AI从业者学习周刊 #072|AI不再只待在聊天框里:它开始操作软件,也戴到了人身上

   本期判断｜北京时间 2026-07-05—2026-07-11    WorkBuddy想从桌面接走整项任务，飞书和Office则把自己的文档、表格、消息与流程变成Agent可调用的动作。AI没有让SaaS消失，它先逼软件重新回答三个老问题：入口归谁，钱怎么收，出了错谁负责。  

WorkBuddy 想做的事很直接：你说一句，它自己去电脑上找文件、开软件、整理材料，把结果交回来。

飞书 CLI 的方向从另一头过来。它把消息、文档、任务、表格这些原本要人在界面里点的东西，做成 Agent 可以调用的命令。一个想跨软件拿走整项工作，一个想让 AI 在自己的软件里动手。

把这两件事放在一起，SaaS 和 Agent 的关系就清楚多了。

很多人问 Agent 会不会取代 SaaS。这个问题太大，也太早。眼下已经发生的变化小得多，却更麻烦：以前软件等人来操作，现在软件要接待一批不会点菜单、只会调用工具的新用户。它们是 Agent。

本周的 GPT-5.6、Grok 4.5 和 Google Managed Agents，又把这件事往前推了一段。模型进了 Office，长任务能在后台继续跑，远程工具也能接进来。AI 开始碰真正的工作量了。

一、WorkBuddy抢整项任务，飞书和Office守住系统里的动作

腾讯在 6 月推出 WorkBuddy 企业版时，把它称为 AI 智能体工作台。它可以操作本地电脑，也能在 QQ、企微等腾讯生态里工作。腾讯还说，按日活跃用户数计算，WorkBuddy 已是国内最受欢迎的效率智能体工具。

先把后半句当作厂商口径。更值得看的是产品位置。

传统 SaaS 希望用户先打开自己的软件。WorkBuddy 想让用户先说出任务，比如“把这几份材料合成一版客户汇报”，然后由 Agent 决定要打开哪些文件、调用什么模型、最后交付什么。入口从软件图标挪到了任务本身。

飞书 CLI 做的是另一件事。它允许 Agent 搜索消息、发通知、处理文档、操作表格和任务。用户仍然在飞书里协作，只是具体动作不必都由人完成。

这两条路迟早会撞在一起。

假如 WorkBuddy 帮销售整理一次客户拜访，它可以先读录音摘要，再找历史报价，最后生成跟进清单。但客户联系人、报价版本、审批状态和下一步任务，多半还在 CRM、飞书或其他 SaaS 里。Agent 能把材料凑齐，系统记录却不能凭空消失。

本周，OpenAI 和 xAI 都在抢这个位置。

GPT-5.6 被放进 ChatGPT、Codex、API 和 Microsoft 365 Copilot。Grok 4.5 进入 Grok Build、Cursor，也把 Word、PowerPoint、Excel 当成重点场景。它们不只想回答问题，还要改文档、做表格、写代码，交出一份能继续编辑的文件。

这会改变企业选择模型的办法。十道问答题的分数差两分，意义有限。拿一套带母版的 PPT、一张有公式的 Excel 和一份旧报价单去测，结果更诚实：公式断没断，版式乱没乱，人工又改了多久。

SaaS 暂时不会被一把推倒。它手里还有客户数据、字段规则、审批链和审计记录。Agent 拿到的是任务入口，SaaS 守着业务事实。两边接起来以后，收费方式就不会只剩“一个员工买一个账号”。

微软已经提到，接近六成的服务类客户在购买按使用量计费的 credits。Dynamics 365 的客户也在传统席位和“席位加用量”之间重新分配预算。以后更常见的账单，可能是一部分给人，一部分给 Agent 跑任务。

问题也跟着来了。Agent 查资料可以自动，改草稿也可以自动。发客户、改报价、下订单、批付款，最好别混在同一档权限里。飞书 CLI、Google 的自定义函数和各种桌面 Agent，最后都要面对同一张表：哪些动作只读，哪些可以写，哪些必须等人按确认。

二、穿戴式AI已经分成三门生意，真正的现场Agent还没出现

穿戴式 AI 不能再笼统地写成“眼镜加大模型”。今年已经跑出了三种不同的产品：眼镜负责看，胸针和录音器负责记，耳机负责一直待在你耳边。它们卖的东西不一样，商业进度也差得很远。

先看眼镜。IDC 统计，2026 年第一季度，全球无显示智能眼镜出货约 225 万台，同比增长 167%；全年可能达到 1360 万台。增长主要来自拍摄和音频消费，全天候 AI 助手还不是购买的第一理由。这个细节很重要。人们已经愿意把眼镜戴出门，但未必愿意让它替自己办事。

Meta Glasses 是目前最接近日常消费品的一类。起售价 299 美元，单次续航超过 8 小时，充电盒还能补 40 小时。它能拍照、录视频、听音乐、发消息、实时翻译，也能根据眼前场景回答问题。Meta 7 月又专门解释了隐私灯：拍摄时正面白灯会闪，遮挡或破坏这盏灯，摄像头会被停用。

眼镜的下一步已经不只靠 Meta 自己加功能。Device Access Toolkit 允许手机应用调用眼镜的摄像头、麦克风和音频，开发者还可以用模拟设备测试媒体流和权限。Meta 展示的早期应用集中在无障碍场景，例如读文字、找物品、把第一视角视频交给远程协助人员。这些案例有明确价值，也相对容易界定责任：人仍在做决定，眼镜负责把现场带回来。

到了工厂巡检和售后现场，问题会难很多。摄像头看见一块铭牌，模型可以识别型号；要把型号写进工单，还得知道这台设备属于哪个客户、工单是否重复、照片能不能离开厂区。Meta 的开发工具解决了“应用能不能看到眼镜数据”，没有替企业解决设备管理、账号归属和工单权限。

录音器这条线更接近一门能算账的生意。

Plaud NotePin S 售价 179 美元，连续录音 20 小时，64GB 存储，每月附带 300 分钟转写。soundcore Work 售价 159 美元，单次录音 8 小时、加充电盒 32 小时，同样送 300 分钟；Pro 方案每月 15.99 美元，转写额度提高到 1200 分钟，全年不限量方案是 239.99 美元。

这类产品的收入结构已经很清楚：硬件卖一次，转写和摘要继续收费。企业采购也不只看录音准不准。Plaud 列出了 SOC 2 Type II、ISO 27001/27701、HIPAA 等合规项目，并按美洲、欧洲、亚太和日本划分数据存储区域；soundcore 默认本地保存并使用 AES-256 加密，发起转写时才临时上传，是否保留云端数据由用户设置决定。

数据也开始往外走了。Plaud 已支持 Zapier：转写或摘要完成后，可以自动发到 Google Docs、Notion、Slack 等 7000 多个应用。它目前只能做触发源，外部系统不能反过来通过 Zapier 控制 Plaud。这是一条很现实的边界。穿戴设备已经能把会议结果送进工作流，但它送出去的仍是一份材料，不是一次经过审批的业务动作。

耳机则在走两条路。

Samsung Galaxy Buds4 可以用语音唤起 Gemini 或 Perplexity，核心能力仍依赖手机和 Galaxy 生态。soundcore Liberty 5 Pro Max 售价 229.99 美元，录音麦克风其实装在充电盒里，不在耳塞里；它只能录面对面的房间声音，不能录电话、视频会议或线上会议。这个限制反而说人话：现在的“AI 录音耳机”，很多时候还是把录音笔藏进耳机盒。

更激进的 TicNote Pods 内置 4G eSIM，宣称可以脱离手机转写、翻译和同步，单次录音 5 小时、带盒 25 小时。可它现在仍以 Kickstarter 早鸟价 199 美元接受预订，零售价计划为 299 美元。功能表很长，规模交付、网络资费、企业管理和真实噪声表现还没有经过市场验证。

GPT-Live 补上了交互架构的一块。它可以一边听一边说，复杂搜索和推理交给后台强模型处理。以后眼镜或耳机不必装下最强模型，前台守住对话，后台完成任务。不过 GPT-Live 目前只在 ChatGPT 里，API 尚未开放，也不支持视频和屏幕共享。

所以“什么时候商业可用”要拆开回答。

现在已经商业可用的是拍摄、录音、转写、翻译、摘要、提醒和单向推送。2026 到 2027 年，销售拜访、无障碍协助、巡检记录和售后工单草稿会有更多窄场景部署，因为这些任务允许人最后复核。至于眼镜看见问题后直接修改工单、耳机听见承诺后自动改 CRM，我没有找到可信机构给出的明确年份。Gartner 对穿戴设备和 Agent 都有邻近预测，却没有给“穿戴式 Agent 全面商用”定日期。

我不想硬猜一个年份。硬件上市、AI 功能可用和企业敢放权，本来就是三件事。

三、模型会不会干完一件事，要看skill、harness和loop

GPT-5.6 这次分成 Sol、Terra、Luna 三档。API 每百万 token 的输入价格分别是 5 美元、2.5 美元和 1 美元，输出是 30 美元、15 美元和 6 美元。Grok 4.5 的输入和输出价格是 2 美元与 6 美元。

模型分档以后，企业可以按任务难度花钱。复杂研究用强模型，日常整理用中档，大批量分类用便宜模型。听上去合理，但模型价格只占一项任务成本的一部分。

一个 Agent 要查三套系统、发现资料缺失、重新搜索、生成文件、检查格式，最后等人确认。中间任何一步出错，便宜的 token 也会被重试和返工吃掉。

所以这周更值得学的三个词是 skill、harness 和 loop。它们不用翻得很玄。

Skill 是做事的方法。比如核对报价，要检查产品型号、客户折扣、有效期和审批人。模型再聪明，不知道公司规则，也只能写出一份看起来像报价的东西。

Harness 是那张工作台。模型放进去以后，旁边要有工具、权限、任务状态、日志和错误处理。Google Managed Agents 这次补的后台执行、沙箱、远程 MCP、凭证刷新，都属于这一层。

Loop 是把事情做完的过程：先执行，再检查；缺资料就补查；动作有风险就停下来找人；失败了决定重试还是结束。循环不是让 Agent 无休止地干活，它必须知道什么时候停。

GPT-5.6 的可编程工具调用也在解决类似问题。模型可以先写一段程序协调多个工具和中间结果，不必每走一步都重新组织整段上下文。Google 则把长任务保存成有 ID、有状态的后台工作。自定义业务函数遇到需要客户侧执行的动作，会停在 requires_action。

这些能力比“模型多答对了几道题”更接近生产环境。企业该测的也不只是最终答案。过程日志能不能看懂，失败发生在哪一步，同一任务再跑一次会不会重复下单，交付文件能不能继续使用，这些都要进验收表。

四、财报开始给答案：有人赚到钱，也有人还在交基础设施账单

AI 产品发布太密，容易让人误以为大家都已经找到赚钱办法。财报没这么乐观，也没那么悲观。

微软给出的数字最完整。

截至 2026 财年第三季度，微软 AI 业务年化收入运行率超过 370 亿美元，同比增长 123%；Microsoft 365 Copilot 付费席位超过 2000 万；GitHub Copilot 企业订阅数接近同比三倍。这里已经有收入、付费席位和企业采用，不只是“很多人在试”。

账单另一面也很清楚。微软当季资本开支 319 亿美元，公司毛利率为 68%，同比下降，财报把部分压力归因于 AI 基础设施投入和 AI 产品使用增长。公司预计 2026 日历年资本开支约 1900 亿美元，并表示供给紧张至少会持续到年底。

微软的情况可以概括成一句普通话：AI 已经收钱了，也确实很费钱。

Meta 的数字更像另一种商业化路径。2026 年第一季度收入 563.1 亿美元，同比增长 33%；当季资本开支 198.4 亿美元，全年资本开支指引上调至 1250 亿至 1450 亿美元。它有广告、社交分发、Meta AI 和眼镜，但没有单独披露这些 AI 产品赚了多少。

所以 Muse Image 接进 Instagram、WhatsApp 和广告系统很重要，因为 Meta 可以把模型能力放回原有商业链路。可在财报里，它仍然更像“广告效率和基础设施投入”的一部分，不能单独算成一个已经成熟的 AI 生意。

腾讯的情况更值得国内团队留意。腾讯在一季度财报里称 WorkBuddy 是中国使用最广的效率 AI 智能体服务，同时在调整后经营数据的脚注中，把 Hy、元宝、CodeBuddy、WorkBuddy 和 QClaw 等新 AI 产品的收入、成本与开支排除在外。WorkBuddy 没有单独披露收入。

这给 WorkBuddy 的热度加了一条边界：它已经证明腾讯能把 Agent 推到大量用户面前，付费规模和单位经济性还没有公开答案。

看 AI 商业化，最好把几个数字分开。使用人数说明分发，付费席位说明客户肯掏钱，ARR 说明收入规模，CapEx 和毛利说明这门生意有多重。把它们揉成一句“AI 商业化加速”，什么也没说。

五、本周信号更新：公开内容、模型拒绝和硬件秘密都在划线

Meta 的 Muse Image 上线时有一项很大胆的功能：用户可以 @ 一个公开 Instagram 账号，让模型使用对方的公开照片生成新图片。账号主人可以在设置里关闭，但默认逻辑仍是先允许使用，再让对方退出。

三天后，Meta 撤下了这项能力，并承认产品设计没有得到用户认可。

这件事对企业也很现实。会议录音放在公司网盘里，不代表每个 Agent 都能拿去训练或生成摘要；客户照片出现在工单里，也不代表可以随手拼进营销素材。数据“系统里有”和“这次任务获准使用”是两回事。

模型自身的安全线也不稳。

Apple 本周公布的一项研究显示，在七个受测模型中，操纵单个相关神经元可能改变拒绝行为。实验覆盖两个模型家族、1.7B 到 70B 参数。它不能证明所有商用模型都靠一个神经元维持安全，但足够提醒企业：模型说“我不能做”，不能当作权限系统。

Anthropic 与 AE Studio 同周公布了 GRAM 研究，尝试把病毒学、网络安全等双重用途知识路由到可移除模块里。研究仍处于早期，没有用于 Anthropic 的生产模型。它说明厂商也在找更细的能力开关，而不是只靠提示词拒绝。

硬件一侧，Apple 起诉 OpenAI、io Products 和两名前员工，指控其窃取未发布硬件、供应链和流程相关的商业秘密。现在只是诉讼指控，法院尚未认定。

这三条线放在一起，企业要处理的边界已经不止“内容是否安全”。Agent 能调用什么工具，穿戴设备能采集什么，员工离职能带走什么，出了问题能不能还原过程，都会变成成本。

下周值得做的四个测试

拿一份真实的 Excel 或 PPT，同时交给 GPT-5.6、Grok 4.5 和现有模型。别只看文案，记录公式、母版、可编辑性和人工返工时间。

挑一个需要查资料、生成文件、写回系统的任务，把动作分成只读、可写和必须人工确认三档。再看 WorkBuddy、飞书 CLI 或你正在用的 Agent 能做到哪一步。

试一次穿戴式记录流程。录音或眼镜采集以后，不要停在摘要，继续走到 CRM 或工单草稿。你会很快看到真正费时间的是字段、同意和复核。

最后算一遍完整任务成本：模型费用、工具调用、重试、人工检查和失败处理都算进去。每百万 token 便宜几美元，未必能让一项工作更省钱。

WorkBuddy 会不会取代 SaaS，现在没人能下结论。眼前更确定的事是，软件里的活正在重新分配。

人以前负责点按钮，SaaS 负责保存结果。Agent 进来以后，按钮可以自己按了，结果仍然要有人认。

附录：信号总览

1. 软件入口：Agent与SaaS开始争同一份工作

• 企业问题：任务从哪里发起，业务记录留在哪里，动作权限由谁控制。
• 本周信号：GPT-5.6 和 Grok 4.5 进入 Office 与开发工具；Google Managed Agents 支持后台任务、远程 MCP、自定义函数与凭证刷新。WorkBuddy 和飞书 CLI 作为国内背景，分别从桌面和 SaaS 内部靠近任务入口。
• 主要来源：https://openai.com/index/gpt-5-6/；https://x.ai/news/grok-4-5；https://blog.google/innovation-and-ai/technology/developers-tools/expanding-managed-agents-gemini-api/；https://www.tencent.com.cn/zh-cn/articles/2202350.html；https://open.feishu.cn/document/mcp_open_tools/feishu-cli-let-ai-actually-do-your-work-in-feishu

2. 穿戴式AI：记录已经可用，企业写回仍在早期

• 企业问题：现场声音和影像能否经过授权、复核后进入 CRM、工单、ERP 或知识库。
• 本周信号：IDC 预计 2026 年无显示智能眼镜出货 1360 万台，但 AI 助手还不是首要购买动力；Meta Glasses 已形成规模消费市场；Plaud 和 soundcore 已形成“硬件加转写订阅”收入结构，Plaud 可通过 Zapier 单向推送转写和摘要；AI 耳机仍依赖手机、充电盒或预售验证。GPT-Live 提供全双工前台加后台强模型的架构信号，但 API 尚未开放。
• 主要来源：https://www.idc.com/promo/arvr/；https://about.fb.com/news/2026/07/metas-ai-glasses-your-questions-answered/；https://www.plaud.ai/products/plaud-notepin-s；https://support.plaud.ai/hc/en-us/articles/12200669941647-Zapier-integration；https://www.soundcore.com/products/d3200-soundcore-work-ai-voice-recorder；https://www.soundcore.com/products/d1204-liberty-5-pro-max-ai-recording-earbuds；https://www.mobvoi.com/ticnotepods/；https://openai.com/index/introducing-gpt-live/

3. 模型工程：任务完成依赖skill、harness和loop

• 企业问题：Agent 如何遵守公司规则、调用工具、保留状态、处理失败并在风险动作前停下。
• 本周信号：GPT-5.6 增加可编程工具调用和测试中的多 Agent；Google 把后台执行、沙箱、状态和人工接管点做成托管运行时。
• 主要来源：https://openai.com/index/gpt-5-6/；https://blog.google/innovation-and-ai/technology/developers-tools/expanding-managed-agents-gemini-api/

4. 商业化：收入、付费和成本不能混成一个数字

• 企业问题：AI 产品是在试用、收钱，还是已经能覆盖基础设施与服务成本。
• 本周信号：Microsoft AI 年化收入运行率超过 370 亿美元，M365 Copilot 付费席位超过 2000 万，同时承担高额 CapEx 和毛利压力；Meta 加大 AI 基础设施投入但未单列 AI 产品收入；Tencent 披露 WorkBuddy 使用信号，未披露单独收入。
• 主要来源：https://www.microsoft.com/en-us/investor/events/fy-2026/earnings-fy-2026-q3；https://investor.atmeta.com/investor-news/press-release-details/2026/Meta-Reports-First-Quarter-2026-Results/；https://static.www.tencent.com/uploads/2026/05/13/aaeed028d215a9612da4b41aca17708b.pdf

5. 法律与安全：模型拒绝不能替代系统边界

• 企业问题：公开数据是否获准使用，模型能力如何分级，硬件和供应链资料如何保护。
• 本周信号：Meta 撤回 Muse Image 的公开账号引用能力；Apple 研究发现单个相关神经元可改变部分模型拒绝行为；Apple 对 OpenAI 的硬件商业秘密诉讼仍待法院审理。
• 主要来源：https://about.fb.com/news/2026/07/introducing-muse-image-meta-ai/；https://machinelearning.apple.com/research/single-neuron-safety-alignment；https://www.theverge.com/tech/964350/apple-openai-lawsuit-trade-secrets