夜雨聆风
OpenAI刷新上限,DeepSeek把价格打穿了
CYBERLK WEEKLY BRIEF
OpenAI 重夺荣光，DeepSeek 打穿价格
AI落地应用前沿追踪 | 2026-04-26 · 第 02 期正式周报
每周只精选真正改变企业 AI 落地节奏的信号：应用、趋势，以及少量关键底座。
这份周报由 AI 协助完成初筛和整理，再由 CyberLK 按频道定位编辑判断。本周最大的信号很直接：OpenAI 用 GPT-5.5 和 Images 2.0 抬高了模型能力上限，DeepSeek V4 用更低价格追到第一梯队。能力上限和成本曲线在同一周被同时改写，企业做 AI 选型、预算和落地节奏，都要重新算一遍账。
Foundation
技术底座
GPT-5.5 发布：OpenAI 把复杂工作能力继续往上拉
OpenAI 在 4 月 23 日发布 GPT-5.5，官方把它定位为面向复杂任务的最新旗舰模型，重点覆盖编码、研究、数据分析和跨工具工作。同步发布的系统卡显示，GPT-5.5 被放在更高风险、更长链路的专业任务里评估，第三方基准也把它和 Claude Opus 4.7、Gemini 3.1 Pro 放在同一组里比较，关注点集中在 agentic 计算、复杂数学、网络安全和经济知识工作。
这类升级对企业的价值不止体现在回答更准，它会直接影响哪些任务可以交给模型连续完成。复杂数据分析、代码改造、研究资料归纳、跨工具执行这些过去需要人不断拆分的工作，现在更有机会被压缩成一条可审计的任务链，AI 采购也会从“买一个聊天工具”转向“买一段可运行的专业流程”。
原文链接
https://openai.com/index/introducing-gpt-5-5
ChatGPT Images 2.0：图像生成开始接近设计执行入口
OpenAI 在 4 月 21 日推出 ChatGPT Images 2.0，并在 API 文档中上线 `gpt-image-2` 模型。这个版本强化了文字渲染、多语言支持、复杂指令理解和 thinking mode，能处理更多尺寸比例，也支持更高保真的图像输入与编辑。对内容团队来说，关键变化是带字海报、菜单、幻灯片、社媒图这类过去容易出错的视觉任务，开始具备更高的一次成稿概率。
这次更新会先影响内容团队和设计团队的第一版交付方式。营销图、产品概念图、活动视觉、带文字的社媒素材，原本需要反复让设计师修图和排版的环节，会更多变成“用语言生成可讨论版本，再由人做审美和品牌把关”。它解锁的是低成本视觉试错，不是替代完整设计系统。
原文链接
https://openai.com/index/introducing-chatgpt-images-2-0/
DeepSeek V4：开源模型把价格压力重新打回牌桌
DeepSeek-V4 本周进入公开视野，VentureBeat 报道称 V4-Pro 是 1.6T 参数的 MoE 模型，并以 MIT 许可开放。报道给出的测试结果显示，V4-Pro 在 BrowseComp 代理浏览测试中达到 83.4%，接近 GPT-5.5 的 84.4%，高于 Opus 4.7 的 79.3%；价格对比更激进，约为 GPT-5.5 的七分之一、Opus 4.7 的六分之一。
这条新闻会改变企业对“够用”的定义。很多内部知识库、客服、数据查询、代码辅助和流程自动化场景，并不需要每次都调用最贵闭源模型；如果开源模型能用低很多的成本完成八成任务，企业就会把闭源旗舰留给高风险、高价值环节，把日常执行流量迁到更便宜的模型池里。
原文链接
https://venturebeat.com/technology/deepseek-v4-arrives-with-near-state-of-the-art-intelligence-at-1-6th-the-cost-of-opus-4-7-gpt-5-5
Responses API 支持 WebSocket：代理工作流开始补工程账
OpenAI 本周解释了 Responses API 的 WebSocket 支持和 Codex 代理循环机制。传统 API 调用每次都要重新建立请求、传输认证和上下文，代理一旦进入多轮工具调用，延迟和成本会被不断放大。WebSocket 的做法是建立持久连接，再配合 connection-scope cache 缓存连接范围内的上下文，让连续任务少做重复动作。
这类更新不显眼，但它会决定 agent 能不能从演示走到生产。长期运行的客服代理、研发代理、运营监控代理，需要反复调用工具和模型；每一次调用都多几十秒或多一层成本，最终都会让 ROI 失真。WebSocket 把连续任务的固定成本摊薄，先解锁的是高频、低单价、可持续运行的自动化场景。
原文链接
https://openai.com/index/speeding-up-agentic-workflows-with-websockets
Codex Automations：编码代理开始接周期任务
OpenAI Academy 本周发布 Codex Automations 指南，Codex 可以通过日程安排和触发器自动执行任务。官方给出的方向包括周期性报告、摘要撰写、定时检查和重复性工作流，用户可以把一类任务写成规则，让 Codex 按时间或条件自动启动。它把 Codex 从一次性编码助手拉向后台任务执行器。
这里打开的是研发和运营之间的灰色地带：周报汇总、日志巡检、数据更新、文档同步、简单修复建议，都可以先交给代理按周期处理。真正新增的能力是“无需人在场也能按规则启动”，这会让 AI 从随叫随到的工具，变成团队里可排班的轻量执行单元。
原文链接
https://openai.com/academy/codex-automations
Execution
制造业 + 泛办公落地应用
ChatGPT 工作区代理：OpenAI 开始抢企业流程入口
OpenAI 在 ChatGPT 中推出 Workspace Agents，基于 Codex 驱动的代理能力，支持在云端运行、跨工具执行复杂工作流，并面向团队协作扩展。它面向团队工作区里的重复流程：资料整理、任务追踪、跨应用协同、状态更新，都可以由代理在后台接续处理，能力重心从一次对话里的文本生成转向持续动作执行。
工作区代理会先吃掉一批跨系统杂务：整理资料、生成报告、同步任务、拉取数据、触发通知、跟进状态。它的变化在于从“帮我写一段内容”转向“替我完成一串动作”，这会让 ChatGPT 在企业内部更像流程层入口，也让知识问答窗口开始承担执行责任。
原文链接
https://openai.com/index/introducing-workspace-agents-in-chatgpt
Salesforce 联手 Google Cloud：智能体开始穿过 CRM 和数据仓库
Salesforce 与 Google Cloud 在 Cloud Next 期间扩大集成，目标是让 AI 智能体在 Salesforce CRM、BigQuery 和 Google Cloud 工作负载之间共享上下文并执行端到端流程。官方描述的典型动作包括：先在 BigQuery 查询客户或业务数据，再回到 Salesforce 生成报价、更新客户记录、触发审批或跟进动作。
这条新闻的价值在于减少企业最痛的数据搬运。销售、客服和运营场景里，很多工作卡在“数据在一个系统，动作在另一个系统”；智能体一旦能跨系统读写，销售预测、客户分层、报价生成、售后跟进这些流程就能被串起来，企业才有机会把 AI 放进真实业务闭环。
原文链接
https://www.salesforce.com/news/press-releases/2026/04/22/salesforce-google-cloud-launch-new-integrations-deep-context/
Chrome 变成 AI 工作入口：浏览器开始接手网页操作
Google 本周把 Gemini 能力嵌入 Chrome，面向 Workspace 企业用户推出可理解标签页上下文的 AI 工作助手。它可以在浏览器里理解当前页面和打开的标签，处理差旅预订、数据录入、会议安排等 Web 端重复任务；Chrome Enterprise Premium 同时增加影子 IT 风险检测，用来发现组织内未经授权的 AI 工具使用。
浏览器是企业员工每天停留时间最长的工作界面之一。Chrome 直接内置执行能力后，很多轻流程不必先改造内部系统，AI 可以沿着现有网页完成预订、填写、查询、安排和提交。先受影响的是行政、销售运营、HR 和财务这类大量依赖网页后台的岗位。
原文链接
https://techcrunch.com/2026/04/22/google-turns-chrome-into-an-ai-coworker-for-the-workplace/
Visier 接入 Amazon Quick：HR 数据开始变成可对话的工作流
Visier 通过 MCP 协议连接 Amazon Quick，把劳动力数据、组织上下文和 BI 操作放进统一的 agentic 工作空间。HR 负责人可以用自然语言查询人员结构、岗位变化、成本和组织健康指标，系统再把结果直接转成可视化或后续分析动作，减少查数、导出和整理报表的手工链路。
这类场景很适合 AI 先落地，因为它有清晰数据源、固定问题和明确输出。过去 HR 分析往往要经历查数、导出、截图、整理、汇报，接入 agent 后可以压成一次对话和一次可视化动作。先解锁的是组织健康监控、人员成本拆解、部门效率对比和招聘计划复盘。
原文链接
https://aws.amazon.com/blogs/machine-learning/building-workforce-ai-agents-with-visier-and-amazon-quick/
NEC 部署 Claude 给 3 万员工：日本企业开始大规模试运行 AI 组织能力
Anthropic 与 NEC 达成合作，NEC 将向 3 万名员工部署 Claude，并成为 Anthropic 在日本的首个全球合作伙伴。双方还计划面向金融、制造业和政府领域共同开发 AI 产品，合作范围同时覆盖 NEC 的内部员工体系、客户方案和行业产品线，规模已经超过普通工具采购。
3 万人的部署规模会检验 Claude 在大型组织中的实际边界：权限、数据合规、使用培训、部门差异、内部知识接入，都会从 PPT 里的承诺变成每天发生的运营问题。它打开的场景是大型企业把 AI 当成通用工作层来铺，单点提效只会成为其中很小一部分。
原文链接
https://www.anthropic.com/news/anthropic-nec
制造业影子 AI 蔓延：工厂里已经有人绕开规则在用
IndustryWeek 本周讨论制造业里的影子 AI 风险，重点提到工厂环境中员工私自使用 AI 的现象，以及简单禁用可能带来的反效果。文章还把传统招聘模式的隐患、AI 术语教育和制造业管理者的理解成本放在一起讨论，说明 AI 已经从办公室工具扩散到生产组织现场。
这条信号很现实：制造企业往往先在工程、采购、质检、排产和客服里偷偷用 AI，而正式制度跟不上。新场景已经出现，员工会用外部工具处理图纸说明、供应商邮件、故障记录和招聘筛选；如果企业没有受控入口，数据泄露和流程失真会先于效率提升发生。
原文链接
https://www.industryweek.com/the-economy/article/55373284/practical-remedies-for-reining-in-shadow-ai-and-how-to-remove-manufacturing-recruitings-hidden-risks-industryweeks-weekly-review
ChatGPT for Clinicians：OpenAI 把医疗场景先切进文档和证据检索
OpenAI 本周向美国认证医生、护士和药剂师提供 ChatGPT 临床版，支持临床诊疗、文档记录和医学研究。它带有可信临床搜索、引用、可复用技能、深度医学文献研究和继续医学教育相关支持，并以独立临床工作区承载这些能力，让医生在同一入口完成查证、起草和学习。
医疗 AI 最先稳定落地的地方，仍然是文档、检索和证据整理。病历草稿、研究资料检索、诊疗依据核对、患者说明材料，这些任务对医生耗时很高，但风险边界比直接诊断清晰。OpenAI 选这条路径，是在把医生从行政文本中释放出来，再逐步靠近临床决策。
原文链接
https://openai.com/index/making-chatgpt-better-for-clinicians
YESCO 用低代码打通现场和工厂：制造业 AI 前先补数据链
标牌制造商 YESCO 采用 OutSystems 低代码平台，把销售团队、加盟商和工厂的数据流打通，实现跨区域实时协同制造。现场订单、加盟商需求、生产排程和交付进度开始在同一条数据链上同步，销售端输入可以更快进入生产侧，工厂反馈也能更快回到客户和渠道。
这条案例提醒我们，很多制造业 AI 项目卡住的原因常常出在数据流还断在现场、渠道和工厂之间。YESCO 先用低代码做连接层，实际解锁的是订单到排产、进度到客户、现场反馈到生产调整的闭环，这比一上来谈大模型更接近中小制造企业的真实起点。
原文链接
https://www.industryweek.com/webinars/webinar/55372038/syncing-field-operations-with-the-manufacturing-floor-how-sign-manufacturer-yesco-digitally-transformed
Market
行业趋势
OpenAI 搭上 Infosys：企业 AI 进入服务商分发阶段
OpenAI 与印度 IT 巨头 Infosys 建立合作，把 Codex 等 AI 工具整合进 Infosys 的 Topaz AI 平台。合作初期聚焦软件工程、遗留系统现代化和 DevOps，Infosys 会把 OpenAI 工具带入自己的企业客户交付体系，让 AI 能力通过咨询、实施和运维服务进入大型组织。
这会改变 AI 工具的销售和落地路径。很多企业会让既有 IT 服务商打包交付、改造系统、负责实施；遗留系统梳理、测试脚本生成、DevOps 故障排查、迁移文档更新这些任务，会先通过服务商渠道进入客户现场。
原文链接
https://techcrunch.com/2026/04/22/openai-teams-up-with-infosys-to-bring-ai-tools-to-more-businesses/
Codex 扩展到全球企业：软件开发外包链条要重估
OpenAI 宣布将 Codex 扩展至全球企业，并推出 Codex Labs，与埃森哲、普华永道、印孚瑟斯等咨询和 IT 服务巨头合作。OpenAI 同时提到 Codex 周活跃用户已达到 400 万，这说明它已经从开发者个人工具，进入大型企业软件生命周期部署和规模化交付阶段。
软件开发的变化正在从个人效率工具传导到企业交付体系。需求拆解、代码生成、测试修复、遗留系统迁移、文档同步都能被 Codex 嵌进服务商的交付包里，未来的软件项目会先从开发任务切分和验收方式开始变化。
原文链接
https://openai.com/index/scaling-codex-to-enterprises-worldwide
Writer 融资 2 亿美元：企业 AI 开始围绕成本账竞争
企业 AI 平台 Writer 完成 2 亿美元融资，报道重点提到它帮助企业客户显著降低生成式 AI 使用成本。Writer 的目标客户是企业内容、知识工作和流程自动化团队，它提供的是模型调用、工作流接入、治理和成本优化的组合包，让企业可以把 AI 用量纳入预算管理。
这条新闻说明企业 AI 的竞争已经进入财务部门能看懂的阶段。采购方会看每个工单、每篇内容、每次查询、每条客服会话的单位成本；先跑出来的场景会是高频、重复、可量化的内容和运营流程，因为这些地方最容易证明节省了多少钱。
原文链接
https://m.36kr.com/p/3044491418811910
Meta 采购亚马逊自研芯片：AI 算力开始从单一供应转向多路线
Meta 与 AWS 达成大规模采购协议，将采用数百万颗亚马逊自研 Graviton 处理器。报道称 Meta 此前也与 Google Cloud 有大额合作，正在通过多供应商策略分散 AI 负载和基础设施风险。这个动作把云厂商自研芯片拉进了头部 AI 公司基础设施选型的核心讨论。
这条新闻会影响企业对 AI 基础设施的长期判断。推理负载、agent workloads 和内部自动化不一定都要堆最贵 GPU，CPU、自研芯片、云厂商专用实例会开始按场景分层。企业算力采购会从“有没有卡”变成“哪类任务跑在哪条成本曲线上”。
原文链接
https://techcrunch.com/2026/04/24/in-another-wild-turn-for-ai-chips-meta-signs-deal-for-millions-of-amazon-ai-cpus/
Mistral 估值 140 亿美元：欧洲模型公司押注企业可控性
Mistral 的估值突破 140 亿美元，同时战略重心从通用顶级模型竞争转向企业客户服务。它借助欧洲市场对数据主权、隐私和合规的高要求，切入需要私有化部署、定制模型、API 服务和本地合规支持的客户，商业化路线更接近企业软件公司，卖点也从单一模型分数扩展到部署方式和合规边界。
Mistral 的路径说明，模型公司可以靠合规、部署灵活、数据边界和供应链独立性赚钱。它会先打开金融合规检索、政务文档处理、制造知识库和跨境企业内部助手这些场景，因为这些任务对数据位置、权限控制和供应商风险更敏感。
原文链接
https://36kr.com/p/3779194206639364
Sierra 收购 Fragment：企业 Agent 赛道进入并购补能力阶段
Bret Taylor 创办的 Sierra 收购法国 YC 系 AI 初创 Fragment。此前 Sierra 已经收购日本企业 AI 公司 Opera Tech 和语音 agent 公司 Receptive AI，连续并购覆盖市场进入、工作流自动化和语音能力。Fragment 补的是企业流程编排和欧洲本地化能力，让 Sierra 的 agent 版图更接近全球交付网络。
企业 Agent 赛道已经从“谁会演示”走向“谁能交付完整场景”。客户要的不只是一个客服机器人，还需要本地市场、系统集成、语音入口、工作流编排和行业适配。Sierra 用收购补齐这些能力，会加速同类厂商整合，也会让企业在选型时更关注供应商的交付版图。
原文链接
https://techcrunch.com/2026/04/23/bret-taylors-sierra-buys-yc-backed-ai-startup-fragment/
Vercel 数据泄露：AI 应用托管平台的安全边界被打穿
Vercel 确认发生安全事件，客户 API 密钥、源代码和数据库数据被盗。报道提到攻击路径与 Context AI 的漏洞和 OAuth 会话劫持有关，风险一路传导到托管平台客户。大量团队把 AI 应用、前端服务和内部工具放在托管平台上，这次事件给出的提醒是供应链安全已经进入应用构建和部署入口。
AI 应用越来越多托管在第三方平台上，安全边界也随之外包出去。安全团队能先处理的任务包括密钥轮换、最小权限、第三方集成审计和关键数据隔离；涉及模型 API、用户数据和内部工具连接的场景，都会变成新的供应链风险点。
原文链接
https://techcrunch.com/2026/04/20/app-host-vercel-confirms-security-incident-says-customer-data-was-stolen-via-breach-at-context-ai/
这周我们的判断
本周最核心的变化，是模型上限、模型价格和企业入口同时被改写。OpenAI 继续把复杂任务能力抬高，DeepSeek 把高性能调用成本压低，Google、Salesforce、Chrome、Codex、Infosys 又在把这些能力塞进企业每天已经使用的系统。企业 AI 接下来不会只靠一个旗舰模型解决问题，而会形成分层：高风险任务用最强模型，日常高频任务用更便宜模型，流程入口交给浏览器、CRM、IT 服务商和云平台。
接下来怎么看
如果下周只能重点验证一个方向，你会先验证模型成本替换、企业工作区代理，还是浏览器里的 AI 执行动作？ 关注 CyberLK，持续追踪真正改变企业 AI 落地节奏的信号。