夜雨聆风
AI前沿日报 06.02-06.03｜Meta把AI客服推向WhatsApp，OpenAI让Codex变成企业工作台
01 今日速览
OpenAI 发布 Codex 新版本，新增角色插件、Sites 和 annotations。Codex 不再只服务开发者，而是开始覆盖分析师、市场、销售、设计、投资和投行等岗位。OpenAI 披露，Codex 每周用户超过 500 万，非开发者约占 20%，增长速度是开发者的 3 倍以上。
Meta 将 Business Agent 推向全球 WhatsApp Business，并扩展到 Instagram DM。它可以回答客户问题、推荐产品、预约服务、筛选销售线索，并在复杂问题时转给人工。Meta 也在测试夜间聊天日报和客户洞察，把消息应用从客服入口改造成小商家的经营工具。
Microsoft 在 Build 2026 发布 Scout、Project Solara 和 Agent Control Specification。Scout 是常驻型办公 Agent，接入 Teams、Outlook 等工作流；Solara 是面向 AI 设备的系统平台；ACS 则把 Agent 的权限、审批、日志和拦截点写进可移植策略文件。
The Verge 实测 Google Gemini Spark。Spark 可以读取 Gmail、Docs、Calendar 等 Google 生态上下文，完成旅行规划、整理未完成任务、生成退订链接等操作；但在 Airbnb 预订这类涉及登录、支付和外部网站安全策略的任务上会被挡住。它把个人 Agent 的能力边界讲得很清楚：能读上下文，不等于能完成所有动作。
Coralogix 完成 2 亿美元融资，押注 AI Agent 生产环境监控。Agent 进入真实系统后，不只要看模型输出，还要看工具调用、失败链路、权限变化、异常行为和运行成本。可观测性正在从传统软件监控，扩展到 Agent 行为监控。
国内方面，媒体报道称微信正在测试 AI 智能体，可能接入小程序等能力；腾讯人士回应目前无法确定发布时间，微信 14 亿级用户体量意味着合规流程会更严格。微信如果上线 Agent，产品入口不是一个新 App，而是直接进入聊天、小程序、支付、视频号和公众号生态。
快手旗下可灵 AI 被曝正在进行分拆以来首轮融资，投前估值约 180 亿美元。可灵此前一季度收入已超过 6.5 亿元，AI 视频产品正在从模型效果竞争，进入商业化和资本化阶段。
02 海外新产品 / 新业态
1. Codex：从代码工具变成企业工作台
OpenAI 发布 Codex 新版本，新增三类能力：角色插件、Sites 和 annotations。Codex 原来更像一个开发者工具，帮人写代码、改代码、跑工程任务；现在开始变成企业里的通用工作台。
角色插件是这次最清晰的产品变化。OpenAI 首批推出数据分析、创意生产、产品设计、销售、公开市场投资、投行业务等插件。每个插件都打包了对应岗位常用的应用、skills、指令和工作流。比如数据分析插件接 Snowflake、Databricks、Hex、Tableau；销售插件接 Salesforce、HubSpot、Slack、Outreach、Clay；创意生产插件接 Figma、Canva、Shutterstock、Picsart、Fal。
这类插件不是简单“多接几个工具”。它把 Codex 从“一个会写代码的模型”改成“一个会进入岗位流程的执行器”。分析师要做报表，销售要更新客户记录，市场要生成广告素材，投资人要整理财报和市场信号。每个岗位需要的上下文、工具和输出格式都不同，插件把这些差异预先封装起来。
Sites 是另一个产品层变化。Codex 可以把用户的想法、分析和计划转成可分享的互动网页或轻量应用。比如客户复盘页、项目进度板、财务情景规划器、发布会信息中心。这不是传统文档，也不是一次性聊天结果，而是一个可以持续更新、被团队共享的工作空间。
Annotations 解决的是 AI 产出后的修改问题。过去用户让 AI 生成文档、网页、幻灯片，后续修改经常要重新描述一遍。现在用户可以点中导航栏、图表、某句结论、某个页面区域，直接要求 Codex 修改这一部分。它把“重新生成”变成了“局部编辑”。
Codex 这次的产品路线很明确：不要只停在写代码，而是吃掉企业知识工作的中间产物。企业里的大量工作不是最终报告，而是仪表盘、客户复盘、项目页、会议材料、投研表格、销售跟进、创意 brief。Codex 想把这些中间产物变成可生成、可分享、可迭代的对象。
产品限制也很清楚。岗位插件能提高上手速度，但企业真正上线还要处理权限、数据边界、工具连接、审计和团队习惯。Codex 能生成一个客户复盘站点，不代表它默认有权读取所有客户数据。插件生态越丰富，权限设计越要细。
2. Meta Business Agent：WhatsApp开始从消息工具变成小商家前台
Meta 将 Business Agent 推向全球 WhatsApp Business，并扩展到 Instagram DM。这个 Agent 可以回答客户问题、推荐产品、预约服务、筛选销售线索，并在复杂问题时转给人工。Meta 还在测试夜间聊天日报和洞察，让商家第二天看到客户咨询、未处理需求和销售机会。
WhatsApp 的产品位置很特殊。很多国家的小商家不是先建网站，也不是先上 CRM，而是直接用 WhatsApp 接订单、回消息、发图片、确认价格。Meta 把 Agent 放进 WhatsApp Business，相当于把 AI 客服、导购和销售助理放进了现成的商业聊天入口。
这个产品形态和传统客服机器人不一样。传统客服机器人常常挂在网站右下角，用户要主动打开页面；WhatsApp Business Agent 出现在用户已经习惯发消息的地方。用户问“这双鞋还有 38 码吗”“明天下午能预约吗”“这个套餐适合孩子吗”，Agent 可以直接在对话里回答、推荐、转人工或推进预约。
Meta 还计划让大企业创建自定义 Agent，并连接 Shopify、Zendesk、Shopee 等系统。这里的关键是后端系统连接。一个 Agent 如果只能回答 FAQ，价值有限；如果能查库存、查订单、改预约、创建工单、同步 CRM，才会变成业务工具。
定价也在变。Meta 计划把小商家的 Agent 放进部分 WhatsApp Business Premium 订阅层级，大企业则可能按 token 用量付费。这意味着消息平台的 AI 商业化不只靠广告，而是开始向“自动化经营工具”收费。
产品边界在隐私和加密。商业 AI 消息如果不再完全端到端加密，商家和用户需要知道哪些内容会被模型读取、是否用于训练、什么情况下转人工。消息入口的信任成本比普通网页更高，因为用户在聊天里说的往往是地址、订单、付款和个人信息。
3. Microsoft Scout：办公Agent开始从“被问才答”变成“常驻同事”
Microsoft 在 Build 2026 推出 Scout。它是一个面向工作的常驻型个人 Agent，基于 OpenClaw 和 Work IQ，接入 Teams、Outlook 等工具，目标是提前处理会议准备、日程调整、邮件回复和日常事务。
Scout 和传统 Copilot 的区别在于“常驻”。Copilot 更像嵌在 Office 里的助手，用户问一句，它帮忙写一段或总结一份文档。Scout 更像一个持续运行的工作代理：它知道你的日程、邮件、Teams 对话和工作习惯，能在没有每次明确提示的情况下提前准备材料、提醒冲突、处理任务。
这种产品形态会改变办公软件的交互。过去用户打开 Outlook 看邮件，打开 Teams 看消息，打开 Calendar 看日程，自己决定下一步。Scout 试图把这些碎片整合成任务流：明天要开会，先找到相关邮件和文档；日程冲突，先建议调整；会前缺资料，先整理摘要。
Microsoft 把 Scout 放在 Frontier 客户和有限测试里，说明这个产品还不是全员可用的成熟功能。常驻 Agent 的难点不在“能不能写邮件”，而在“什么时候该插手”。它如果过于主动，会打扰用户；如果太保守，又像普通助手。产品需要让用户设定边界：哪些任务能自动处理，哪些必须确认，哪些上下文不能读取。
Scout 还把 OpenClaw 带进 Microsoft 体系。开源 Agent 框架进入大厂办公产品后，企业会更关心安全沙箱、权限、日志、合规和可控执行。办公 Agent 如果想成为“同事”，首先要遵守办公室规矩。
4. Project Solara：Microsoft给AI设备做一套Agent系统
Microsoft 同时发布 Project Solara，这是一个面向 AI Agent 设备的系统平台，底层基于 Android，而不是 Windows。Build 展示了两个概念设备：一个类似桌面屏幕，通过人脸识别解锁并访问 Agent；另一个像工牌，带摄像头和指纹传感器，可以录制并转写对话，也可以让 Agent 看到用户看到的内容。
Solara 的产品假设是：未来不止手机和电脑需要运行 Agent，小型、低功耗、专用 AI 设备也需要一套系统。普通 Android 或 Windows 不是为这种设备设计的。Agent 设备需要处理摄像头、麦克风、身份识别、企业管理、安全策略、后台任务和跨服务调用。
工牌形态最有意思。它不是消费电子，而是工作场景设备。员工在会议、仓库、门店、医院、工厂里佩戴，Agent 可以记录对话、识别环境、提醒任务、生成纪要。这个入口比手机更贴身，也比桌面软件更靠近现场。
产品风险也在这里。一个能看、能听、能记录的工牌，必须解决隐私提示、录制许可、数据保留、企业审计和个人边界。它能提高工作记录效率，也可能变成一个全天候监控设备。AI 硬件的产品设计不能只看功能，还要设计“什么时候不工作”。
Microsoft 目前不打算直接销售这两个概念设备，而是把它们作为参考设计，供硬件伙伴试点。AccuWeather、Best Buy、CVS Healthcare、Target 等公司计划开始试点。Solara 更像一个信号：AI 设备会从“炫酷硬件”转向企业场景里的专用终端。
03 新技术 / 技术底座
1. Agent Control Specification：把Agent权限写成可移植策略文件
Microsoft 发布 Agent Control Specification，简称 ACS。它是一个开放规范，用来在 Agent 执行任务的不同阶段施加治理控制。开发、安全和合规团队可以用策略文件定义 Agent 能做什么、不能做什么、什么时候需要人类批准、哪些证据要记录下来。
现在很多 Agent 控制方式很分散。有人把规则写进 system prompt，有人在应用代码里加检查，有人用分类器拦截输入输出。这些方法能用，但很难审计，也很难在不同框架、不同工具、不同部署环境里复用。
ACS 的做法是把控制规则从应用代码里抽出来，变成可移植的 manifest。它可以在多个拦截点检查 Agent 行为：接收输入前，调用工具前，工具返回后，最终回复前。策略可以允许、阻止、脱敏，也可以要求人类批准。
这解决的是 Agent 产品进入生产环境后的基本问题。聊天机器人最主要的风险在回答，Agent 的风险在动作。它可能读文件、发邮件、改数据库、调用外部 API、提交代码、处理客户资料。权限如果只靠一句“不要做危险事情”的提示词，生产系统很难接受。
ACS 的产品价值在于让企业把 Agent 管起来。比如销售 Agent 可以查 CRM，但不能导出全部客户；财务 Agent 可以生成报表，但付款必须人工确认；代码 Agent 可以开 PR，但不能直接合并主分支；客服 Agent 可以处理退货，但超过金额上限要转人工。
2. Coralogix：Agent运行后，需要一套行为监控层
Coralogix 完成 2 亿美元融资，定位是给 AI Agent 时代做监控、排障和管理。传统软件监控看的是日志、指标、异常、调用链；Agent 监控还要看模型为什么这样行动、调用了哪些工具、在哪一步失败、是否越权、成本消耗在哪里。
Agent 进入生产环境后，故障不会只表现为服务宕机。它可能表现为错误调用工具、重复执行任务、读错上下文、生成错误工单、把问题升级给错误团队，或者在多步任务里越走越偏。传统监控系统很难直接解释这些行为。
这类产品的需求来自 Agent 的不确定性。普通软件按代码路径执行，出了问题可以查日志；Agent 会根据上下文动态决策，错误可能发生在提示词、检索、工具调用、记忆、权限、模型输出、外部 API 中任何一层。企业需要看到完整轨迹，而不是只看到最终结果。
Agent 监控产品可能会长成几个模块：任务轨迹记录、工具调用审计、异常行为检测、成本归因、失败复盘、人工接管、权限告警。它和 ACS 这类治理规范会互补：ACS 负责定义能不能做，监控层负责记录它到底做了什么。
3. MAI-Thinking-1：Microsoft开始用中型推理模型服务企业场景
Microsoft 发布 MAI-Thinking-1，这是它自研的旗舰推理模型。公开信息显示，它是 35B active 的 MoE 模型，总参数约 1T，面向数学、代码和企业任务，并强调较小推理 footprint。MoE 可以理解成“专家混合模型”：模型整体很大，但每次处理一个 token 时只激活部分专家，从而降低推理成本。
这类模型不一定追求在所有榜单上超过最大前沿模型。它更像企业可部署模型：成本更低，延迟更可控，可以用于日常代码、办公、数据分析和企业流程。企业场景里，不是所有任务都需要最强模型。大量任务需要稳定、便宜、可集成。
Microsoft 同时发布 MAI-Code、MAI-Image、MAI-Voice、MAI-Transcribe 等模型，形成一组自研模型矩阵。它的产品目标不是只做聊天模型，而是把模型塞进 Copilot、Scout、Windows、Teams、Azure 和开发工具里。
对企业产品来说，模型能力只是组件。真正的产品体验来自模型、权限、数据、办公入口和治理工具的组合。MAI-Thinking-1 的看点不在“Microsoft 也有一个模型”，而在它能不能降低 Microsoft 自家办公 Agent 和开发工具的单位成本。
04 产品拆解 / 交互观察
1. Gemini Spark实测：个人Agent的上限和边界都在Google账户里
The Verge 实测 Google Gemini Spark。它能读取 Gmail、Docs、Calendar 等 Google 生态数据，帮助用户整理退订链接、找出未完成任务、做旅行规划。用户没有明确提供的一些家庭信息、偏好和日程，也会被 Spark 从账户上下文中推断出来。
Spark 的产品能力来自 Google 账户里的长期上下文。邮箱里有订票信息，日历里有安排，Docs 里有未完成任务，搜索和地图里有兴趣偏好。个人 Agent 如果能把这些数据串起来，确实比普通聊天机器人更像助手。
旅行规划是一个典型例子。普通 AI 旅行规划通常只能给出热门景点和通用路线。Spark 能结合用户家庭成员、孩子年龄、邮件里的票务信息、日程和饮食偏好，生成更贴近真实生活的计划。这不是模型突然更懂旅行，而是它拿到了更完整的用户上下文。
失败也很典型。实测里，Spark 在 Airbnb 预订任务上被安全和认证策略挡住，无法登录、处理付款或完成预订。它只能提供可选房源和预订提醒。这说明个人 Agent 的边界在权限、支付和外部网站策略上。能读 Gmail，不等于能替用户完成交易。
Spark 把个人 Agent 的产品矛盾放大了：越有用，越需要读取更多私人数据；越能行动，越需要更清楚的授权和确认。它的体验会很强，但信任成本也高。个人 Agent 的产品竞争，不只是模型和界面，而是谁能让用户放心把数字生活交出去一部分。
2. 微信AI智能体传闻：超级App里的Agent入口会比独立App更敏感
媒体报道称微信正在测试 AI 智能体，可能接入小程序等生态，并计划最快在 6 月推进公开上线前的合规流程。腾讯人士回应称，目前无法确定微信 AI 智能体何时推出，微信 14 亿级用户体量会让合规流程更严格。
这条消息不能当作正式发布，但它揭示了一个产品问题：超级 App 里的 Agent 和独立 AI App 完全不是一个量级。独立 AI App 需要重新获取用户、连接工具、建立场景；微信本身已经有聊天、小程序、支付、公众号、视频号、企业微信和服务通知。
如果微信 Agent 真正上线，它的产品切口不一定是“问答助手”，而是把已有生态里的动作串起来。比如在聊天里理解需求，跳转小程序完成服务，使用支付完成交易，调用公众号内容作为知识源，给商家或用户生成后续提醒。
但超级 App 的权限问题也更重。微信里有社交关系、支付、聊天记录、身份、交易和内容入口。Agent 如果能跨这些模块行动，必须先解决数据隔离、用户授权、任务确认和监管审批。小用户量产品可以边试边改，微信不能这样做。
独立 AI 产品经常从功能出发，超级 App 的 Agent 必须从边界出发。它先要明确不能做什么，才能决定能做什么。
3. Meta与微信的差异：一个从商家消息切入，一个可能从超级生态切入
Meta Business Agent 和微信 AI 智能体传闻放在一起看，是两种完全不同的入口。
Meta 先从 WhatsApp Business 和 Instagram DM 切入，任务更清楚：回答客户、推荐产品、预约服务、筛选销售线索。它面对的是商家经营场景，用户问题比较高频，结果也容易验证。客户有没有预约成功、订单有没有推进、销售线索有没有转化，都是清楚指标。
微信如果做 Agent，入口会更复杂。它既可以服务个人，也可以服务商家；既有聊天关系，也有小程序服务；既有内容，也有支付。它的潜在能力更大，但产品边界也更难画。一个微信 Agent 可以从“帮我找附近服务”一路走到“打开小程序、下单、付款、通知对方”，每一步都需要权限和确认。
这两种产品路线对应不同商业模式。Meta 更像把 AI 变成商家付费工具，先解决客服和销售；微信更可能把 Agent 融进生态基础设施，逐步连接小程序、支付和内容。前者更快商业化，后者一旦跑通，入口更深。
05 开发者生态 / 开源项目
1. Codex插件生态：岗位工作流开始产品化
OpenAI 的角色插件首批覆盖数据分析、创意生产、产品设计、销售、公开市场投资和投行业务。每个插件不是一个单点功能，而是一组应用连接、skills、指令和工作流。
这里的产品变化是：知识工作不再按“文件类型”组织，而是按“岗位任务”组织。过去软件是按工具分工：表格归 Excel，设计归 Figma，客户归 Salesforce，文档归 Docs。Codex 插件试图按任务重组：销售准备会议，需要 CRM、邮件、Slack、销售话术；投资人分析公司，需要财报、市场数据、估值模型和结论页。
这类插件会改变 AI 产品的交付方式。一个通用 Agent 很难直接适配所有公司；但一个岗位插件可以给出默认工作流，再允许团队修改。它更像“行业模板 + 工具连接 + AI 执行器”。
插件生态的限制在于工具连接深度。只读数据和真正写回业务系统是两件事。销售插件如果只能整理客户信息，价值有限；如果能更新 CRM、创建 follow-up、识别高风险交易，就会触碰权限和责任边界。插件越接近真实流程，越需要管理员控制底层应用权限。
2. Microsoft ACS和Coralogix把Agent产品推向“可治理、可监控”
ACS 和 Coralogix 代表的是 Agent 产品的后端化。前台用户看到的是 Agent 完成任务，后台需要策略、日志、监控、告警、审批、回放和成本核算。
这和过去聊天机器人的产品架构不同。聊天机器人只要管理输入输出，Agent 要管理整个任务过程。它会跨系统行动，会在后台持续运行，会接触业务数据，会触发真实后果。企业不可能只看最终回答。
一个生产级 Agent 产品至少需要几层基础设施：权限层决定能做什么；策略层决定什么时候审批；观察层记录做过什么；评估层判断做得怎么样；接管层让人类随时介入；成本层显示花了多少 token 和工具调用。
产品机会会出现在这些“看不见但必须有”的层。Agent 越进入真实业务，越需要类似 ACS、Coralogix 这样的控制和监控系统。没有治理和监控，Agent 很难从 demo 进入企业生产环境。
06 国内 AI 动态
1. 可灵AI被曝分拆后首轮融资，AI视频产品进入独立资本周期
财联社报道称，快手旗下视频生成大模型业务可灵 AI 正在进行分拆以来的首轮融资，投前估值约 180 亿美元。这是可灵 AI 的 Pre-IPO 轮融资。此前快手已披露，可灵 AI 一季度收入超过 6.5 亿元，3 月 ARR 接近 5 亿美元。
这条消息的产品含义比估值更值得看。AI 视频产品开始从大厂内部创新业务，变成可以独立融资、独立估值、独立面向资本市场讲增长的业务。它不再只是“快手做了一个视频模型”，而是一个独立内容生产工具和平台。
可灵的收入基础来自创作者、广告、电商、内容生产团队的持续付费。AI 视频如果只能做 demo，很难支撑这种估值；真正能支撑商业化的是稳定生成、批量生产、编辑控制、素材管理、版权合规和场景分发。
AI 视频赛道下一步会从“模型效果”转向“生产系统”。广告素材、电商短视频、短剧分镜、游戏资产、教育视频都会需要不同工作流。单独的视频生成模型会被平台压价，能接入行业流程的产品才更容易留住客户。
2. 武汉计划培育150个行业智能体产品，地方软件公司开始转型AI应用服务商
武汉市提出，2026 年将培育 150 个优秀行业智能体产品，打造 10 个国内知名垂类大模型，引导 100 家深耕垂直行业的软件系统集成商向人工智能应用服务商转型。
这条不是普通政策口号，里面有一个很具体的产业变化：传统软件系统集成商正在被推向 AI 应用服务商。过去它们帮客户做系统实施、定制开发、接口对接；现在要把大模型、智能体、AI 辅助开发、智能审批、智能运维嵌进原有软件业务。
行业智能体产品不会从零开始长出来。它往往基于原来的行业软件和客户流程：医院导诊、制造排产、政务审批、园区运维、客服工单、财务对账。系统集成商原本就知道客户流程、接口和历史系统，转型做智能体比纯模型公司更接近交付现场。
这个方向的难点也在交付。行业智能体不是给客户一个聊天框，而是要接数据库、接权限、接业务系统、接报表、接审批流，还要能解释错误和留痕。真正的产品竞争会发生在“模型懂不懂业务流程”上，而不是“模型回答是否流畅”。
3. AI智能体榜单从技术指标转向应用价值和安全可控
6 月 2 日，北京网络安全大会上公布了 2026 中国 AI 智能体领航者榜单。来自 20 多个行业、100 多家企业提交案例，评审重点不只看技术指标，而是强调应用价值、安全可控、真实业务落地和持续运行能力。
这类榜单本身不用过度放大，但评审口径的变化有意义。智能体评估开始从“能力展示”转向“能不能在业务里持续运行”。一个 Agent demo 可以很漂亮，但如果不能控权限、不能留日志、不能稳定执行、不能处理失败，就很难进入企业。
安全和权限成为评审权重，也说明行业已经意识到 Agent 和普通模型不同。普通模型输出错了，最多是内容问题；Agent 可能调用工具、访问数据、改业务状态。它的评估必须看动作链路。
行业智能体接下来会越来越像企业软件：看部署、看使用率、看故障率、看权限、看客户续费，而不只是看模型回答。真正的产品化，会把智能体从“演示能力”拉回“交付能力”。
