每日企业级AI应用新闻

2026-11-07（星期六）　|　覆盖窗口 2026-11-06 00:00 — 2026-11-07 08:55（北京时间）
共 20 条　|　7 大板块

聚焦企业级 AI 应用、医疗健康 AI、AI 平台商模型与智能体能力、AI 硬件与算力、具身智能、开源生态、治理政策与标准。所有条目均标注一手权威来源。

一周重点动态分析（2026-11-01 — 2026-11-07）

11 月 6 日这一天，三份文件把「智能体」从功能变成了受管对象：工信部要求预置智能体的手机在进网时做适配验证、配唯一身份码、OTA 升级须先报方案；网信办通报清理假冒公众人物信息 4.7 万余条、处置账号 3961 个；执法典型案例把「API 中转站未做安全评估」直接列为违法。同一时间，OpenAI 把网络安全模型评为 Critical 级，谷歌把视频生成降到每秒 0.07 美元。能力还在上冲，闸门已经落下——这一周真正的分水岭不在榜单，在准入。

来源：工业和信息化部 2026-11-06、国家网信办 2026-11-06（新华社、中国网信）、OpenAI 2026-11-05、Google DeepMind 2026-11-06

1. 预置智能体的手机要过进网关：配唯一身份码，OTA 升级须先报方案

问题与事件

11 月 6 日，工业和信息化部印发《关于加强智能体终端设备进网管理的通知》。文件把智能体终端定义为预置安装智能体的手机、平板、可穿戴设备等电信终端设备，并给出四项任务。一是推动智能体与终端适配：智能体开发者应加强适配验证，强化权限调用、通信能力、网络与数据安全、用户权益和任务执行管理，并在产品设置页面向用户公示适配验证列表，列明已完成适配的终端型号与操作系统信息。二是改进进网管理：预置智能体的终端须在进网检测中依据有关标准开展智能体适配验证，依法开展涉诈风险安全评估与反诈能力前置性评测，终端上使用的智能体应参考智能体互联系列国家标准配备唯一身份码。三是强化现网升级管理：通过在线升级推送等方式开展智能体现网升级的，应向工业和信息化部提交现网升级方案，明确时间、规模、用户群体、业务场景、服务内容、业务经营模式、网络和数据安全措施、反电信网络诈骗措施。四是健全分发机制：应用分发平台应推动应用程序开发者通过电子签名主动声明是否同意智能体调用，未经声明同意的，智能体不得强制调用调取应用；分发页面须公示适配验证列表，不得提供不兼容设备型号的下载与安装。工信部信息通信管理局同步发布解读，称此举意在落实“人工智能+终端”部署，约束强制调用与不兼容安装。

要点与建议

◎ 值得关注：「唯一身份码加上电子签名声明，两条把『能不能调』从口头约定变成了可查字段」——过去智能体调用第三方应用靠装机协议里的模糊授权，出了事谁也说不清是终端、智能体还是 App 的责任；以后每一环都要留一个可验证的凭据。OTA 那条更重：一次静默升级可能改变权限与行为，报方案等于把“改了什么”提前写下来。对企业 IT 的直接后果是，移动端资产台账里要多出“智能体版本”和“授权声明状态”两列。▶ 建议：把“智能体调用授权声明”加进 App 上架检查清单，把 OTA 变更纳入变更管理流程；存量预置智能体的机型先自查是否已完成适配验证与涉诈评测，别等到抽检再补。

溯源

来源：工业和信息化部 2026-11-06（《关于加强智能体终端设备进网管理的通知》及政策解读：适配验证、唯一身份码、OTA 方案报批、电子签名声明、涉诈风险评测）；中国金融新闻网 2026-11-06（四项任务原文核对）　｜　https://www.miit.gov.cn/zwgk/zcjd/art/2026/art_7ebf90533ca74af78542c70d3adaabb9.html

2. 清 4.7 万余条、处置 3961 个账号：AI 假冒公众人物的变现链被掐

问题与事件

11 月 6 日，新华社从国家网信办获悉，针对利用 AI 技术假冒仿冒知名公众人物虚假带货、吸粉引流、误导网民等问题，网信部门督促网站平台开展集中整治，从严查处违法违规信息与账号，累计清理违法违规信息 4.7 万余条，处置账号 3961 个。被查处的情形包括四类：未经授权假冒仿冒公众人物带货、滥用公众人物形象炮制谣言信息、假冒公众人物诱导用户关注、制作低俗内容恶搞公众人物。国家网信办表示，下一步将持续加大整治力度，进一步压实网站平台主体责任，采取有效措施防范 AI 技术滥用。

要点与建议

◎ 值得关注：「这次查的不是生成，是冒用——治理对象从内容质量转向了身份变现」——深度合成标识管的是“这是不是 AI 生成”，而假冒带货的核心违法点在于“这个人有没有授权”。两条线打法完全不同：前者靠标注，后者靠授权链举证。对企业最现实的影响在营销侧：虚拟主播、数字人代言、AI 客服形象，一旦拿不出肖像与声音的授权文件，平台侧的下架是秒级的，事后追责却要走半年。▶ 建议：把数字人资产单独建册，逐条登记肖像权、声音权授权期限与使用范围（平台、地域、品类），到期前 60 天预警；投放素材留存原始授权扫描件，别只留一张聊天截图。

溯源

来源：国家网信办 2026-11-06（新华社通稿：清理 4.7 万余条、处置账号 3961 个、四类违法违规情形）；人民网 2026-11-06（通稿原文核对）　｜　https://society.people.com.cn/n1/2026/1106/c1008-40829153.html

3. API 中转站被处罚：备案在别人家，责任在你家

问题与事件

11 月 6 日，国家网信办发布近期网络安全、数据安全、个人信息保护等领域执法典型案例。其中第 10 例为江苏某科技股份有限公司提供生成式人工智能服务未按规定进行安全评估案：网信部门核查发现，该企业运营的 2 个网站以“API 中转站”方式调用多个大模型产品接口，提供对话、问答等服务，未按规定开展安全评估工作，存在内容安全风险，违反《生成式人工智能服务管理暂行办法》《具有舆论属性或社会动员能力的互联网信息服务安全评估规定》等规定；属地网信办已依法责令其改正、从严处理责任人，并予以警告处罚。同日，河北省互联网信息办公室公告第 11 批生成式人工智能服务登记信息，对 4 款通过 API 接口或其他方式直接调用已备案大模型能力、且面向境内公众提供具有舆论属性或社会动员能力服务的产品予以登记，并要求已登记服务在显著位置或产品详情页标明服务名称与登记编号，按《人工智能生成合成内容标识办法》添加生成合成内容标识。

要点与建议

◎ 值得关注：「上游有备案，不等于下游免责——这条案例把“套壳”的合规成本摆到了明面上」——中转站模式的技术特征是“我只转发”，法律特征却是“我面向境内公众提供生成式服务”，两个特征从来不重合。判定起点其实只有两个问题：是不是直接面向境内公众，有没有舆论属性或社会动员能力。两个都是“是”，就该做安全评估、做登记、做内容标识，与模型是谁家的无关。▶ 建议：内部自查按“是否直接面向公众”划一刀，把面向公众的对话、问答、写作类入口全部列出，逐个核对安全评估与登记编号；对外展示页补上服务名称、登记编号与生成合成标识，这三项现在是可以被直接检查的。

溯源

来源：国家网信办 2026-11-06（执法典型案例第 10 例：API 中转站未做安全评估、责令改正并警告）；河北省互联网信息办公室 2026-11-06（〔2026〕-11 号登记公告、标识与服务名称标注要求）　｜　https://www.gzqz.gov.cn/zwgk/zdlygk/shza/202611/t20261106_91081316.html

4. Box 把检索做成智能体的地基：准确率 +20%、token 降 90%、快 4 倍

问题与事件

当地时间 11 月 5 日，Box 在旧金山年度客户大会 BoxWorks 2026 上发布三项与智能体相关的能力，中文媒体 11 月 6 日集中报道。核心是 Box Content Retrieval：一套基于 NVIDIA Nemotron Retriever 嵌入模型的数据检索引擎，用多模态与混合检索为扫描件、图像、音频、视频等非结构化内容建索引，把杂乱的企业内容整理成智能体可直接推理的结构化知识库。据 NVIDIA 生成式 AI 软件副总裁 Kari Briski 给出的口径，该系统使检索准确率（Recall@5）提升 20%、token 消耗最多降低 90%、回答速度提升约 4 倍；这些数字由 NVIDIA 与 Box 提供，非独立第三方测试。另一处关键在于权限：每个智能体都遵循每份内容的原生文件权限，无法访问用户未获授权的文件。该能力将于 2027 年初向 Box Enterprise Advanced 客户开放。同场还发布面向多步骤智能体工作流的编排工具，以及用于防护失控智能体的威胁检测工具；NVIDIA Nemotron 3 Ultra 等开放权重模型已可在 Box AI 中使用。Box 首席执行官 Aaron Levie 的说法是：智能体不必再逐篇读文档，可以只取与任务最相关的片段。

要点与建议

◎ 值得关注：「智能体的成本大头不是推理，是把不该读的东西也读了一遍」——token 降 90% 这个数字背后是一次架构判断：企业数据里真正结构化的不到两成，剩下全在合同、邮件、图纸、会议录音里，让模型整篇吞进去既贵又容易越权。检索层做成基础设施，等于把“取哪一段”和“能不能取”合并成一次带权限判断的调用。需要冷静的是数据来源：20%、90%、4 倍都是厂商口径，落到自己的语料上大概率要打对折。▶ 建议：自建或选型 RAG 时把权限正确率列为一级指标（用一批跨部门越权样本测），并要求供应商提供“取回片段数/请求”与“单位问答 token”两项可复算的指标，而不是只报准确率。

溯源

来源：Box 2026-11-05（BoxWorks 2026：Content Retrieval、工作流编排、失控智能体威胁检测）；TechCrunch 2026-11-06（Kari Briski 口径：4 倍、20%、90%；2027 年初开放）；至顶科技 2026-11-06（多模态与混合检索、原生权限继承、Nemotron 3 Ultra 上线 Box AI）　｜　https://www.163.com/dy/article/LB31LGMO05118UGF.html

5. 每月 200 美元的「同事」：智能体开始按岗位而不是按次计价

问题与事件

11 月 6 日，Perplexity 在 Perplexity Computer 中推出 Teammates，定位为可长期跟进的“AI 同事”。用户可给智能体分配一项持续工作（官方示例是跟踪销售线索），它会持续监测项目中的变化，在对话停滞时整理后续邮件草稿，并根据反馈调整下一轮处理方式。每个智能体在独立环境中运行，可直接调用 Computer 中已有的项目文件、技能与记忆，智能体之间可以互相交接任务——官方示例是一个智能体找出网站错误，另一个接着准备修复方案。团队可以在 Slack 里交办任务或询问进度，用户可随时检查结果、接管桌面或调整执行方向。功能先向 Perplexity Max 网页版订阅用户开放，该档位为每月 200 美元。

要点与建议

◎ 值得关注：「从“问一次”到“占一个岗位”，计价体系还没跟上——这是 2026 年企业 AI 最明显的错配」——按次计费衡量的是调用量，按席位衡量的是可用性，而常驻智能体消耗的是“一直在看”的注意力成本。三种成本结构放在一张预算表里没法直接比。更该警惕的是失败模式：常驻智能体最危险的不是答错，而是安静地不做事，等到季度复盘才发现线索一条没跟。▶ 建议：给常驻型智能体单独设三类运行指标——心跳与存活率、任务积压时长、人工接管率；并在合同里明确“沉默失败”的责任划分，别只约定准确率。

溯源

来源：Perplexity 2026-11-06（Teammates：长期任务、独立环境、跨智能体交接、Slack 交办、Max 档位）；SegmentFault 2026-11-06（每月 200 美元、先向 Max 网页版开放、工作区记忆继承）　｜　https://news.qq.com/rain/a/20261107A03S5E00

6. Mistral 把「自部署」当卖点：Studio 加托管智能体、可观测与评测

问题与事件

11 月 6 日，Mistral AI 扩展旗下 Mistral Studio，把原先偏开发工具的产品做成企业智能体的构建与运营平台：新增托管智能体与应用（managed agents and apps）、工作流能力、企业上下文连接、智能体可观测性与评测（observability and evaluations）。同时发布 Mistral MCP server，允许开发者从编码智能体直接部署到 Studio。Mistral 对外强调的差异点不是便利性，而是控制权：客户可在保留对模型、数据与基础设施完全控制的前提下更快部署。

要点与建议

◎ 值得关注：「同一天，Box 卖“不用管”，Mistral 卖“你管得住”，两条路线正在分道」——托管路线把运维复杂度收走，代价是把数据与运行时交给供应商；自部署路线保留审计与隔离能力，代价是团队必须自己有 MLOps 与智能体运维能力。选哪条不取决于技术偏好，取决于你的合规文本里有没有“数据不得出境”“模型不得由第三方托管”这类硬条款。可观测性与评测被单列成产品模块这件事本身也说明：智能体上线后的主要工作不是调模型，是看日志。▶ 建议：选型时把“可观测性是否覆盖工具调用参数与返回”作为硬门槛；自部署方案要额外算三笔账——推理集群折旧、值守人力、模型版本升级的重测成本。

溯源

来源：Mistral AI 2026-11-06（Studio 扩展：托管智能体与应用、工作流、企业上下文、可观测性与评测、Mistral MCP server）；AI Trend Research 2026-11-06（自部署定位与控制权表述）　｜　https://ai-trend.me/en/briefs/2026-11-06

7. 54 个 AI 医生、200 例后建议采纳率超 90%：多智能体开始模拟 MDT

问题与事件

11 月 6 日，南方+报道紫荆 AI 医院多智能体协同生态正式发布。该系统由清华大学智能产业研究院孵化、紫荆智康承接研发与落地，采用 SEAL 技术路线的“虚拟世界高通量训练 + 真实世界伴生式进化”机制：医生分身智能体先在模拟 AI 患者的虚拟环境中训练，单日可模拟上万次问诊，达标后部署到实体医疗机构，在真实病例中持续对齐绑定医生的问诊逻辑与病历书写习惯。规模上，系统已构建覆盖 27 个临床科室的 54 个 AI 医生智能体矩阵；10 月进一步从单个分身走到多智能体协作，发布 MHAC 多学科人机协作框架，不同专科分身可就同一病例互相提示用药风险，由主诊医生综合判断。落地数据：相关功能测试覆盖北京、江苏、广西等地 9 家医院，近 200 位医生搭建专属分身；北京清华长庚医院 18 个临床科室开展门诊测试、40 余位医生常态化使用，院内统计医生整体诊疗效率提升约 30%，分身协同处理 200 个病例后诊疗建议的完全或部分采纳率超过 90%。《自然》2026 年 7 月 15 日的报道曾将其列为医疗分身应用案例。

要点与建议

◎ 值得关注：「采纳率是医疗 AI 目前最硬的口径，但它测的是“像不像这位医生”，不是“对不对”」——90% 含完全采纳与部分采纳两种，参照系是绑定医生的判断，这在“经验传承”场景里是有效指标，在“诊断正确性”场景里并不能替代金标准。真正值得记的是路径设计：先在虚拟环境里练到能力线，再进真实诊室伴生进化，把“训练数据稀缺”绕成了“模拟问诊量大”。这条路的成本不在算力，在科室配合与医生时间。▶ 建议：引入此类系统时把评估拆成两层——对齐度（建议被采纳比例）与正确性（对照专家复核的一致率），分开立项、分开验收；别用一个漂亮数字同时证明两件事。

溯源

来源：南方+ 2026-11-06（紫荆 AI 医院多智能体协同生态、MHAC 框架、27 科室 54 个智能体、9 家医院近 200 位医生、长庚医院 18 科室与效率提升 30%、200 例后采纳率超 90%、《自然》2026-07-15 报道）；紫荆智康 2026-11-06（SEAL 双世界机制、虚拟诊室时间流速约 100 倍）　｜　https://www.nfnews.com/content/KyllgKwVyD.html

8. 肝癌年新发超 40 万例：AI 把 MDT 会诊做成了能下沉的流程

问题与事件

11 月 6 日，浙江大学医学院附属邵逸夫医院与深睿医疗联合宣布，双方共同研发的“肝病全周期精准诊疗多智能体决策系统”在 2026 年世界互联网大会“互联网之光”博览会发布，并入选本年度十大精品首发成果。系统以自研医学大模型为底座，构建“类医生”的 AI-MDT 协同决策架构：底层提供通用多模态推理能力，中间层由主诊调度智能体与多专科智能体组成协同集群，模拟真实多学科会诊；采用分层设计把 AI 决策能力嵌入医院现有临床信息系统，打通筛查、诊断、分期、治疗到预后随访的肝病诊疗全流程。数据侧，项目联合多家中心，依托上万例高质量影像数据与海量临床病历完成训练与验证，已累计辅助完成数十万例次影像审核。院方表示，该系统已在浙江省内一些基层医院应用，下一步推进多中心验证与真实世界评价。据公开数据，我国每年新发肝癌超过 40 万例，高危人群达数千万规模。

要点与建议

◎ 值得关注：「单病种全周期，是医疗 AI 目前唯一能算清账的形态」——泛化诊断工具卖给医院，价值难量化；而一条从筛查到随访的闭环，能把“多做了几例早筛、少了几次重复检查、随访依从率提了多少”变成可结算的条目。另一个容易被忽略的细节是“嵌入现有临床信息系统”：不新开软件，医生才不会用两次就放弃。下沉的难点也不在模型，在基层的影像质量与网络条件。▶ 建议：评估这类系统时要求给出“分期路径覆盖率”（筛查→诊断→分期→治疗→随访各环节实际走通比例），而不是只给准确率；基层部署前先做一轮影像设备与网络带宽的基线核查。

溯源

来源：浙江大学医学院附属邵逸夫医院、深睿医疗 2026-11-06（肝病全周期多智能体决策系统、1+N 协同架构、十大精品首发成果、上万例训练数据、数十万例次影像审核、浙江基层应用）；新浪财经 2026-11-06（发布仪式与院方表态）；中青在线 2026-11-06（院方称已在浙江省内基层医院应用、多中心验证与临床准入难点）　｜　https://finance.sina.com.cn/tech/roll/2026-11-06/doc-inixucsy5083260.shtml

9. 不看病、不开药，只回答「下一步去哪」：医院把 AI 放在了流程上

问题与事件

11 月 6 日，大连医科大学附属第二医院上线智慧就医流程助手“星海医伴 HIA（Hospital Intelligence Agent）”。入口在“大医二院互联网医院”微信小程序首页，两位服务形象“大海（海汇仁心）”与“小星（星启康程）”提供相同服务，用户按习惯选择。能力范围被刻意限定在流程侧：说不清挂什么科时，按症状与诉求协助找到科室方向；按科室与时间协助查询医生与号源（号源以页面实时展示为准）；已挂号者询问报到、候诊与检查前准备；查询待缴费信息并提示办理入口（支付状态以医院页面为准）；按院区与科室查询院内位置指引。院方在说明中反复强调边界：两位伙伴不是医生，不看病、不开药，只负责把就医流程走清楚；挂上号不等于已报到，现场指引有变化时仍应找导诊人员。

要点与建议

◎ 值得关注：「把 AI 放在流程导航而不是诊断，是责任边界最清晰、也最容易验收的一类落地」——它不碰诊断，就不进医疗器械审批；它不改支付状态，就不承担资金责任。医院真正省下的是导诊台与咨询电话的人力，患者省下的是“跑冤枉路”的时间，这两笔账都能在两周内测出来。▶ 建议：上这类助手前先把“答错谁负责”写成一句话贴在首页——不给诊断结论、不改支付状态、不替代现场指引，三条边界写清楚，比多接十个场景更能减少纠纷；同时把转人工的入口固定在同一位置。

溯源

来源：大连医科大学附属第二医院 2026-11-06（星海医伴 HIA 上线：科室方向、号源查询、报到候诊提示、待缴费查询、三个院区位置指引、不诊断不开药的边界声明）　｜　https://www.shdmu.com/web/details/index?coid=23&cnId=18731

10. OpenAI 首个 Critical 级模型：48.5% 的漏洞利用成功率，81 个 Firefox 新洞

问题与事件

当地时间 11 月 5 日，OpenAI 发布网络安全专用模型 GPT-6 Cyber（北京时间 11 月 6 日凌晨上线官方博客与系统卡）。它是 GPT-6 Astra 的网络安全特化版本，训练目标是“发现并验证可被利用的漏洞，同时不越出研究人员设定的范围”。关键数据：ExploitGym 基准 48.5%，上一代 GPT-5.6 Cyber 为 32.1%，相对提升 51%；同一基准中 GPT-6 Astra 为 42.4%。对齐侧，在未配置部署安全提示时，模型在 99.93% 的测试中未触碰授权范围外的支撑服务，配置提示后为 100%，上一代越界比例约 5.51%。实战侧，OpenAI 称模型协助复现了 1724 个 Linux 内核漏洞并针对其中 948 个生成可用的本地提权利用，在 Firefox 中发现 81 个此前未被公开的高危漏洞，已向 Mozilla 提交证据与补丁建议并推动修复。按 Preparedness Framework，网络安全维度首次被评为 Critical（关键）级，高于前代的 High。发布方式为限量：先通过 API 与 Codex 向获批的 Daybreak Red 客户开放，并逐步扩大；GPT-5.6 Cyber 则向全体 Daybreak Red 客户开放。配套部署滥用监测、凭证保护、沙箱隔离、人工复核与关键基础设施高风险操作拦截。

要点与建议

◎ 值得关注：「能力与围栏被做成了同一个产品——这是本次发布最该抄的地方，不是分数」——网络安全智能体天生双用途，同一套能力可以补洞也可以破洞，所以它的产品形态注定了不是“开放端点”，而是“受控项目”：白名单客户、靶标授权、可审计运行时。企业真正能复用的不是模型，是这套约束结构——目标白名单、网络隔离、审批门、完整工具调用日志，四件缺一不可。另外要看清 948 个“可用利用”是 OpenAI 自述、成本约 120 万美元 API 额度，外推到自己环境前先打问号。▶ 建议：把安全类智能体的第一个项目做成“只读靶场”——给它一份隔离的代码副本与明确授权范围，跑完要求交付“调用日志 + 越界尝试清单”，用这两份材料判断能不能进生产网。

溯源

来源：OpenAI 2026-11-05（GPT-6 Cyber 官方博客与系统卡：ExploitGym 48.5% 对 32.1%、Honeypot 越界 0.07%/0%、Firefox 81 个未知漏洞、Linux 948 个提权利用、Preparedness Critical 级、Daybreak Red 限量开放）；华尔街见闻 2026-11-06（相对提升 51%、越界测试口径）；时代周报 2026-11-06（优于 GPT-6 Astra 的表述与自用声明）　｜　https://openai.com/index/introducing-gpt-6-cyber/

11. 视频从 10 秒到 15 秒、降价 30%：谷歌把「草稿流」写进了定价

问题与事件

11 月 6 日，Google DeepMind 发布视频生成与编辑模型 Gemini Omni 1.2 Flash，并在发布当天全量上线 Gemini API 与 Google AI Studio，不再采用排队申请的方式。能力上：原生支持最长 15 秒的生成与编辑，可在 3 秒到 15 秒之间以 1 秒为步进指定时长，较上一代 10 秒上限提升 50%；支持最多 7 张参考图、最长 3 秒的动作片段与音频线索混合引导，提升角色、产品与风格在多镜头下的一致性；新增多轮对话式渐进编辑，可对同一段视频逐轮更换主体、背景、光照与画幅而不必整段重生成；支持先以 360p 或 720p 出草稿、确认后放大到 1080p 或 4K，单次调用可延长 3 至 10 秒、最长 30 秒。价格上，720p 每秒 0.07 美元，较上一代下降约 30%；第三方平台同期上线的分档价格为 360p 每秒 0.023 美元、1080p 每秒 0.104 美元、4K 每秒 0.209 美元。榜单侧，Arena 评估显示其在文生视频（1541 分）与图生视频均列第一、视频编辑第三。

要点与建议

◎ 值得关注：「降价 30% 只是表象，把草稿单独定价才是实质：卖的不再是成片，是试错次数」——过去按秒计费，创作者不敢试，一次 1080p 渲染错了也照付；现在 360p 草稿每秒 0.023 美元，等于把“改稿成本”压到成片的十分之一。这条改动会直接改变内容团队的工作流：从“写好提示词一次成片”变成“低成本反复对稿”。对企业而言，视频素材的边际成本下行，但预算会从“生成”挪到“审校与合规”。▶ 建议：把视频生成预算拆成草稿与成片两栏，草稿额度按人天给、成片额度按项目给；同时在素材台账里记录模型版本与提示词，否则三个月后无法复现同一条片子。

溯源

来源：Google DeepMind 2026-11-06（Gemini Omni 1.2 Flash：15 秒、3—15 秒步进、7 张参考图、多轮编辑、360p/720p 草稿到 4K、720p 每秒 0.07 美元降 30%、全量上线）；智东西 2026-11-06（Arena 1541 分文生视频第一、图生视频第一、视频编辑第三）；AIBase 2026-11-06（分档价格与第三方平台上线）　｜　https://news.aibase.com/zh/news/32149

12. Claude 接银行账户：只读、最多 16 家、两年流水，且不用于训练

问题与事件

11 月 6 日，Anthropic 宣布在 Claude 中推出“个人财务”（Personal Finance）功能测试版，本周起面向美国市场的 Pro、Max 与 Ultra 订阅用户灰度开放，覆盖网页端、桌面端与 iOS、安卓应用，暂不支持免费版、Team 与 Enterprise 计划。用户通过金融数据平台 Plaid 连接银行、信用卡、贷款与投资账户，无需提供银行密码，身份验证由 Plaid 完成。权限被严格限定为只读：Claude 不能转账、管理资金或投资，也不提供投资建议。可读取的信息包括银行名称、账户名称与类型、账号后四位、可用余额、信用额度，以及最长 24 个月（两年）的交易记录；最多可连接 16 家银行，可随时解除关联。功能侧可汇总跨账户交易并按房租水电、餐饮、购物等类别整理支出，识别重复扣款、异常费用、持续上涨的账单与仍在扣费的订阅，生成支出图表、账单日历与财务看板，并解释 APR 等术语、计算过去一年支付的利息总额。Anthropic 声明专区内的对话不用于训练模型，无广告与赞助推荐，部分账户余额可能存在一至两天的数据延迟。

要点与建议

◎ 值得关注：「个人 AI 的竞争点已经从“答得好”转成“拿得到状态”——这一步比模型分数重要得多」——没有真实账户状态，所谓理财建议只能是泛泛而谈；接上状态，才谈得上“你这个月比平时多花了多少”。但接状态的代价是授权面：只读是最小可行授权，也是最容易被低估的设计——它同时解决了责任（不能动钱）、审计（可回溯读取）与退出（随时解绑）三个问题。值得注意的反差是，这项能力只给个人订阅，不给 Team 与 Enterprise，说明企业侧的数据治理门槛还没解决。▶ 建议：企业内部若要做同类“连接型助手”，先照抄三条边界——只读、不代操作、不用于训练；并把“用了哪些字段、读多久的历史”写进隐私告知，别用一句“经用户授权”糊过去。

溯源

来源：Anthropic 2026-11-05（Personal Finance 官方博客：Plaid 只读接入、16 家银行上限、24 个月交易、不用于训练、无广告、不含 Team 与 Enterprise）；路透社 2026-11-06（Pro/Max/Ultra 灰度、只读与不作投资建议）；经济观察网 2026-11-06（字段清单、数据延迟与解绑方式）　｜　https://www.anthropic.com/news

13. 128 卡全交换不收敛：国产超节点把「万卡」拆成了可交付机柜

问题与事件

11 月 5 日至 10 日，第九届中国国际进口博览会在上海举办。沐曦股份（688802.SH）作为本届进博会中国馆唯一入选的国产 GPU 企业，展出两件系统级产品（中文媒体 11 月 6 日集中报道）。其一是曦景 S600 超节点：搭载曦云 C600 全国产旗舰 GPU，配合自研 MXMACA 软件栈与 MetaXLink 高速互联，单机柜支持 128 卡全交换、无带宽收敛的互联架构，支持内存语义与低时延数据通信，可横向扩展至万卡集群；工程上采用高密正交整机柜“三 0”设计——计算节点 0 线缆、交换节点 0 线缆、计算与交换节点之间 0 线缆，配合解耦模块化架构，机房无需改造即可快速部署。其二是与东方算芯联合推出的异构双擎算力机柜，面向云端推理：在 MoE 架构下把注意力与专家网络在物理上解耦，实现“双芯分治”——曦云 C600 承担上下文关联等计算密集型任务，东方算芯 DF1000 承担稀疏激活等访存密集型任务；在投机解码场景又可“双芯合璧”，由 DF1000 低延迟流式生成草稿候选、C600 批量执行校验。

要点与建议

◎ 值得关注：「“无收敛”才是这类产品真正该被追问的指标，它决定加卡能不能线性加算力」——传统机柜用多层交换加收敛比，卡一多就得排队等带宽，翻倍加卡不一定翻倍出活。128 卡全交换把机柜做成一个大计算单元，这一步的门槛不在 GPU，在交换芯片、背板与整机交付。但“三 0”设计省掉的不只是铜缆，更是现场施工带来的不确定性——大集群里最难查的故障，往往不是芯片坏了，是某根线松了。▶ 建议：验收超节点时索要两项现场数据——实际收敛比与单机柜功耗/散热边界；并要求供应商在你机房条件下做一次 128 卡满配的压力测试，别只看展厅样机的互联拓扑图。

溯源

来源：沐曦股份 2026-11-05（进博会中国馆展出：曦景 S600 超节点 128 卡全交换无收敛、“三 0”整机柜、万卡扩展、异构双擎 MoE 双芯分治与投机解码分工）；中国城市网 2026-11-06（产品参数与合作方口径）；芯智讯 2026-11-06（进博会中国馆唯一入选国产 GPU 企业）　｜　https://www.zgcsb.com/news/pinDao/2026-11/06/a_699788.html

14. 智能体的瓶颈挪到了 CPU：Vera 在 100 兆瓦里多跑 60% 的智能体

问题与事件

当地时间 11 月 5 日，NVIDIA 发布技术博文，公布 Vera CPU 在智能体负载上的实测数据（中文媒体 11 月 6 日报道）。其逻辑是：与一次性生成不同，智能体要搜索资料、查询数据库、编写并测试代码、执行任务，这些步骤大量依赖 CPU，并需在 CPU 与 GPU 之间反复切换。NVIDIA 在 100 兆瓦数据中心场景下的对比测试称，Vera 相较速度最快的 x86 CPU，每瓦可支持1.6 倍数量的智能体；相较能效最高的 x86 CPU，智能体速度提升2 倍并保持领先能效。硬件侧：88 颗自研 Olympus 核心、176 线程，单线程性能为 x86 的1.8 倍，峰值负载延迟低40%，每核最高14 GB/s 内存带宽，单颗最高1.5 TBLPDDR5X，经 NVLink-C2C 以1.8 TB/s与 Rubin 相干互联（约为 x16 PCIe Gen 6 的7 倍）；不活跃会话的 KV 缓存可暂存于 Vera 内存，避免工具调用返回后重新预填充。合作方自测数据：Perplexity 称编码任务快1.5 倍并计划投产；DeepInfra 称编排任务快至多2.2 倍；Daytona 在10.8 秒内启动1000 个智能体沙箱（x86 需88.4 秒），2000 个并发沙箱下每秒完成12.7 个任务；ClickHouse 称标准软件无需专门优化即在176 核上接近线性扩展并登上 ClickBench 硬件榜；Modal 称每核沙箱吞吐最高为同类 x86 的2 倍。

要点与建议

◎ 值得关注：「智能体把“串行等待”变成了主要成本，而这部分钱过去根本不在算力预算里」——一次工具调用几百毫秒，一天几万次就是几十个机时；更贵的是等待期间 KV 缓存占着 HBM 却不产出 token，工具返回后还可能被驱逐、重算一遍。把 CPU 单线程性能与内存层级一起优化，本质是在省“等待费”。采购上这意味着评分表要加一列：单线程延迟与沙箱启动时间，权重不低于核数。▶ 建议：压测时用你自己的智能体链路跑一遍——重点看工具调用往返、沙箱冷启动、并发 1000 时的 P95 延迟三项；厂商给的 1.6 倍是 100 兆瓦场景下的整体口径，换到你的负载形态未必成立。

溯源

来源：NVIDIA 2026-11-05（Vera CPU 技术博文：100 兆瓦场景每瓦 1.6 倍智能体、对高能效 x86 速度 2 倍、88 核 176 线程、单线程 1.8 倍、每核 14 GB/s、1.5 TB LPDDR5X、NVLink-C2C 1.8 TB/s）；IT之家 2026-11-06（Perplexity 1.5 倍、DeepInfra 2.2 倍、Daytona 10.8 秒对 88.4 秒、ClickHouse 176 核近线性、Modal 每核 2 倍）　｜　https://www.ithome.com/1/023/029.htm

15. 170 亿美元、702 兆瓦燃料电池：谷歌把「自己付电费」写进了合同

问题与事件

当地时间 11 月 5 日，谷歌在官方博客宣布在怀俄明州拉勒米县夏延建设该州首个数据中心，长期投资 170 亿美元（中文媒体 11 月 6 日报道）。合作方包括 Tallgrass Energy、Black Hills Energy、美国电力公司（AEP）与 Related Digital。供电方案是这次的关键：AEP 统筹 702 兆瓦商业规模燃料电池并配套碳捕获与封存（CCS），设备由 Bloom Energy 在美国本土生产，AEP 持有项目公司约 92% 股权，以 20 年购电协议向谷歌售电，项目投资约 40 亿美元，预计 2028 年底全容量投运；Black Hills 计划 2027 至 2029 年投入 18 亿美元，在夏延草原电站建设 564 兆瓦自有燃气发电，协议至 2048 年；捕获的二氧化碳将输送至 Tallgrass 位于怀俄明东部的封存中心。谷歌称该项目使其签约碳捕获总容量接近 1 吉瓦。承诺侧：谷歌将支付其消耗电力的 100% 费用，并承担由其增长直接驱动的基础设施成本；数据中心采用空气冷却以减少对当地水资源的压力；预计为县与学区带来数亿美元房产税，建设期支持全州 8800 个岗位、峰值 2500 个现场岗位，运营期每年 3700 个岗位。

要点与建议

◎ 值得关注：「“谁付电费”已经从公关话术变成了选址的前置条件」——中期选举里 41 项地方数据中心议案有 40 项通过限制或暂停，谷歌这一纸承诺是在给下一个园区买通行证。对国内园区的镜像问题很具体：增容谁出钱、绿电怎么核销、碳排算谁的。另一个信号是供电形态——燃料电池加 CCS 的组合，本质是绕开电网排队，自己造一个“准自备电厂”。▶ 建议：园区级 AI 项目立项时补三份附件——增容投资分摊协议、绿电与碳排归属说明、电价联动条款；别把“政府协调供电”当成已落实。

溯源

来源：Google 2026-11-05（怀俄明州首个数据中心、170 亿美元、702 兆瓦燃料电池加 CCS、100% 自付电费、风冷、社区承诺）；Data Center Dynamics 2026-11-06（AEP 持股 92%、20 年 PPA、40 亿美元投资、2028 年底投运）；Credence Research 2026-11-06（Black Hills 18 亿美元与 564 兆瓦、8800 个岗位、40/41 项地方议案背景）；腾讯新闻 2026-11-06（中文口径核对）　｜　https://www.datacenterdynamics.com/en/news/google-announces-17bn-data-center-campus-in-cheyenne-wyoming/

16. 每 10 分钟一台，和「最后几毫米」：机器人产业的两本账同时在翻

问题与事件

11 月 6 日，上海证券报报道乌镇峰会上披露的一组制造与模型数据。制造侧，优必选披露最新制造能力为每 10 分钟下线一台人形机器人。模型侧，小米集团具身模型与应用部负责人孔涛介绍，公司已使用超过 10 万小时、覆盖 1700 多种场景的数据进行模型预训练，其具身基座模型在小米青年公寓试运营中完成了连续 30 分钟以上、覆盖 3 个房间、包含 50 多种任务的长程任务链。判断侧，宇树科技创始人王兴兴认为 2027 年大概率成为机器人行业与具身智能发展的临界点，同时指出真正的瓶颈在于模型与物理世界的对齐——顶尖多模态模型的空间理解与动作规划已相当出色，但机器人要像人拿起玻璃杯那样让视觉感知、物理推理与运动控制形成实时闭环，仍隔着“最后几毫米”。数据侧，墨奇智能联合创始人、CTO 黄青虬提出高质量数据比堆规模更重要：10 万小时高精度操作数据训练出的模型，可能优于 1000 万小时低质量数据训练的模型。规模侧，峰会发布的《中国互联网发展报告 2026》显示，2025 年我国具身智能市场规模约 9150 亿元、同比增长 20.4%；本届“互联网之光”博览会展示发布 1000 余项新技术新产品，100 多款具身智能机器人现场实景作业。

要点与建议

◎ 值得关注：「产线节拍与任务成功率是两个不能互相替代的指标，采购时最容易被合并成一个数」——每 10 分钟一台回答的是“造得出来”，30 分钟50 个任务回答的是“干得成”，两者之间没有换算关系。把两本账分开翻，才会看清瓶颈在数据质量而不是自由度：10 万小时精标数据胜过 1000 万小时粗数据这句话，如果成立，整个行业的采集成本结构要重算。▶ 建议：验收分两阶段——先测单任务成功率与节拍，再测连续 4 小时的任务链完成率与人工介入次数；第二阶段不达标，第一阶段的漂亮数字没有意义。

溯源

来源：上海证券报 2026-11-06（优必选每 10 分钟一台、小米 10 万小时与 1700 种场景、30 分钟/3 房间/50 多种任务长程任务链、王兴兴 2027 年临界点与“最后几毫米”、黄青虬数据质量判断）；《中国互联网发展报告 2026》2026-11-06 发布（2025 年具身智能市场 9150 亿元、同比 20.4%、1000 余项新技术新产品、100 多款机器人实景作业）　｜　https://www.163.com/dy/article/LB1NMN4H0552C2FY.html

17. 超六成还在演示、仅约 8% 进厂：具身智能的第一份「实干」体检

问题与事件

11 月 6 日，新华财经播发调查报道。中国经济信息社与中国信通院上海工创中心联合编撰的《2026 年具身智能产业创新报告》指出，2026 年具身智能开始由开发演示走向真实场景常态化运行，判断行业进展的尺子正从“发布了多少产品、下线了多少台”转向“有多少机器人真正进入工厂、仓库和商店，持续完成任务并交付结果”。数据侧：中国信通院人工智能研究所等机构联合发布的《具身智能发展报告（2026 年）》显示，2026 年上半年全球人形机器人出货量超 2.2 万台、同比增长近 300%；但目前真正进入智能制造、仓储物流场景的仅约 8%，超六成设备仍停留在商演与科研教学场景；租赁价格同步跳水，2025 年初日租动辄上万元，到 2026 年下半年部分裸机日租金已跌破千元。已跑出运行数据的案例包括：银河通用重载机器人 Galbot S1 落地宁德时代产线，双臂搬运 50 公斤料箱，2026 年 3 月验收后实现 7×24 小时连续运行；乐聚 15 台夸父机器人在兆丰机电累计运行约 1000 小时，助力生产 6 万余个零部件，单次上料循环稳定在 40 秒以内，作业成功率稳定在 98%。

要点与建议

◎ 值得关注：「8% 和 300% 并不矛盾——分母在暴涨，分子没跟上，这正是行业当前最真实的状态」——出货量翻三倍说明供给侧跑得很快，8% 说明需求侧的真实验证很慢。日租金从万元跌到千元，是溢价体系被打破的直接证据：靠新鲜感收费的模式结束了。真正值得抄的是那两个跑通案例的指标写法——7×24 小时、1000 小时、40 秒循环、98% 成功率，全是可验收的运营指标，不是参数表。▶ 建议：把“连续运行可用率”与“人工介入间隔”写进验收条款，与单机价格一起谈；试用期按 200 小时起算，低于这个时长测不出热衰减与漂移。

溯源

来源：新华财经 2026-11-06（《2026 年具身智能产业创新报告》判断口径转向、信通院《具身智能发展报告（2026 年）》上半年全球出货超 2.2 万台与同比近 300%、仅约 8% 进智能制造与仓储、超六成停留商演与科研教学、日租跌破千元、Galbot S1 与乐聚夸父运行数据）；网易财经 2026-11-06（全文转载）　｜　https://www.163.com/dy/article/LB2HCSL705568W0A.html

18. 30,110 小时、22 种本体：动作条件世界模型把权重和训练配方一起开源

问题与事件

11 月 6 日，PrimebotTech 在 GitHub 发布 PrimeSim 的完整代码（Apache-2.0，release commit 日期 2026-11-06），并在 Hugging Face 放出两个 Apache-2.0 权重：midtrain 基础检查点与 stage-4 少步推理检查点，各约 10.1 GB；配套论文为 arXiv 2611.04870。模型定位是通用、动作条件的多视角机器人世界模型：给定每路相机的首帧、一段文本提示与一条机器人动作轨迹，生成接下来会发生什么的同步视频。三项设计值得注意：一是跨本体统一表示，把每台机器人的状态与动作映射进同一个 31 维布局（每条手臂的末端位姿与夹爪、躯干、头、腰与底盘速度），没有的槽位留零，使单臂、双臂与人形数据可以训练同一个模型，仓库已带 Libero、RoboTwin、AgiBot World 与 G2 的配置；二是多视角适配，三路相机视角一起生成并堆叠在同一潜空间，每路重启位置编码并配独立视角嵌入；三是可训练的后训练链，从双向流匹配模型依次做自回归化、少步蒸馏、非对称 DMD 精修与跨窗口 Self-Forcing++ 长时程扩展，四阶段配方与 LeRobot v3 数据适配文档随仓库发布，可指向自有数据从头 midtrain。依赖方面需另下 Wan2.2-TI2V-5B 的文本编码器、VAE 与分词器约 14 GB；官方说明 24 GB 显卡装不下 5B 主干加 umT5 编码器，实际需要 80 GB 级 A100 或 H100。

要点与建议

◎ 值得关注：「开源的是“仿真先验”，不是仿真器；训练语料不随权重发布这一点，决定了它只能是你的起点」——30,110 小时、22 种本体的采集配方没有给，给的是模型与训练管线，这对想做自有本体适配的团队恰好够用：拿 midtrain 权重、按 31 维槽位映射自己的数据、跑通四阶段。三个视角同时生成、每四步动作一个上下文 token 的设计，指向的正是“动作改了，画面要跟着变”这个闭环需求。▶ 建议：先在一台 80 GB 卡上跑通官方示例确认环境，再决定是否投入采集；同时把“训练语料未公开”写进评估结论——用它做策略评测时，分布外场景的失效边界要自己测。

溯源

来源：PrimebotTech 2026-11-06（PrimeSim 代码仓库：Apache-2.0、30,110 小时跨本体数据、31 维动作布局、三视角同生成、四阶段后训练链、LeRobot v3 适配、依赖 Wan2.2-TI2V-5B）；Hugging Face 2026-11-06（qiyuan-robot/PrimeSim：midtrain 与 stage-4 检查点、Apache-2.0）；arXiv 2611.04870（技术报告）　｜　https://github.com/PrimebotTech/PrimeSim

19. 四款开放权重：11 路相机加激光雷达同步生成，仿真开始给策略打分

问题与事件

11 月 6 日，NVIDIA 在 Hugging Face 发布 Cosmos 3 家族的四款开放权重检查点（中文媒体同日报道），许可为 OpenMDW1.1，按其条款商用与非商用均可。四款各有分工：Cosmos3-Nano-Transfer-Auto 面向离线驾驶数据生成，最多 11 路同步相机（含鱼眼）输出彩色视频，并支持 RGB 与激光雷达联合生成，可用场景地图控制道路结构与交通运动、用文本提示控制外观、用首帧锚定画面，并可改变天气、光照与时段以扩大训练与评测覆盖；Cosmos3-Nano-Sim-Auto 是它的因果蒸馏版，以少步去噪流式输出小段相机与激光雷达观测，用于长时交互式 rollout，闭环使用需配套仿真运行时与场景地图渲染器；Cosmos3-Nano-Sim-Transfer 站在物理仿真器之上，把深度、分割、边缘、模糊布局等空间控制信号加文本提示渲染成照片级彩色视频，运动、接触与物理状态仍由仿真器计算；Cosmos3-Nano-Sim-Bimanual 则直接从机器人与相机动作预测下一观测，支持 YAM 与 AgiBot 双臂本体，可由策略或摇杆控制，混合动作示例输入 59 个控制值、训练时补零到 64。四者均为 Cosmos 3 Nano 的后训练样例，各自 16B 可训练参数，采用 Mixture-of-Transformers 主干，初始图像之后每个潜变量时间步对应 4 帧 RGB；随权重发布的还有技术报告、后训练配方、演示与 notebook。NVIDIA 同时明确，这些模型在多大程度上可靠支撑策略学习与评估，仍需研究者自行测量。

要点与建议

◎ 值得关注：「世界模型开始承担“评测环境”的角色——这比它能生成多好看的视频重要得多」——真实产线跑一次试错成本极高，能在仿真里把策略跑一千遍再上机，是具身落地的唯一经济解。四款模型的真正价值在于给了同一条起跑线：大家在同一个开放权重上改，方法才可比较。但两个坑要提前认：仿真器与渲染器得自己配，且 NVIDIA 自己都说“哪里可靠、哪里失效”还没测清。▶ 建议：把仿真环境当成评测资产来建——固定一组场景与指标、记录模型版本与随机种子；先用 Sim-Bimanual 在你自己的本体上跑通，再决定是否引入 Sim-Transfer 做视觉精修。

溯源

来源：NVIDIA 2026-11-05（Hugging Face 发布 Cosmos 3 四款开放权重：Transfer-Auto、Sim-Auto、Sim-Transfer、Sim-Bimanual，OpenMDW1.1 许可，16B 可训练参数，11 路相机与 LiDAR 联合生成，YAM 与 AgiBot 双臂支持，59 控制值补零至 64）；AI and Tech News 2026-11-06（四款分工与后训练配方核对）；Renderu 2026-11-06（Mixture-of-Transformers 主干、四步去噪蒸馏、GB200 测试配置）　｜　https://huggingface.co/nvidia/Cosmos3-Nano-Sim-Bimanual

20. 594B 只激活 17B：先闭源、下周开权重，这是一份可被检验的承诺

问题与事件

11 月 5 日，Thinking Machines Lab 发布第二代模型 Inkling 2 Small（中文媒体 11 月 6 日报道）。结构为稀疏 MoE：总参数 5940 亿、每 token 激活 170 亿，48 层 decoder-only，每个 token 路由到 384 个专家中的 8 个，配 2.92 亿参数视觉编码器，支持图像输入、可变推理强度与最长 100 万 token 上下文（长任务轨迹可压缩）。训练分阶段：首阶段预训练 8.4 万亿 token，跑在 NVIDIA GB300 NVL72 上、原生 NVFP4；随后加入更高质量数据与长上下文智能体轨迹；联合强化学习跑 9 天、2048 张 GPU、超过 1700 万次 rollout。官方数据：Artificial Analysis 智能指数 31（模型卡 v5.0 表为 30.6，前代 Inkling Small 为 13）；SWE-Bench Pro v2 Hard 86.3%、DeepSWE v1.1 72.1%、DesignArena Website 1340；内部失范率 14.9，前代为 66.8。发布方式最值得注意：首发仅通过 Tinker 提供推理与微调，权重闭源，公司称在完成外部安全测试与红队后，于下周以 Apache 2.0 开放全量权重，届时检查点可下载。公司同时列出缺点：不支持音频、行文偏啰嗦、在多技能仓库中有时选错工具、对话体验打磨不足。

要点与建议

◎ 值得关注：「先给 API、后给权重，等于把开源承诺变成了一份可以被检验的日程表」——过去“即将开源”可以是无限期，现在写死了“下周”，到期不开就是失信。这套“安全路径到开放权重”的做法，大概率会成为大模型公司的标准动作：先让能力在受控环境里跑一段，收集滥用证据，再放权重。对企业选型的含义很实际——要可复现的本地部署就等一周，要马上用就先进 Tinker，但两条路的合规文本不一样。▶ 建议：把“权重是否已实际发布”作为开源清单的一个独立字段，与许可证并列登记；在权重落地前，不要基于 Apache 2.0 做架构决策或对外承诺。

溯源

来源：Thinking Machines Lab 2026-11-05（Introducing Inkling 2 Small 与模型卡：594B/17B、1M 上下文、8.4 万亿 token、GB300 NVL72 与 NVFP4、9 天 2048 卡联合 RL、AA 指数 31、Apache 2.0 权重次周开放、Tinker 首发闭源）；sigadvisory 2026-11-06（SWE-Bench Pro v2 Hard 86.3%、DeepSWE v1.1 72.1%、失范率 14.9 对 66.8）；TSN Media 2026-11-06（48 层、8/384 专家、视觉编码器 2.92 亿、模型卡 30.6 与新闻稿 31 的差异）　｜　https://thinkingmachines.ai/news/inkling-2-small

发展趋势分析

趋势 1：准入从「模型备案」挪到了「设备与调用链」

11 月 6 日两份文件把监管口径往前推了一格：工信部不再只问模型有没有备案，而问这台终端上的智能体是谁、配了哪个身份码、升级改了什么；网信办把“API 中转站未做安全评估”直接列为违法，等于宣布上游备案不能豁免下游责任。合起来看，合规的最小单位已经从“模型”变成“模型 + 设备 + 调用链”。▶ 建议：建一张「智能体调用清单」，逐条登记调用方、被调应用、授权凭据、撤销方式与责任人，按季度复核；清单之外的新增调用一律走审批。

趋势 2：智能体开始按「岗位」而不是按「次」计价

Perplexity 的常驻同事每月 200 美元、Box 按企业版席位、Mistral 卖自部署控制权、谷歌把视频草稿按秒单独定价——一张预算表里要同时容纳四种分母。麻烦在于它们不可直接相加：席位买的是可用性，订阅买的是常驻注意力，按秒买的是试错次数，自部署买的是合规空间。混在一起比总额，结论必然是错的。▶ 建议：给每笔 AI 支出标注计价单位与可替代的替代方案，季度复盘比“单位成本”而不是比总额；跨部门争预算时，先把分母摆到桌面上再谈数。

趋势 3：开源的检验点变成「能不能在你机房里跑起来」

PrimeSim 要 80 GB 级卡、Cosmos 3 要自配仿真器与渲染器、Inkling 2 Small 的 Apache 2.0 权重还要等一周、文心把欧盟英国韩国划在授权地域之外。这四件事没有一件是法律细节，全是工程与采购约束：能下载，不等于能部署；能部署，不等于能商用。开源正在从“代码自由”变成“有条件的产能开放”。▶ 建议：建一张「可运行性清单」，逐项登记显存门槛、依赖的外部模型、必需运行时、许可证地域与权重实际发布日期；清单没填完的项目不进技术选型。

来源：工业和信息化部 2026-11-06、国家网信办 2026-11-06、Perplexity 2026-11-06、Box 2026-11-05、Mistral AI 2026-11-06、Google DeepMind 2026-11-06、PrimebotTech 2026-11-06、NVIDIA 2026-11-05、Thinking Machines Lab 2026-11-05