ARTICLE · 1042800
AI软件主线进入第二阶段:模型卖能力,智能体卖结果,MLOps管风险
截至北京时间2026年9月17日，AI软件正在发生一个关键变化：企业购买的不再只是“会回答问题的模型”，而是一套能够连接数据、调用工具、执行任务并接受审计的生产系统。
OpenAI近期推出Agents API，支持智能体编排、长期运行和工具调用；官方案例还显示，Perplexity使用GPT‑6 Astra处理通信、修改软件和监控生产系统。9月16日，OpenAI又公布AI广告、企业使用价值分析以及模型失配报告框架。信号已经十分清晰：AI正从聊天窗口进入业务流程。🚀
一、MaaS：从卖模型转向卖可调用的能力
MaaS即“模型即服务”。企业无需自行训练和部署大模型，而是通过API调用文本、语音、图像、代码或推理能力，并按使用量、席位或服务等级付费。
对于云计算和软件公司，MaaS降低了客户使用AI的门槛，也带来持续服务收入。但“API调用增加”不等于利润必然增长：模型推理成本、客户留存、价格竞争和数据合规都会影响商业回报。
未来MaaS平台的竞争重点，不只是模型排行榜，而是稳定性、响应速度、行业数据连接、成本控制和安全机制。☁️
二、AI智能体：软件开始从“工具”变成“数字员工”
GPT‑6 Astra的官方定位包括高级推理、计算机操作以及更强的专业工作能力。结合Agents API，大模型可以把一个目标拆成多步任务，调用浏览器、代码工具、企业数据库和办公软件完成工作。
国内公开进展方面，千问官方此前披露的Qwen3‑Coder已强调Agentic Coding、浏览器使用和工具调用能力。不过，“千问最新GUI智能体”的具体型号和商业化进度，仍应以阿里官方公告为准，不能仅凭市场传闻判断。
智能体将优先影响几类行业：
软件开发：AI承担编码、测试、迁移和故障分析，工程师转向架构设计与审核。💻 客服与营销：AI可连续跟进客户、生成方案，但商业推荐和广告内容必须清晰标注。📣 金融与保险：资料整理、研究辅助和风控效率提升，转账、授信等操作仍需人工审批。💰 制造与物流：智能体连接ERP、仓储和生产系统后，可辅助排产、库存分析及设备维护。🏭 医疗与法律：AI能够检索资料、生成初稿，但专业责任不能交给模型承担。🏥⚖️
岗位不会简单地被“一键替代”，但只负责信息搬运和模板化操作的工作会被重新定价。更重要的能力将是定义目标、验证结果和处理例外。
三、算力调度与MLOps：AI系统背后的“控制塔”
当企业同时使用多个模型、数千张加速卡和大量智能体时，真正困难的是如何稳定运行。
MLOps需要管理模型版本、训练与推理资源、评测结果、成本、权限和上线流程；算力调度系统则要根据任务类型，把工作分配给不同芯片和集群，提高设备利用率。
在国产算力环境中，还要解决不同芯片、编译器和算子库之间的适配问题。硬件规模越大，调度软件、故障定位和监控系统的价值越高。⚙️
四、安全治理正在成为第四条软件主线🔐
OpenAI最新披露模型失配报告框架，并附六份关于意外或令人担忧模型行为的报告。这并非“六起现实生产事故”，却说明智能体进入真实系统后，企业必须建立最小权限、操作审批、全程日志、异常暂停和结果回滚机制。
未来评价一家AI软件公司，不能只看模型能力，还要看四项指标：是否产生真实付费、客户是否持续使用、单次任务成本能否下降，以及系统能否安全审计。
AI软件真正的商业闭环，不是让模型“看起来聪明”，而是让它在可控成本和清晰责任下完成有价值的工作。🌟
**信息说明：**本文依据OpenAI官网新闻源、OpenAI官方产品信息及千问官方博客公开资料整理。公开信息尚不能证明所有MaaS平台的API调用量均快速增长，也不能确认未经官方公告的GUI智能体型号及商业化数据。
**免责条款：**本文仅用于科技科普和行业交流，不构成投资、采购、法律或商业决策建议。AI产品能力、价格和开放范围可能持续调整，具体信息请以企业官方公告为准。股市有风险，投资需谨慎。