2026年第31周（截至7月30日）：OpenAI向科研开放工具，微软AI商业化进入财报，苹果上线设备月租

一周 AI 产品

OpenAI 面向学术研究者开放科研工具，首夏季名额 1 万人、目标扩展至 10 万人

• 产品定位变了。 OpenAI 卖的不是一次问答，而是面向科研团队的连续工作流入口。
• 规模承诺仍不是交付结果。 1 万人是首期计划，10 万人是扩展目标，申请、审核、地区覆盖和实际活跃度都未在材料中给出完整数据。
• 效率数据要分层看。 GPT-5.6 页面披露的是模型与推理服务效率，不等于某个实验室的完整科研周期一定缩短。2

第一部分：产品核心解析

1.1 概述、定位与可验证组件

1. 身份与资格层： 机构隶属、研究用途和研究者身份验证，决定谁能进入项目。
2. 工作区与协作层： 研究者可邀请同机构协作者，适合课题组共享任务上下文；协作者上限为 4 人。
3. 模型层： 启动时包含 GPT-5.6 系列，包括 GPT-5.6 Sol Pro；页面同时提到前沿模型访问。
4. 检索与推理层： 扩展 deep research 和更高使用额度，服务文献检索、假设测试和跨学科资料整理。
5. 代码与数据层： Codex 用于写代码，工作区支持数据分析和可重复工作流构建。
6. 隐私与治理层： OpenAI 称工作区提供企业级隐私与安全保护，默认不用于训练模型；材料没有展开数据留存、机构管理员权限和跨境处理细则。

1.2 关键技术创新与可能形成的壁垒

1.3 产品设计创新

• 按研究身份分配权益。 申请依据从个人支付能力转向机构身份和研究用途，筛选出更容易形成长期反馈的用户群。
• 把协作设计成默认动作。 最多 4 名同机构协作者的机制，比单人账号更接近课题组的真实工作方式。
• 从聊天入口改为任务链入口。 公告同时强调 deep research、Codex、数据分析和论文写作，产品路径覆盖资料、推理、代码和输出。
• 把隐私承诺放在产品前端。 对高校来说，是否默认不训练和如何保护研究数据，可能比多一个模型选项更影响采购意愿。

1.4 方法论突破

第二部分：效果验证

2.1 官方材料已披露的指标

2.2 六个典型场景的文字版功能走查

1. 文献检索与综述： 传统方式是研究者手工分散检索、下载、去重，再用表格整理。新方案可由 deep research 承担资料检索与初步归纳，研究者负责检查来源、限定检索式和确认结论。可量化指标应看有效文献命中率、去重准确率和人工复核时长；OpenAI 本期未公布统一数值。
2. 假设测试： 传统方式需要研究者先写出变量、数据和检验路径，再反复查找方法。新方案可让模型把假设拆成可执行步骤，并在研究者提供数据后辅助解释结果。真正的效果取决于数据质量、统计设计和人工复核，不能把生成解释当成实验结论。
3. 基因组分析与蛋白质建模： 公告将二者列为应用场景，但没有披露具体工具、模型、数据集或验证结果。使用时应把模型当作分析辅助，而不是替代实验流程；关键验收项是输入数据合规、代码可复现和生物学结论的独立验证。
4. 资助申请： 传统方式是研究者依据指南手工组织问题、方法、预算和预期成果。新方案可用于提炼指南要求、检查文本完整性和生成初稿。可量化指标包括初稿完成时间、格式错误数和专家评审意见；公告没有给出这些指标的实测。
5. 论文写作与发表： 传统流程要在资料、图表、代码和文字之间多次切换。新方案可把检索、写作、数据分析和代码串在同一工作流中。它能减少切换成本，但不能替作者承担署名责任、引用核查、学术诚信和对外沟通。
6. 代码、数据分析与可重复工作流： Codex 可用于代码编写，项目公告也明确提到数据分析和可重复工作流。研究者应把版本、数据来源、运行环境、随机种子和人工修改记录纳入验收；公开材料没有给出 Codex 在科研代码上的独立准确率。

第三部分：商业价值

3.1 市场定位

3.2 对比框架

3.3 行业影响预测

第四部分：局限与材料边界

4.1 技术局限与风险

• 资格不是覆盖。 认可高校、研究活跃度和验证流程会过滤掉部分研究者，覆盖范围未公开。
• 模型效率不是科研效率。 服务端成本下降与 token 效率提升，不能推出实验更快或论文质量更高。
• 关键治理细节不足。 默认不用于训练是重要承诺，但数据保留期限、管理员可见范围、跨境处理和合规责任未在公告中完整展开。
• 结果责任仍在人。 基因组、蛋白质和数据分析都可能造成高成本错误，材料没有提供针对这些场景的统一安全评测。
• 商业持续性未定。 首期免费访问和 10 万人目标不等于长期免费；项目结束后的价格、额度和机构合同未披露。

4.2 图表与数据汇总

4.3 演示材料

AI 资讯

Microsoft：FY26 第四季度营收 900 亿美元，Azure 首次超过 1000 亿美元，Copilot 付费席位超过 3000 万

1 资讯概述

• 这是财报，不是单独的新模型发布；AI 的商业化信号来自云收入、席位和企业软件的组合。
• 900 亿美元季度营收和 593 亿美元云营收是公司整体口径，不能直接等同于 AI 收入。
• Copilot 超过 3000 万付费席位说明付费部署已有规模，但公告没有披露席位的地区、活跃度、续费率和每席收入。
• Azure 收入突破 1000 亿美元是公司披露的年度收入节点，Azure 及其他云服务 43%的同比增速与 Microsoft Cloud 27%的同比增速不是同一统计口径。

2 深度分析

• AI 商业化的计量单位在变化。 单看模型调用量容易高估需求，Microsoft 把云消耗、软件席位和企业工作流放在同一张财报里，说明客户是否愿意长期付费，比一次性试用更接近商业验证。
• 云是主要承接层。 Copilot 席位增长依赖身份、权限、数据和办公软件，Azure 则承接算力与开发。两者一起增长，才可能形成从基础设施到应用的交叉销售；本期数据还不足以证明具体因果。
• 席位数不等于生产率。 3000 万是付费席位，不是活跃用户，也没有披露任务完成时间、客户 ROI 或裁员数据。采购者仍需看使用率、续费率和部门级产出。
• 成本曲线仍是约束。 Nadella 在公告中把重点放在「cost-to-outcome curve」，即每单位模型成本能否转成业务结果。企业 AI 预算最终会同时受模型价格、算力供给、数据治理和集成维护影响。

3 名人观点

4 影响判断

• 短期： 企业采购会继续把 Copilot、云资源和内部数据治理打包评估。下一步应看单席使用深度、续费率和实际工作流，而不是只看新增席位。
• 中期： 云厂商会更重视模型路由、推理成本和行业模板。若收入增长继续快于成本增长，企业部署会更容易通过预算评审；反之，试点可能继续停留在部门级。
• 长期： AI 基础设施和办公软件的边界会变薄，但市场仍可能由少数云平台掌握分发权。关注独立软件商的毛利变化、客户锁定程度和数据迁移成本。

Anthropic：与 Cognizant 扩大合作，3 万名员工完成 Claude 培训

1 资讯概述

2 深度分析

• 服务商成为模型落地的放大器。 模型公司拥有通用能力，Cognizant 提供行业流程、系统集成和交付团队。对制造、生命科学、保险等行业，真正的进入门槛往往是流程和权限，而不是聊天界面。
• 案例数据有条件。 40%、88%和每周 8 小时都带有具体部署语境，不能直接外推到所有客户。采购者应要求披露样本量、基线流程、人工复核和错误代价。
• 培训人数是能力建设信号。 3 万人完成培训说明合作方在建立规模化交付能力，但培训完成不等于生产环境中的高频使用，也不等于客户已经产生同等收益。
• 平台嵌入比单点调用更深。 Claude Code 进入 Spec-Driven Development 模块，并由项目规范、编码标准和架构蓝图约束，再评估输出后进入生产。这个流程比单纯生成代码更接近企业工程治理，但效果依赖规范质量。

3 名人观点

4 影响判断

• 短期： 企业会更常通过咨询和集成服务商采购模型能力。关注合同中模型替换权、数据责任、错误赔偿和二次开发归属。
• 中期： 模型竞争可能从 API 单价转向「模型+行业流程+交付能力」。服务商能否把案例沉淀成可复用组件，将决定合作是否只是渠道合作。
• 长期： 行业软件会把模型嵌入原有权限和流程，企业用户未必直接感知使用了哪个模型。可操作的观察点是模型可替换性、审计日志和跨模型迁移成本。

监管侧补充：Anthropic 反对按 open-weights 类别一刀切禁止

手机厂商

本周六家厂商核验表：一项正式服务产品，一项发布会预告，四家未检出合格新品

Apple Upgrade：苹果把 iPhone、Mac 等硬件接入月租方案

荣耀 Robot Phone：本周是发布会预告，不是正式上市

为什么三星新品没有进本周表

本期边界与下期关注