的行动表明，AI公司正面临双重挑战：不仅要构建安全、有益的AI系统，还要防范其技术被用于破坏民主对话。 ## 应对措施 OpenAI表示已封禁相关账号，并持续监控类似活动。报告呼吁行业合作，共同识别和瓦解利用AI系统进行的虚假信息行动，以保护民主社会的公开辩论。
伦敦证券交易所集团（LSEG）正借助OpenAI，在其全球业务中规模化部署可信AI。通过将ChatGPT Enterprise和OpenAI API与自身全球数据平台深度融合，LSEG实现了产品发布周期从**约6个月缩短至2周**，客户需求到生产部署仅需**约4周**，并赋能**4000名员工**加速洞察与创新。 ## 挑战与机遇 作为全球领先的金融市场基础设施和数据提供商，LSEG服务于超过**40,000家客户**和**400,000名终端用户**，覆盖约190个市场。多年来，LSEG在AI和机器学习领域投入巨大，但生成式AI的出现带来了根本性变革——不仅是系统优化，更是人机交互与决策方式的颠覆。然而，尽管基础设施先进，知识工作中的人工合成、碎片化流程和耗时操作仍严重制约效率与规模化。 > “AI是阶跃式变化，但真正的转型发生在你重新思考如何解决问题，而不仅仅是执行。”——Emily Prince，LSEG企业AI集团负责人 ## 战略选择与落地 LSEG选择OpenAI作为合作伙伴，基于模型质量、企业就绪度以及与客户需求的契合。许多客户已在使用ChatGPT，这为将LSEG的信任数据直接融入现有工作流创造了天然契机。 LSEG在数周内向全球员工部署了**ChatGPT Enterprise**和**OpenAI API**，覆盖产品、工程、研究和运营等团队。应用场景包括： - **报告起草**与市场数据综合 - **产品原型快速迭代** - **内部工作流自动化** ## 成效与启示 LSEG的实践表明，生成式AI在金融数据领域的核心价值在于： 1. **加速决策**：从数据到洞察的时间大幅压缩 2. **释放人力**：将知识工作者从重复劳动中解放 3. **增强信任**：通过可控部署确保数据安全与合规 这一案例为大型金融机构提供了可复用的AI规模化路径：以真实问题为起点，以负责任的方式扩展，最终实现数据生态与AI能力的深度耦合。
在拥有超过 1.1 亿用户的社区平台 Nextdoor，工程团队正借助 OpenAI 的 Codex 实现从“迭代提示”到“结果工程”的转变。核心平台团队负责人 Cory Dolphin 指出，Codex 让工程师从特定系统或框架的束缚中解放出来，能够端到端地主导产品体验，甚至跨平台构建功能。 ## 从“如何构建”到“构建什么” 过去，一个涉及地图展示的功能可能需要移动端、前端和后端三个团队协作，往往因排期问题被搁置。但有了 Codex，**一名工程师就能独立完成全栈开发**。Dolphin 以最近发布的“机会提醒”功能为例，该功能帮助用户发现附近的服务提供商。工程师在开发过程中意识到需要地图支持，借助 Codex 快速实现了这一特性，不仅加速了交付，还让工程师对产品体验有了更全面的理解。 ## 生产力瓶颈转移 Codex 带来的效率提升如此显著，以至于**工程不再是瓶颈**——真正的挑战变成了“下一步该构建什么”的战略问题。Dolphin 形容道：“工程师花更少时间思考如何构建，更多时间思考期望的结果。”这些结果可以是截图、视频、性能指标或全新的功能创意。 ## 工程师角色的进化 Dolphin 观察到，随着工程师向上层抽象移动，**他们开始主导产品方向**，而不仅仅是执行任务。这种转变让个体工程师能够更深入地理解用户需求，并做出更明智的发布决策。Codex 不仅提升了速度，更重塑了 Nextdoor 的工程文化：从资源受限的协作模式，转向以结果为导向的快速创新。 ## 小结 对于像 Nextdoor 这样规模的企业，Codex 的价值不仅在于自动化编码，更在于重新定义了工程师的职责边界。当每个工程师都能成为“全栈产品负责人”时，团队的整体产出和创新能力便迈上了新台阶。
Notion 正借助 OpenAI 的 Codex 重塑其工程流程。在 AI 产品工程负责人 Ryan Nystrom 的带领下，团队利用 Codex 实现了从需求到代码的“一次生成”，将原本需要两周的开发时间压缩至三小时。以网页端 AI 语音输入功能为例，Ryan 仅将移动端代码库和需求描述交给 Codex，它便一次性生成了符合 Notion 代码规范的完整实现，次日即可发布。 Codex 的价值不仅体现在速度上。它能够“先思考再构建”，生成的代码质量高，减少了人工返工。这促使 Notion 重新思考软件原语和抽象层，使其更适配智能代理。团队在招聘时也更看重好奇心和开放心态，因为传统经验已不适用。一些多年未写生产代码的管理者重新回到代码库，与团队一同开发。 对于小型团队而言，Codex 相当于将工程能力成倍放大。它让 Notion 能够承担更多创新项目，并加速从概念到落地的周期。这一案例表明，AI 辅助编程正从辅助工具走向核心生产力引擎，改变着软件开发的组织方式和人才标准。
## OpenAI发布《智能时代产业政策》白皮书，呼吁以人为本的AI治理框架 2026年4月6日，OpenAI发布了一份题为《智能时代产业政策》的白皮书，提出了一系列“以人为本”的政策构想，旨在为即将到来的超级智能时代构建一个公平、包容且具有韧性的社会框架。这份文件并非最终政策建议，而是作为启动全球讨论的起点，邀请各方共同参与、完善或挑战。 ### 核心政策理念：三大支柱 OpenAI提出的政策构想围绕三个核心支柱展开： 1. **扩大机会**：确保先进AI技术能够惠及所有人，而不仅仅是少数特权阶层。这意味着需要设计政策来促进AI技术的普及应用，特别是在教育、就业和公共服务领域。 2. **共享繁荣**：随着AI驱动的生产力提升，如何公平分配经济收益成为关键。OpenAI建议探索机制，确保技术进步带来的财富增长能够广泛分享，避免加剧社会不平等。 3. **构建韧性机构**：面对超级智能可能带来的颠覆性变化，现有的社会、经济和政治机构需要增强适应性和韧性。这包括更新监管框架、强化民主决策过程，以及建立能够应对快速技术变革的治理结构。 ### 为什么现在提出？ OpenAI明确指出，随着AI技术向超级智能演进，渐进式的政策调整已经不够。必须提前规划，以避免技术失控或社会分裂的风险。这份白皮书的发布时机“有意提前且具有探索性”，旨在激发全球范围内的政策辩论，为未来几年的立法和治理实践奠定基础。 ### 具体行动倡议 为了推动讨论转化为实际行动，OpenAI宣布了三项配套措施： - **公开征集反馈**：设立专用邮箱 newindustrialpolicy@openai.com，欢迎各界人士提交意见、批评或补充建议。 - **资助研究与人才**：启动试点项目，提供高达**10万美元**的研究资助和**100万美元**的API积分，支持基于这些政策构想的相关工作。 - **举办线下研讨**：计划于2026年5月在华盛顿特区新开设的OpenAI Workshop举办系列讨论会，汇聚政策制定者、学者和行业领袖。 ### 行业背景与意义 在AI技术快速迭代的背景下，如何平衡创新与监管、效率与公平，已成为全球性挑战。从欧盟的《人工智能法案》到美国的AI行政令，各国都在探索自己的治理路径。OpenAI此次主动提出政策框架，反映了领先AI公司对自身社会责任的认知升级——技术开发者不能只埋头造模型，还必须参与塑造使用这些技术的规则和环境。 ### 潜在挑战与不确定性 尽管构想宏大，但具体实施路径仍存在诸多未知。例如： - **资金从何而来？** 共享繁荣需要财政资源，但税收或再分配机制的设计极为复杂。 - **全球协调难题**：AI无国界，但政策有国界。如何在不同政治体制间达成共识？ - **技术预测风险**：超级智能的时间线和能力边界仍不确定，政策是否需要预留弹性空间？ ### 小结 OpenAI的这份白皮书标志着AI治理讨论进入新阶段——从“是否要管”转向“如何管好”。其核心信息是：我们必须提前思考超级智能的社会影响，并设计出确保技术服务于人类整体福祉的制度。虽然具体方案有待完善，但启动这场对话本身，就是迈向负责任AI时代的关键一步。 > 注：本文基于OpenAI发布的公开文档撰写，政策细节和后续进展请以官方信息为准。
OpenAI 联合创始人 Sam Altman 与 Jakub Pachocki 近日发表长文，勾勒公司对通用人工智能（AGI）未来的核心愿景：**确保 AI 惠及每一个人**，而非仅服务于少数精英。文章以 20 世纪初美国乡村的电气化历程为类比，指出真正改变世界的并非技术本身，而是人们利用技术所创造的可能性。 ## 电气化启示录：技术如何真正改变世界 文章开篇描绘了 1920 年代电力抵达美国乡村时的场景：没有电力，人们的生活被体力劳动和自然光照所束缚。电灯延长了白天，水泵和冰箱减轻了家务负担，收音机则将世界的声音带入家庭。然而，**电力的真正影响并非一夜之间显现**，而是随着接入范围的扩大，催生了新的可能性——机器与计算机加速了医学、工程等领域的进步。到 20 世纪末，人均寿命延长约 **23 年**，通胀调整后收入增长约 **50%**，这些成就很大程度上得益于电气化及其催生的技术革命。 ## AI 的承诺：从工具到伙伴 Altman 和 Pachocki 认为，AI 正处在与电气化相似的历史节点。AI 很快将具备非凡能力，但重点不在于技术本身，而在于人们能用它做什么：**处理医疗账单、学习新技能、创办小企业、照顾年迈父母、理解法律或财务决策、将创意变为现实，甚至推动科学发现**。这些场景的核心是赋予个人更大的自主权和能力。 ## 普惠原则：AI 应为所有人服务 文章强调，**技术是长期繁荣的可靠路径**，因此 AI 应当让每个人都能按需使用，无论何时何地。但这一未来不会自动到来。变革性技术可能集中权力，也可能拓宽权力；可能让少数人生活更轻松，也可能为多数人扩大机会。OpenAI 的立场是：**AI 应为人们服务**，帮助其追求个人目标、增强自身能力，并让技术收益广泛分布。 ## 实践路径：从理念到行动 虽然文章未披露具体产品路线图，但明确表达了 OpenAI 在安全与访问之间的平衡策略。公司此前已通过 ChatGPT 免费版、API 定价下调等方式降低使用门槛，而此次宣言进一步将“**共享繁荣**”提升为组织核心原则。 ## 小结：一场正在展开的社会实验 OpenAI 的这份“计划”更像一份价值观声明，而非技术路线图。它试图回答一个根本问题：当 AI 能力超越人类平均水平时，社会应如何分配这种新“电力”？答案或许不在代码里，而在政策、教育和文化适应之中。正如电气化最终重塑了社会结构，AI 的普惠化也将是一场漫长的、需要多方协作的旅程。
OpenAI 于近日正式启动 **OpenAI 经济研究交流平台（OpenAI Economic Research Exchange）**，这是一项旨在支持外部学者开展 AI 经济影响实证研究的新计划。该平台通过结构化的项目合作，允许研究人员在严格的数据治理和隐私保护框架下，利用 OpenAI 的工具与数据集，对 AI 如何影响劳动者、企业、机构及整体经济进行严谨的因果推断。 ## 研究重点与申请方向 平台目前开放项目申请，重点关注以下领域： - **劳动力市场**：AI 对就业结构、工资水平及技能需求的影响 - **生产力与创新**：AI 如何改变企业运营效率和创新模式 - **教育与创业**：AI 在人力资本积累和新企业创建中的作用 - **区域与公共经济**：AI 对地区发展差距、公共财政及不平等的影响 申请者需具备扎实的实证研究能力，尤其在应用因果推断、测量、劳动经济学、产业组织或相关领域有丰富经验。提案需明确说明如何通过隐私保护的方式使用 OpenAI 工具来回答关键问题。 ## 合作机制与数据安全 入选的研究者将开展经过严格范围界定的项目，设有明确的里程碑、数据治理和审查流程。OpenAI 强调，所有研究必须在保护用户隐私和负责任使用数据的前提下进行。该平台是 OpenAI 在 AI 经济影响测量方面的又一重要举措，延续了其此前发布的 **OpenAI Signals** 等成果。 ## 行业背景与意义 随着生成式 AI 的快速普及，学术界和政策制定者迫切需要基于真实世界证据的研究，而非仅依赖传闻或预测。OpenAI 此举旨在填补这一空白，通过资助外部独立研究，为政策制定者、企业和公众提供可信的决策依据。申请现已开放，详情可查阅官方提案征集书（RFP）或联系 econresearch@openai.com。
全球技术服务公司 Endava 正通过 AI 智能体、ChatGPT Enterprise 和 Codex 加速软件交付、自动化工作流，并在企业内部构建 AI 原生文化。其 CTO Matthew Cloke 分享了这场转型的核心：将 AI 嵌入日常工作的每一个环节，从需求分析到部署，让智能体成为默认的协作伙伴。 ## 从工具到文化：AI 优先的思维转变 对于拥有 25 年历史的 Endava 而言，引入 AI 并非简单的工具叠加，而是对工作流、领导方式及团队协作模式的彻底重构。Cloke 指出，过去两年 AI 对 Endava 产生了根本性影响，公司必须回答“如何在 AI 新时代保持相关性”这一命题。 为此，Endava 选择 OpenAI 作为企业 AI 平台，全员开放 ChatGPT Enterprise 和 Codex 的访问权限。目标不仅是采用，更是让 AI 成为日常工作流的一部分。“AI 原生意味着首先想到用 AI 解决问题，而不是最后才考虑它。”Cloke 强调，这种思维转变要求团队将 AI 视为默认选项，而非锦上添花。 ## DavaFlow：AI 原生的交付方法论 AI 转型最初从软件交付团队开始。当开发者尝试 AI 辅助编码和智能体工作流后，他们发现瓶颈已不再是工程产出——需求收集、业务分析、规划和利益相关者协调都需要同步提速。 这一洞察催生了 **DavaFlow**，Endava 的 AI 原生交付方法论。Cloke 表示：“我们开始挑战自己能多快产出需求，多快为客户提供正确的业务方案。”如今，OpenAI 技术已嵌入 DavaFlow 全生命周期，从会议准备、业务规划到产品发现、软件工程和部署，无一例外。“DavaFlow 的每个环节都在使用 OpenAI 技术。” ## 智能体无处不在 在 Endava，智能体已成为后台运行的常态。Cloke 直言：“如果我没有一个智能体在后台运行，我会觉得自己在浪费时间。”这种文化鼓励员工将重复性工作交给 AI，从而聚焦更高价值的创造。 通过 AI 智能体，Endava 不仅提升了软件交付速度，还重塑了企业工作流。例如，在需求分析阶段，AI 能自动从会议记录中提取关键信息并生成初步文档；在部署环节，Codex 辅助代码审查和测试，大幅减少人工错误。 ## 行业启示 Endava 的实践为技术服务业提供了可复用的范本：AI 转型不仅是技术升级，更是组织文化的演进。当企业将 AI 嵌入日常流程，并从领导层开始倡导实验精神，智能体便能从工具进化为协作伙伴。这种“AI 原生”思维，正成为下一代软件交付的核心竞争力。 > 关键点总结： > - **平台选择**：以 OpenAI 为基础，全员使用 ChatGPT Enterprise 和 Codex > - **方法论创新**：DavaFlow 将 AI 嵌入交付全流程 > - **文化驱动**：让智能体成为默认工作方式，而非额外选项
OpenAI 正在为 ChatGPT 推出一种更强大的记忆合成系统，名为“梦境”（Dreaming），旨在解决现有记忆机制中信息过时、准确性不足和可扩展性差的问题。该系统能够自动从用户的多轮对话中提取关键上下文，并持续优化记忆的时效性和相关性，从而使 ChatGPT 在长期交互中保持对用户偏好、项目和约束的理解。目前该功能已面向美国地区的 Plus 和 Pro 用户开放，未来数周将逐步推广至更多国家和免费用户。 ## 记忆机制的演进：从“保存”到“梦境” ChatGPT 的记忆功能最早于 2024 年 4 月以“保存的记忆”（Saved Memories）形式推出。用户需要明确指示 ChatGPT 记住某些信息（如“记住我七月份要去新加坡”），模型才会在后续对话中调用这些内容。然而，这种被动式的记忆方式存在明显局限：只有被明确记录的片段才能保留，且随着时间推移容易变得过时或不准确。 2025 年 4 月，OpenAI 首次引入了“梦境”机制的初始版本，让模型能够自动从聊天历史中提取相关上下文，而不再仅仅依赖用户主动保存的记忆。这一改进使得 ChatGPT 可以持续学习并动态更新记忆状态，确保每次对话都能提供最新、最相关的背景信息。 ## “梦境”如何工作？ 与传统的“保存的记忆”不同，“梦境”通过后台进程持续运行，能够从大量对话中综合提炼出有价值的记忆。它不再要求用户明确说出“请记住……”，而是能够自然地从日常交流中捕捉关键信息。例如，如果用户多次提及自己的职业或正在进行的项目，ChatGPT 会逐渐将这些信息整合到记忆库中，并在后续对话中主动引用。 这种机制大大提升了记忆的**新鲜度**和**连续性**。系统会定期评估已有记忆的时效性，自动淘汰过时内容，同时补充新发现的相关信息。对于需要长期协作的场景（如项目管理、学习计划等），ChatGPT 能够始终保持对用户需求的准确理解。 ## 行业影响与未来展望 记忆能力的进化是 AI 助手从“一次性工具”迈向“长期伙伴”的关键一步。传统的对话模型每次交互都几乎从零开始，缺乏持续学习的机制。而“梦境”系统通过后台的记忆合成，让 AI 具备了类似人类的长时记忆特性——不是死记硬背，而是动态更新、择优保留。 这不仅提升了用户体验，也为 AI 在个性化教育、健康管理、专业咨询等需要长期跟踪的领域打开了更多可能性。不过，记忆的准确性和隐私保护仍是需要持续关注的挑战。OpenAI 表示，用户仍然可以随时查看、编辑或删除记忆内容，保持对数据的控制权。 总的来说，“梦境”代表了 ChatGPT 在记忆能力上的一次重要跃升。随着该功能逐步覆盖更多用户，我们或许将看到 AI 助手真正开始“记住”并“理解”每个人，而不仅仅是回应每一次输入。
2026年6月4日，OpenAI发布了一项名为“智能时代的生物防御”的行动计划，旨在利用先进AI能力构建更具弹性的生物安全未来。该计划的核心是GPT-Rosalind——一款前沿推理模型，专为支持生物学研究、药物发现和转化医学而设计。OpenAI认为，AI不仅能帮助科学家更深入地理解疾病、开发新疗法，还能在生物安全领域发挥关键作用。 ## 从能力到防御 2026年4月，OpenAI推出了**GPT-Rosalind**，这是其首个专注于生物医学的推理模型。该模型旨在加速从基础研究到临床应用的转化，覆盖广泛的疾病领域。然而，OpenAI也清醒地认识到，同样的能力若被滥用，可能带来生物安全风险。为此，2026年5月，OpenAI又发布了**Rosalind Biodefense**，帮助受信任的开发者构建新的生物防御和大流行病防范能力。 ## 行动计划的三大支柱 该行动计划的核心策略是：**为负责任的防御者配备先进能力**，同时建立必要的安全措施、证据基础和治理框架。具体包括： - **早期检测**：利用AI模型分析全球数据，更早发现生物威胁信号。 - **快速响应**：通过AI加速疫苗、疗法和诊断工具的研发周期。 - **协调治理**：建立跨部门、跨国界的合作机制，确保AI在生物安全领域的负责任使用。 ## 行业背景与意义 当前，AI在生物学领域的应用正从实验室走向产业化。AlphaFold等工具已改变了蛋白质结构预测，而GPT-Rosalind则更进一步，将推理能力与生物知识结合。OpenAI此举不仅是对自身技术风险的主动管理，也是为整个AI行业树立生物安全治理的标杆。 ## 挑战与展望 尽管前景光明，但AI驱动生物防御仍面临数据隐私、模型滥用、国际合作等挑战。OpenAI强调，需要持续的证据积累和动态调整的治理规则。该计划的发布，标志着AI公司从“技术先行”向“安全并重”的战略转型。 随着GPT-Rosalind和Rosalind Biodefense的逐步落地，我们或许将看到一个更早预警、更快响应、更具韧性的生物防御体系。这不仅是技术的胜利，更是人类面对未来生物威胁时的集体智慧。
OpenAI 于 2026 年 6 月 3 日发布了 GPT-Rosalind 系列的重大模型更新。该模型专为企业级生命科学研究设计，融合 GPT-5.5 的智能编码与工具使用能力，在药物化学、基因组学等核心领域实现了更强的模型智能，并在更广泛的生科分析、设计与实验工作流中提升了性能。 ## 提升科学价值任务的性能 为了衡量并持续改进 GPT-Rosalind 的实际影响力，OpenAI 设计了 **LifeSciBench**——一个由外部专家评审的基准测试，专注于生命科学研究的六个核心工作流：证据处理、分析、设计与优化、科学推理、验证与操作、转化与沟通。 例如，在证据处理任务中，模型需要从论文、图表、表格和实验记录中提取、核对和审计科学证据。一个评估实例是：为 Duchenne 肌营养不良症的基因疗法准备 FDA B 类会议材料，要求模型对现有数据包能否支持加速审批进行严格评审。 ## 增强的领域能力 更新后的 GPT-Rosalind 在以下方面表现突出： - **生物学推理**：更深入地理解分子、基因、通路与生命系统之间的复杂关系。 - **药物化学专业知识**：能够处理复杂的药物化学查询，辅助分子设计与优化。 - **基因组学分析**：增强对基因组数据的解读能力。 - **实验工作流**：包括湿实验室故障排除等实际操作支持。 ## 可用性与部署 GPT-Rosalind 现已通过 OpenAI 的**可信访问部署结构**，面向全球符合条件的组织提供研究预览。这意味着企业可以在严格的安全与合规框架下，率先体验这一专为生命科学优化的大模型。 ## 行业意义 生命科学领域长期面临数据异构、跨尺度整合的挑战。GPT-Rosalind 的升级标志着 AI 从通用助手向**领域专用智能体**的演进。通过将前沿的 agentic 能力与深入的领域知识结合，它有望加速药物发现、基因治疗研究以及个性化医疗的进程。 对于生物技术公司、制药企业和学术研究机构而言，这一更新提供了一个强大的工具，能够在从文献挖掘到实验设计的全链条中提升效率与准确性。
Wasmer 利用 OpenAI Codex 和 GPT-5.5，在两周内完成了原本需要一年的项目：构建一个可在 WebAssembly 沙箱中运行 Node.js 的运行时 Edge.js。开发速度提升了 10 到 20 倍，团队得以承担更雄心勃勃的项目。 ## 从 IDE 到边缘：一次 AI 加速的突破 Wasmer 是一家专注于边缘计算平台的小型初创公司，目标是让开发者跨本地和全球环境无缝运行应用。其最新产品 **Edge.js** 是一个 JavaScript 运行时，允许在 WebAssembly 沙箱中运行 Node.js 工作负载，支持 AI 和边缘计算场景——无需 Docker。 创始人兼 CEO **Syrus Akbary Nieto** 坦言：“我们一直想做这个项目，但以前没有资源。现在有了 Codex，我们可以在两周内交付原本需要一年的成果。” ## AI 如何改变开发流程？ Wasmer 团队最初对 AI 持怀疑态度，但实际使用后效果远超预期。Codex 不仅处理代码生成，还帮助工程师跨语言和代码层次进行推理。Nieto 强调：“我们不再直接在 IDE 里写大量代码，而是引导 AI 走向我们想要的方向。” 这种“引导式开发”让团队将精力集中在架构设计和关键决策上，将机械编码工作交给 AI。结果是开发速度提升 **10 到 20 倍**，并且团队敢于挑战此前因时间不足而搁置的复杂项目。 ## 边缘计算的新可能 Edge.js 的推出使 Wasmer 成为首家在边缘层提供完整 Node.js 支持的云服务商。这意味着开发者可以在边缘环境运行 JavaScript 应用、MCP（模型上下文协议）和 AI 代理，而无需依赖传统容器化方案。 对于 AI 行业而言，这一进展降低了边缘部署的门槛：Node.js 生态的丰富库和工具可以直接在 WebAssembly 沙箱中运行，兼顾安全性与性能。 ## 小结 Wasmer 的案例展示了 AI 辅助编程的范式转变：不是替代开发者，而是放大其能力。当小型团队也能以周为单位交付原本需要数月甚至一年的基础设施级项目时，整个行业的创新节奏将被重新定义。
OpenAI 于近日发布其公共政策议程，明确阐述了公司在人工智能治理上的核心原则与政策优先事项。该议程以“确保通用人工智能（AGI）惠及全人类”为使命，围绕 **民主化、赋能、普遍繁荣、韧性和适应性** 五大原则展开。 ## 核心原则与用户画像 OpenAI 强调，其技术开发与政策参与均受五大原则指引： - **民主化**：防止技术权力过度集中 - **赋能**：帮助每个人实现目标、学习与成长 - **普遍繁荣**：让所有人都能享有优质生活 - **韧性**：与各界合作应对AI新风险 - **适应性**：随技术发展动态调整立场 值得注意的是，OpenAI 披露的用户数据展现了其“普惠”定位：**女性用户与男性用户数量持平**，30岁以下及30岁以上用户均领先其他AI平台，**年收入低于10万美元的用户多于高收入用户**，这一结构“反映了全球劳动力的整体构成”。 ## 政策优先事项 OpenAI 将政策重点锁定在四个领域： 1. **AI安全**：建立可验证的安全标准，防范滥用与事故 2. **青年保护**：针对未成年用户设计防护措施，确保技术使用安全 3. **劳动力转型**：支持因AI而变化的就业市场，推动再培训与社会保障 4. **全球标准**：倡导国际协作，避免监管碎片化 ## 行业背景与解读 此次议程发布正值全球AI监管加速期。欧盟《AI法案》已进入实施阶段，美国国会也在推进联邦立法。OpenAI 选择在此时主动抛出政策框架，既是对外部监管压力的回应，也意在引导规则制定方向。其强调“民主化”与“普遍繁荣”，显然希望淡化外界对“技术巨头垄断”的担忧。 值得注意的是，议程中 **未提及开源模型的具体政策立场**，也未对数据版权问题给出明确方案。这可能意味着 OpenAI 将在后续细则中补充相关立场。 ## 小结 OpenAI 的公共政策议程是一份“宣言式”文件：它不提供具体立法建议，而是为自身设定政策参与基调。其核心逻辑是：**AI 的收益应广泛分配，风险需共同应对**。随着2026年全球AI治理格局逐渐成型，OpenAI 能否将原则转化为可操作的规则，将是下一阶段的关键看点。
OpenAI 于 2026 年 6 月 3 日发布了一份名为《前沿AI民主治理蓝图》的政策文件，为美国构建持久、适应性强的联邦人工智能治理框架提出路线图。该蓝图聚焦于三大支柱：**建立国家框架**，整合各州前沿安全法规的共识（如加州 SB 53、纽约 RAISE 法案、伊利诺伊州 SB 315）；**强化 CAISI 机构**，使其成为联邦政府在前沿AI安全领域的主要执行机构；以及**动员跨部门韧性计划**，应对前沿AI带来的国家安全与公共安全挑战。 OpenAI 指出，当前正值关键窗口期——各州已开始形成协调一致的前沿AI治理路径，白宫也发布了关于促进先进AI创新与安全的新行政令。联邦政府需在此基础上，构建一个能够与技术同步演进的持久框架。 蓝图的发布标志着 OpenAI 从技术研发向政策倡导的深度延伸。作为前沿AI领域的核心参与者，OpenAI 此举旨在推动建立清晰、可执行的规则体系，避免碎片化监管，同时确保美国在全球AI竞争中的领导地位。文件特别强调“民主治理”原则，意味着框架设计需兼顾透明度、多方参与和公众信任。 在行业背景下，AI安全治理正从“自律”转向“他律”。OpenAI 的蓝图呼应了业界对“可验证安全”的普遍诉求——即不仅要求企业自我声明，更需要第三方审计和联邦层面的强制标准。CAISI 机构若能获得充分授权，将可能成为类似“FDA”式的AI安全审批中枢。 然而，挑战依然存在：联邦框架如何平衡创新速度与安全门槛？各州立法与联邦规则如何避免冲突？CAISI 的技术评估能力能否跟上模型迭代？OpenAI 的蓝图提供了方向性建议，但具体落地仍需国会立法与跨党派共识。 总体而言，这份蓝图是AI治理从“概念讨论”迈向“制度设计”的重要一步。它既是对现有州级立法与行政令的整合，也是对更长期联邦行动的呼吁。对于关注AI政策的读者而言，这是理解未来美国AI监管走向的关键文件。
美国旅行者保险公司（Travelers）宣布，基于 OpenAI 技术构建的 AI 理赔助手已在美国全国范围内上线。该助手利用 OpenAI Realtime API 和前沿模型，通过自然对话引导客户完成汽车财产损失理赔的首次通知流程，涵盖保单查询、细节收集和理赔提交等环节。 ## 核心成果 - **90% 的客户通过 AI 完成理赔**：在最初八个州试点后，两个月内扩展至全美，85%-90% 使用 AI 助手的客户最终通过 AI 完成理赔提交。 - **7×24 小时即时响应**：客户无需等待，即使在灾难事件导致理赔激增时也能获得即时支持。 - **减轻专业人员负担**：理赔专家得以专注于更复杂的案件，提升整体运营效率。 ## 技术实现 Travelers 将 OpenAI 模型与其理赔基础设施、编排系统和内部工具深度集成，确保在**企业级规模下安全运行**。面对灾难事件时，系统能在数日内处理超过 10 万件理赔——去年 Travelers 处理了超过 150 万件理赔，支付损失超过 230 亿美元。 ## 行业意义 这一部署展示了**生成式 AI 在传统保险业落地的标杆案例**：通过实时语音交互实现端到端的理赔自动化，既改善了客户体验，又显著提升了运营韧性。Travelers 高级副总裁 Patrick Gee 表示：“OpenAI 实时模型的独特之处在于它能在这种环境中表现出色。” 目前，全球已有超过 100 万家企业通过 OpenAI 获得显著成效。Travelers 的实践为金融保险行业提供了可复用的 AI 转型路径。