AI 全景情报 0710：办公 Agent、算法优化和自研芯片同时进生产线

AI 的今天不是单点模型能力继续上扬，而是生产化路径同时变窄：OpenAI 把长任务 Agent 直接塞进办公入口，Google 把算法搜索 Agent 做成云上 GA 产品，Meta 准备把自研芯片推入量产，Ollama 和 Gradium 则分别证明开放模型分发、实时语音基础设施还能拿到大钱。另一端，伊利诺伊把前沿模型安全义务写进州法，说明「能交付」和「可追责」正在一起成为采购门槛。

对 AI 从业者来说，这组信号的共同点很清楚：预算不只流向更强模型，也流向能把模型放进真实工作、真实算力、真实合规框架里的控制层。接下来一段时间，产品团队要回答的不再是「接哪个模型」，而是「谁拥有工作流入口、谁控制推理成本、谁能证明风险可管」。

ChatGPT Work 的关键不是又多一个模式，而是 OpenAI 把 Agent 的执行范围从「回答问题」推进到「跨应用完成工作」。OpenAI 称它可以连接 Slack、Teams、Google Drive、SharePoint、邮件、日历、CRM 和项目管理工具，自动判断何时调用插件，也允许用户用 @ 指定信息源。1

OpenAI 给出的客户案例也在刻意把它从「助手」推向「后台员工」：Zapier 用它追踪 CRM、邮件和其他触点来生成销售仪表盘；RingCentral 用它检查发布计划、Jira 任务和 go-to-market 日程；Virgin Atlantic 用它比较乘客体验并生成数据集。OpenAI 还称，Codex 每周有超过 500 万人使用，其中超过 100 万人用于非软件开发工作。1

这对企业软件公司是直接压力。过去 SaaS 厂商可以把 AI 做成单点功能：写邮件、总结会议、生成报表。ChatGPT Work 的路线是反过来吃掉跨系统流程，把多个 SaaS 里的上下文、文件和动作聚到一个 Agent 工作台里。对做垂直 SaaS、企业搜索、RPA、BI 和知识库的团队来说，防御点会从「有没有 AI 功能」转向「我是否掌握最可信的数据源、权限边界和行业流程」。

但它也暴露了采购门槛。OpenAI 在同一篇公告里强调 Enterprise 和 Edu 管理员可以管理访问权限、公司上下文、工具连接和动作边界，Compliance API 可用于审计对话和动作，Auto-review 会在重要 API/工具动作前做模型审核。1 这说明企业 Agent 的竞争不只是把模型接进办公软件，而是把权限、日志、预算、审批和事故复盘一起交付。

AlphaEvolve 今天的行业含义在于，它不是面向普通知识工作的 Agent，而是面向可测量生产系统的算法搜索 Agent。Google Cloud 称 AlphaEvolve 已在 Gemini Enterprise Agent Platform 上 GA，适用领域包括物流、半导体、基因组学、高性能计算和金融服务；标准流程是先给出基线算法和问题定义，再建立评分函数，随后由 Agent 生成优化代码，最后部署到生产负载。2

它给出的客户案例比常见 AI 营销更具体。BASF 称 AlphaEvolve 帮其复杂供应网络建立数字孪生，并在另文案例中把既有规划和预测模型改进超过 80%；FM Logistic 称在高度优化的仓库路径基线上继续提升 10.4%，节省超过 15000 公里员工行走距离；Kinaxis 称早测中关键预测准确性指标提升超过 22%，运行时间降低超过 90%。2

这些数字仍是客户和厂商口径，不能直接外推到所有企业。但它给出了一个很实用的判断框架：AI 在生产系统里的价值，越来越要靠「目标函数」证明。能不能把正确性、延迟、成本、库存缺货、路线长度、模拟误差写成可自动验证的评分函数，会决定 Agent 是否能越过演示阶段。

对工程团队来说，AlphaEvolve 值得跟踪的不是它是否能替代算法工程师，而是它会不会改变优化工作的组织方式。过去很多优化只在大项目里值得专门投入，现在如果搜索、编译、评测、回归验证可以被 Agent 工业化，一批「收益小但频繁发生」的性能和流程优化会重新变得经济。

Meta 的 MTIA 动作说明，算力买方正在继续往芯片和数据中心供应链上游移动。TechCrunch 援引 Reuters 报道称，Meta 最新 AI 专用芯片计划 9 月开始制造，至少一款芯片约 6 周通过测试；Meta 与 Broadcom 合作设计，由 TSMC 制造，并从 Samsung 采购内存、从 Sandisk 采购存储、从 Sumitomo Electric 采购光纤设备。3

这不是 Meta 第一次做 AI 芯片。TechCrunch 提到，Meta 从 2023 年起就在生产自研 AI 芯片，3 月还披露过 MTIA 计划下的四款新芯片；这次的新信息在于量产时间表和规模目标更清晰。报道还称 Meta 今年资本开支预计为 1250 亿至 1450 亿美元，大量投向 AI，并计划今年部署 7GW 算力、明年翻倍。3

对 NVIDIA、AMD 和云厂商来说，真正的变化不是某一颗芯片替代 GPU，而是超大客户正在把更多工作负载拆分：训练、推荐、检索、推理、内部工具和应用侧实时任务，会被放到不同的芯片和集群组合上。供应商如果只卖通用算力，会更容易被客户用自研硅片、专用推理卡和云内 CPU/GPU 混合方案压价。

对 AI 应用公司来说，Meta 的动作也有外溢影响。大客户自研芯片会继续吸走 TSMC、HBM、光模块、电力和施工资源，短期未必缓解整体供给紧张。真正值得观察的是，Meta 是否会把自研芯片只用于内部工作负载，还是在未来把剩余能力包装成云服务或模型 API 成本优势。

Ollama 的融资不是单纯「开源项目又融钱」。TechCrunch 报道称，Ollama 完成 6500 万美元 B 轮，由 Theory Ventures 领投；此前 A 轮为 1500 万美元，总融资达到 8800 万美元。它称自己月活开发者超过 890 万、进入 85% 的 Fortune 500，公司只有 14 名员工，并在 GitHub 上拥有 17.6 万星和近 1.7 万 fork。4

这对开放模型生态是强信号。开源权重模型越来越强，但企业真正缺的是「能被开发者快速拿来试、能在本地跑、也能在模型太大时平滑转云」的分发层。Ollama 的商业化争议会继续存在，因为免费桌面工具和云服务之间天然有张力；但如果它能保持本地工具可信，同时把 GPU 时间而不是 token 限额变成计费口径，就有机会卡住开放模型的默认入口。

Gradium 则代表另一条应用基础设施路径。公司官方公告称，它把种子轮扩至 1 亿美元，引入 NVIDIA 等新投资方，并在旧金山湾区设办公室；公司由 Kyutai 背后的研究人员创立，提供实时语音转文字、文字转语音、语音生成和对话 AI 技术。5 TechCrunch 补充称，Gradium 7 个月前从 Kyutai 分拆，客户包括 Renault，并与 ElevenLabs、Google Gemini 等语音玩家竞争。7

把 Ollama 和 Gradium 放在一起看，基础设施创业的共同门槛正在抬高：只有模型能力不够，必须拿到开发者习惯、低延迟工程、企业客户或硬件伙伴。应用层如果要押开放模型或语音 Agent，不应只比较 API 单价，而要看供应商是否控制分发入口、延迟、部署形态和迁移路径。

伊利诺伊 AI Safety Measures Act 的关键在于，它把前沿模型开发者的安全义务具体化。Capitol News Illinois 报道称，该法适用于年收入超过 5 亿美元、并使用大规模算力训练模型的大型开发者，要求开发者发布 AI 框架，说明如何识别和评估「灾难性风险」。报道给出的定义包括可能造成 50 人以上死亡或重伤、或超过 100 万美元财产损失的事件。6

法案还要求开发者在识别可能造成伤害的事件后 72 小时内向州政府报告；若存在死亡或严重身体伤害的紧迫风险，报告时限缩短到 24 小时。伊利诺伊版本还加入年度第三方审计要求，报道称这是其相对纽约版本的新增点。6

这会改变高风险行业采购口径。以前客户问的是模型能力、价格和数据隐私；现在会更频繁地问：安全框架在哪里，事故如何定义，谁能看日志，第三方审计报告是否存在，模型更新后是否触发重新评估。对做政府、金融、医疗、教育和关键基础设施客户的 AI 公司来说，这些材料会从「法务附件」变成售前必备。

报道还写到，OpenAI 和 Anthropic 都支持该法案；违法者可能面临由州检察长提起的民事罚款，首次最高 100 万美元，后续最高 300 万美元；法律将于 2028 年 1 月 1 日生效。6 这说明头部模型公司更倾向于接受少数州形成的事实标准，而不是等待联邦层面一次性定稿。

办公 Agent 会先吃掉跨系统流程，而不是替代单个 SaaS。 ChatGPT Work 的路线是拿下任务调度、上下文聚合和动作审批。垂直软件要守住价值，必须把行业数据、权限模型和结果验收做深，而不是只加一个聊天窗口。

可测量生产系统会成为 Agent 的高价值战场。 AlphaEvolve 的核心启发是：只要问题能被写成评分函数，Agent 就能不断试错并留下可复现证据。未来企业 AI 预算会更愿意投向能改善库存、路径、仿真、模型训练和推理效率的项目。

算力采购会继续从买 GPU 转向控制供应链组合。 Meta 自研芯片量产排期显示，超大客户不会只等 NVIDIA 供货。芯片、内存、光模块、电力和数据中心金融会一起决定模型公司的成本曲线。

开放模型和实时语音的商业窗口仍在，但默认入口更重要。 Ollama 抢的是开发者启动模型的第一步，Gradium 抢的是语音 Agent 的低延迟底座。应用公司选择供应商时，要优先看分发、延迟、迁移成本和部署控制权。

安全框架会变成前沿模型的销售材料。 伊利诺伊法案让安全框架、事故报告和第三方审计进入硬约束。对高风险客户来说，能解释、能追责、能审计的模型供应商，会比只展示 benchmark 的供应商更容易进预算。