AI技术每日分析：Smartsheet远程MCP上线，企业智能体开始接入真实系统

2026-07-17

AI技术, 微信公众号

摘要：企业AI应用的重心继续从“接入一个模型”转向“让智能体稳定使用真实系统”。Smartsheet披露其远程MCP服务器的生产架构，通过权限继承、工具审计、分层限流和面向模型的紧凑数据格式，把智能体接入项目管理系统；NVIDIA与Hugging Face把NeMo Automodel接入Diffusers生态，使图像和视频扩散模型能够在不转换检查点、不重写模型的情况下，从单机LoRA扩展到多机全量微调。语音AI的应用范围也在扩大，保加利亚社会企业Stray Sheep使用生成式语音制作手语课程和无障碍视频。OpenAI同日提出以“每美元获得的有用智能”衡量企业AI。

AI技术每日分析：Smartsheet远程MCP上线，企业智能体开始接入真实系统

2026年7月18日星期六 | 中国高技术产业发展促进会新质生产力工作委员会

摘要

企业AI应用的重心继续从“接入一个模型”转向“让智能体稳定使用真实系统”。Smartsheet披露其远程MCP服务器的生产架构，通过权限继承、工具审计、分层限流和面向模型的紧凑数据格式，把智能体接入项目管理系统；公司内部统计显示，接口优化累计节省超过30亿Token。NVIDIA与Hugging Face则把NeMo Automodel接入Diffusers生态，使图像和视频扩散模型能够在不转换检查点、不重写模型的情况下，从单机LoRA扩展到多机全量微调。语音AI的应用范围也在扩大，保加利亚社会企业Stray Sheep使用生成式语音制作手语课程和无障碍视频。OpenAI同日提出以“每美元获得的有用智能”衡量企业AI，评价重点由调用量转向成功完成的任务、总成本和可依赖程度。

一、Smartsheet把远程MCP推向生产：工具接口开始为智能体重新设计

AWS于7月17日披露，企业工作管理平台Smartsheet已在AWS上构建远程MCP服务器，使Amazon Q、Claude Desktop智能助手与外部AI客户端共用同一层MCP工具和权限体系，减少了为不同模型重复开发接口的工作。

这套系统的重点不是简单包装现有API，而是针对智能体调用方式重新组织返回数据。Smartsheet采用渐进式披露控制单次返回量，用严格JSON Schema约束参数，Token数量可减少35%至47%，累计节省超过30亿Token。MCP服务上线后的前四周，用户数量周环比增幅超过87%。

智能体流量具有短时间连续调用、随后等待模型推理的突发特征。Smartsheet因此使用Fargate自动扩缩容、每15分钟执行端到端金丝雀测试，并按用户而不是共享IP实施限流。管理员可以只开放只读工具，也可允许写入或破坏性操作；每次调用记录用户、组织、工具和结果，为审计和故障追踪保留链路。企业部署MCP的难点由“能否连接”转向“连接后是否可控、可测、可计费”。

二、NVIDIA与Hugging Face打通扩散模型微调：一套训练框架覆盖单卡到集群

NVIDIA与Hugging Face 7月17日发布NeMo Automodel和Diffusers的集成方案。开发者可以直接微调Diffusers格式模型，不需要把权重转换为另一套训练格式，也不需要为新模型重写完整训练脚本；微调后的检查点可以直接回到Diffusers推理管线或上传Hub。该集成以Apache 2.0许可证开放。

首批配方覆盖FLUX.1-dev、Qwen-Image、Wan 2.1、Wan 2.2和HunyuanVideo等图像与视频模型，训练规模可以通过配置切换FSDP2、张量并行、上下文并行和流水线并行，而不是修改模型代码。官方测试显示，Wan 2.1 1.3B视频模型可在单张40GB A100上训练，更大的模型则可扩展到多GPU节点。

这项工作解决的是开源多模态模型的工程碎片化问题。模型发布速度很快，但企业往往缺少可复用的数据预处理、缓存、检查点、并行和部署流程。统一训练接口将缩短从基础模型到品牌视觉、行业视频和专用生成模型的适配周期，也让训练配方更容易进入版本管理和重复验证。

三、Stray Sheep用生成式语音补足手语内容：小团队也能制作多层无障碍媒体

ElevenLabs 7月17日介绍了保加利亚社会企业Stray Sheep的无障碍内容项目。保加利亚约有12万名听力受损人士，而该机构创始团队估计活跃手语翻译仅有10至15人。Stray Sheep已向超过1500人教授保加利亚手语，并为公共活动和企业客户提供手语服务。

其视频通常把手语翻译、字幕和旁白叠加在一起，使听障观众、阅读字幕的观众和听觉观众能够观看同一份内容。团队使用ElevenLabs文本转语音生成课程、公益宣传、纪录片和培训材料的旁白，并从同一脚本生成其他语言版本。生成式语音降低了传统录音所需的演播、人员协调和多语种制作成本。

这类案例的重要性不在于模型参数，而在于AI能否降低小语种和小规模公益内容的生产门槛。无障碍产品仍需由听障群体、手语教师和专业翻译参与审核，语音合成只是内容链条中的一环，不能替代手语表达和文化语境。

四、OpenAI提出“每美元有用智能”：企业AI评价从Token价格转向任务结果

OpenAI 7月17日提出“Useful Intelligence per Dollar”评价框架，建议企业围绕四个问题评估AI系统：一项任务能否成功完成，完成任务的完整成本是多少，结果有多可靠，以及规模扩大后每一美元能否完成更多工作。其观点是，单纯比较每Token价格容易忽略重试、人工复核、延迟和返工；更强但单价更高的模型，可能因为成功率更高、返工更少而带来更低的单位任务成本。

在可靠性方面，框架建议区分“可直接使用”“需要修改”和“需要人工接管”三类结果，并在智能体获得写入和执行权限前明确数据访问范围、可修改系统和人工审批节点。

这套口径来自模型供应商，企业仍需独立核算，但它反映了采购逻辑的变化。模型排行榜和调用量不能直接说明经营价值；客服问题解决率、代码通过测试比例、合同审查准确率和每个成功任务的全成本，正在成为更有效的评价指标。

参考资料

AWS：《How Smartsheet built a remote MCP server on AWS》，2026-07-17；用途：核验远程MCP架构、Token节省、权限、限流与上线数据。
https://aws.amazon.com/blogs/machine-learning/how-smartsheet-built-a-remote-mcp-server-on-aws/

Smartsheet Developers：《Smartsheet MCP Server》，持续更新；用途：补充MCP连接、工具目录和开发者使用方式。
https://developers.smartsheet.com/

AWS Architecture Center：《Guidance for Deploying Model Context Protocol Servers on AWS》，持续更新；用途：补充分层防护、容器部署和网关设计。
https://aws.amazon.com/solutions/guidance/deploying-model-context-protocol-servers-on-aws/

NVIDIA / Hugging Face：《Fine-tune video and image models at scale with NVIDIA NeMo Automodel and Diffusers》，2026-07-17；用途：核验集成方式、支持模型、许可证和训练性能。
https://huggingface.co/blog/nvidia/scale-diffusers-finetuning-nemo-automodel

NVIDIA GitHub：《NeMo Automodel》，持续更新；用途：补充开源代码、训练配方和安装方式。
https://github.com/NVIDIA-NeMo/Automodel

NVIDIA Documentation：《Diffusion Fine-Tuning Guide》，持续更新；用途：补充图像与视频模型微调配置。
https://docs.nvidia.com/nemo/automodel/latest/guides/diffusion/

ElevenLabs：《How Stray Sheep uses ElevenLabs to make Bulgaria more accessible for Deaf people》，2026-07-17；用途：核验听障人口、手语教育规模和语音制作流程。
https://elevenlabs.io/blog/how-stray-sheep-improves-accessibility-for-deaf-people

Stray Sheep：机构官网，持续更新；用途：补充保加利亚手语课程和无障碍服务背景。
https://straysheep.bg/

OpenAI：《A scorecard for the AI age》，2026-07-17；用途：核验“每美元有用智能”、成功任务成本和可靠性指标。
https://openai.com/index/a-scorecard-for-the-ai-age/