标签: 企业AI
当智能体开始组团行动:多智能体安全为何成为新问题
AI 安全的对象正在从单个模型转向智能体生态。多个 Agent 一旦开始协作、通信、交易和分工,风险会沿着系统链路传播,治理也必须从个体监管升级为系统治理。
AI 进入交付战争:企业不再只买模型,而是在买交付体系
企业 AI 的竞争正在从模型参数和接口价格,转向谁能把模型真正交付到业务系统里。模型仍然重要,但决定项目成败的,是场景识别、流程重构、系统集成、数据治理、安全合规和规模复制。
Anthropic 调研 8.1 万人后发现:企业真正需要的不是更大的模型
Anthropic 对 80,508 名 Claude 用户的开放式访谈说明,企业 AI 的下一阶段竞争不在模型更大,而在可靠、可控、能进入业务流程的 AI 工作系统。
AI 代理开始烧钱以后,企业真正缺的是“成本控制面”
企业 AI 的下一阶段,不是继续鼓励所有人多用模型,而是把模型、代理、工具调用、预算、权限和审计接成一套可控系统。AI 成本控制正在从财务问题变成产品架构问题。
Anthropic详解Claude产品沙箱技术:AI Agent安全,不能只靠模型自觉
Anthropic 最新公开了 Claude.ai、Claude Code 和 Cowork 的沙箱隔离设计,真正值得关注的不是用了哪些安全名词,而是它明确承认:AI Agent 的安全边界不能只靠模型自觉,必须靠环境隔离、权限收口与出口治理一起兜底。
Anthropic为什么买下Stainless:AI Agent的命门不是模型,而是连接系统
Anthropic 收购 Stainless 释放了一个更关键的行业信号:AI Agent 的核心竞争,正在从模型能力转向连接系统、工具调用、权限治理与标准化接口能力。
模型趋同之后,AI真正的稀缺品是私有数据
当大模型的基础能力越来越接近,真正决定企业价值的,不再只是模型本身,而是模型能不能进入企业内部,读懂那些从未出现在公开互联网上的数据。AI 时代真正稀缺的,不是公开知识,而是可调用、可治理、可闭环的私有数据资产。
Agent终于要进数据库了:Oracle MCP Server释放了一个危险又重要的信号
Oracle 最近发布的技术博客,把 AI Agent 连接数据库这件事推进到了一个更具体的位置。它演示如何把 OpenAI Codex 连接到 Oracle Autonomous AI Database MCP Server,让 Codex 通过 MCP 协议访问数据库工具、查看 schema、获取元数据,并在受控权限下执行数据库工作流。
Cohere开源 Command A+:企业AI的下一场战争,不是“谁更聪明”,而是“谁能真正部署”
Cohere 在 5 月 20 日发布 Command A+,真正值得关注的地方,不是它又把某个榜单分数往上推了一截,而是它把一个更现实的问题摆到了台面上:企业到底需要什么样的 AI?
Anthropic 估值或逼近 1 万亿美元,这不是一家公司的胜利,而是 AI 资本战争进入新阶段
据 FT 与 Reuters 等报道,Anthropic 正考虑在今年夏天筹集数百亿美元资金,用于大规模扩展 AI 算力基础设施,其估值可能逼近 1 万亿美元,并在二级市场隐含估值上超越 OpenAI。表面看,这是一则关于融资和估值的新闻;但更深层的信号是,AI 行业的竞争已经越来越不像传统软件赛跑,而更像一场围绕资本、算力、企业客户和基础设施控制权的长期战争。
AI技术每日分析-20260506
美国政府扩大前沿AI安全审查,Microsoft、Google DeepMind、xAI与商务部CAISI签署协议,在模型公开发布前进行国家安全测试,已完成40+次评估。Anthropic联合Blackstone、Goldman Sachs等华尔街巨头成立15亿美元AI原生企业服务公司,被称为"AI版麦肯锡"。OpenAI敲定100亿美元"The Deployment Company"合资企业,两大AI巨头同时进军企业服务市场。特朗普政府在Mythos安全担忧后从放松监管转向加强审查。多家出版商起诉Meta AI训练侵权。
一家AI公司如何成为资本主义史上增长最快的公司
Anthropic年化收入两个月内从140亿升至300亿美元,Claude Code成为第一个真正进入企业生产系统的AI员工。AI行业的叙事正在逆转——从"算力过剩"变成"需求不够用"。
Google 推出 Gemini Enterprise Agent Platform:企业级 Agent 平台大战正式开打
Google Cloud 在 Next '26 上推出 Gemini Enterprise Agent Platform,把企业 AI 的竞争焦点从“模型能力”推向“Agent 平台能力”。企业不只是“调用一个模型”,而是要“管理一支 AI 员工队伍”。
AI时代最贵的人,不是模型工程师,而是能把模型塞进企业的人
过去两年,AI 行业最耀眼的人,似乎一直都是模型工程师。 谁训练出了更强的大模型,谁做出了更长上下文,谁把推理、代码、多模态做到新高度,谁就站在聚光灯下。人们谈论的,往往是模型排行榜、参数规模、推理能力、产品演示,仿佛 AI 产业的核心矛盾只有一个:模型够不够强。 但如果你把视角从发布会和实验室移到企业现场,就会发现另一种完全不同的现实。今天企业最缺、也最贵的人,很多时候已经不是继续把模型往上推一点的人,而是那些能把模型真正塞进企业流程、系统和组织里的人。 Reuters 在 2026 年 2 月的一篇报道里直白地写道:当下 AI 领域最热的岗位之一,就是 Forward Deployed Engineer。这种岗位最早由 Palantir 打出名声,如今 OpenAI、Anthropic 等公司都在大规模需要这类人。他们不是单纯写模型的人,也不是普通售前,而是一种混合型角色:既能写代码、接系统、管部署,又能直接和客户业务团队坐在一起,把 AI 从 demo 变成真实可用的生产力工具。Reuters 报道称,这类岗位从 2023 年到 2025 年需求增长了 42 倍,全球新增大约 9000 个相关岗位;在顶级公司里,基础年薪可达 40 万美元,总包可能超过 50 万美元。
企业真正难的,不是把Agent用起来,而是知道它什么时候做错了
这两年,几乎所有公司都在谈 Agent。 有人把它理解成"更聪明的聊天机器人",有人把它理解成"会自动干活的软件员工",也有人把它看成下一代企业操作系统的雏形。市场上的演示视频一个比一个惊艳:能自己拆任务,能调用工具,能读文档,能写代码,能跨系统操作,还能连续工作十几个小时不喊累。看上去,企业离"数字员工"只差最后一步。 但真正开始把 Agent 往生产环境里推的公司,很快就会发现,最难的从来不是把 Agent 跑起来,而是另一件更麻烦、也更现实的事:你得知道它到底在干什么,它为什么这么做,它是什么时候开始做错的,以及它做错以后,谁来负责。 这才是 2026 年企业 AI 最真实的分水岭。
Aaron Levie:企业AI代理时代的洞见
Aaron Levie 是美国知名科技企业家,现任Box公司联合创始人兼首席执行官。Box是一家专注于企业云内容管理和协作平台的领先企业,服务于全球众多财富500强公司。Levie出生于1984年,早年从南加州大学辍学创业,以敏锐的商业洞察力和对云计算的长期押注闻名。在AI浪潮席卷全球的今天,他不仅持续推动Box向智能内容平台转型,还经常与企业IT和AI领导者深入交流,分享对行业趋势的观察。他的观点以务实、前瞻著称,强调技术如何真正服务于企业复杂现实,而非停留在实验室阶段。 最近,Levie与多家大型企业的IT和AI负责人进行了密集会谈,涵盖银行、媒体、零售、医疗、咨询、科技和体育等多个行业。这些对话聚焦于企业级AI代理(agents)的落地应用。他的观察清晰地勾勒出AI从"聊天时代"向"代理时代"转型的路径,以及企业在这一过程中面临的真实挑战与机遇。以下是基于这些洞见的详细阐述,旨在帮助读者理解AI如何重塑企业工作流程。
一家估值 320 亿美元的公司,把 99.5% 员工都变成了 AI 使用者
Ramp 并不是在“鼓励员工试试 AI”,而是在把 AI 变成整家公司运转的一部分。当 99.5% 的员工都开始使用 AI,真正被重写的,不再只是岗位效率,而是组织本身。