写在开始

最近，我常常在想一个问题：

AI发展得这么快，我们究竟该怎样理解正在发生的变化？

几乎每天，都能看到新的模型、新的产品、新的技术突破。

有人说，AI正在改变工作方式；有人开始尝试一个人完成过去需要一个团队才能做的事情；也有人担心，孩子今天学习的知识，未来还有多少用得上。

信息越来越多，观点也越来越多。有时候，越看反而越不知道该相信什么。

作为一个普通人，我当然也会好奇、兴奋，偶尔感到焦虑。

但慢慢地，我发现，比起追赶每一条新闻，更重要的，或许是弄清楚那些变化背后真正值得关注的东西。

哪些已经发生？哪些还只是预测？那些看起来遥远的技术突破，究竟会怎样影响我们的生活、工作，以及孩子未来的成长？

带着这些问题，我决定在「防風小館」开设一个新栏目：

《全球AI观察》

每周七天，从七个不同的角度，持续关注全球AI的发展。

看世界正在发生什么，认识那些正在用AI改变生活的人，读一读权威研究，试着理解正在形成的趋势。最后，再回到我们自己的生活。

我不想把这里变成一个追逐热点的地方，也不想急着告诉大家未来一定会怎样。

只是希望通过持续的观察、查证和思考，慢慢建立起对这个时代更清晰的认识。

不急着给出答案，先学会提出更好的问题。

这就是「全球AI观察」的开始。

今日观察

AI正在走出聊天框，进入真实的工作世界

过去一周，有四个变化值得关注。

能源企业开始与AI公司合作，希望让AI参与复杂业务；开放模型继续发展，企业有了更多技术选择；AI智能体正在获得执行任务的能力；与此同时，企业也开始认真思考，怎样管理这些越来越能干的AI。

这些变化看似分散，却指向同一个问题：

当AI越来越会做事，我们是否也越来越懂得如何使用它？

今天，我们就从四条全球动态开始。

01｜AI走进能源行业

关键词｜从聊天工具走向真实业务

11月2日，阿布扎比国家石油公司ADNOC、阿联酋人工智能企业G42与OpenAI签署协议，计划在ADNOC的业务运营中部署先进AI技术。

过去，我们最熟悉的AI，可能是帮忙写文章、整理资料、生成图片。

但在能源行业，AI面对的是另一类问题。例如，如何分析复杂的运营数据，如何辅助处理跨部门的信息，以及如何为高价值业务提供支持。

这意味着，AI的应用正在从个人电脑上的对话窗口，逐步进入大型企业的实际工作环境。

这意味着什么？

AI的下一阶段，不只是更会回答问题，而是能否真正参与解决问题。

如果AI能够帮助企业减少重复劳动、发现数据中的异常，或者更快地完成复杂分析，它的价值就不再只是让某个员工节省一点时间。它可能开始影响整个组织的工作方式。

还需观察

这次公布的是合作与部署计划。AI最终能够提高多少效率、降低多少成本，以及在复杂能源业务中能否保持稳定可靠，都需要后续的实际结果来验证。

来源｜Reuters · 2026.11.02

02｜开放模型继续发展

关键词｜企业开始拥有更多AI选择权

10月29日，法国AI公司Mistral进一步公开其Large 4模型，重点强调在网络安全等领域的应用能力。

这类开放权重模型，允许符合条件的开发者或企业获取模型权重，并根据自身需求进行部署。

简单理解：过去，一些企业使用先进AI，主要依赖外部公司提供的在线服务。而开放权重模型的发展，让企业有机会把模型部署在自己控制的环境中。

对某些需要处理敏感数据的组织来说，这种选择尤其重要。

这意味着什么？

未来AI的竞争，不只是看谁的模型更聪明，还要看谁能让技术更容易被使用和控制。

模型能力当然重要。但对真正需要长期使用AI的企业而言，成本、数据管理、部署方式和技术自主性，也可能同样重要。

还需观察

开放权重不等于没有使用限制，也不等于部署成本为零。企业仍然需要计算资源、技术人员和安全管理能力。而模型在特定领域表现突出，也不代表它适合所有任务。

来源｜Mistral AI官方、Reuters · 2026.10.29

03｜AI智能体开始承担复杂任务

关键词｜从提供答案，走向完成工作

10月28日，微软发布了新的Copilot智能体运行框架，并宣布通过Microsoft Foundry向开发者和企业提供相关能力。

这个消息里，有一个值得注意的词：智能体。

我们可以把它理解为一种不仅能够回答问题，还能够按照目标调用工具、执行步骤、完成任务的AI系统。

例如，过去我们让AI帮忙解释一段代码。现在，一些AI智能体可以尝试理解任务、选择工具、修改代码，并检查执行结果。

这中间最大的区别，是AI开始从提供建议，走向参与实际操作。

这意味着什么？

未来使用AI的能力，可能越来越体现在能否把一个目标变成可执行的工作流程。

过去通常是人完成每一个步骤。未来，一部分工作可能变成人提出目标、明确要求、检查结果，AI负责完成其中一些具体步骤。

提出好问题、判断结果是否可靠、知道什么时候需要人工介入，可能会变得更加重要。

还需观察

能够演示完成任务，与能够长期稳定地完成任务，并不是一回事。智能体仍可能误解指令、调用错误工具，或者在复杂任务中出现偏差。

来源｜Microsoft官方博客 · 2026.10.28

04｜企业开始认真管理AI

关键词｜技术进入组织，人的参与不能缺席

10月29日，微软分享了一份关于企业部署AI的实践指南。

其中一个值得注意的细节是：推动AI进入工作场景时，不仅要关注技术部署，也要关注员工的参与。

这份指南讨论了如何通过员工委员会等机制，让员工参与AI工具的引入和使用过程。

因为一项新技术进入企业，改变的不只是工作效率。它还可能改变岗位分工、工作流程，以及员工对自身工作的理解。

这意味着什么？

AI进入工作场所，首先是技术变化，随后也会成为组织变化。

企业需要思考的不只是购买哪一种AI工具，还包括员工是否知道怎样使用它、哪些工作适合交给AI、哪些判断必须由人负责。

这些问题没有一个可以单靠更强的模型来解决。

还需观察

这是一份企业实践指南，并不是证明某种管理方式必然有效的独立研究。不同规模、行业和组织文化的企业，可能需要不同的实施方式。

来源｜Microsoft Inside Track · 2026.10.29

想听听你的想法

这是「全球AI观察」的第一期。

这个栏目还在慢慢摸索，我也希望它能随着大家的阅读和反馈，一点点变得更好。

接下来，我们会持续关注全球AI动态、真实人物、权威研究，以及这些变化与普通人的关系。

但我也很好奇：

你最想了解AI时代的哪些变化？

是工作方式正在发生什么改变？是普通人如何借助AI创造新的机会？还是孩子未来应该培养哪些能力？

也想听听你对这个栏目的建议。比如，文章的长度是否合适？哪些内容值得讲得更深入？这样的排版和阅读方式，你是否喜欢？

如果你有想了解的话题，或者觉得哪里还可以做得更好，都欢迎在留言区告诉我。

我会认真阅读大家的建议，在之后的内容里不断调整。

希望「全球AI观察」不仅是我记录变化的地方，也能成为我们一起观察、研究和思考的地方。

感谢你读到这里。