AI助手正在消失,“AI同事”开始上岗

近期 AI 热点观察

AI助手正在消失， “AI同事”开始上岗

从豆包工作、Claude记忆到OpenAI自研芯片：过去一周的7个关键信号

资料截至 2026年8月27日 | 原创趋势解读

当AI能记住你、调用工具并持续执行任务，它就不再只是一个聊天框。 

核心判断 / 过去一周，看似是七条互不相干的新闻。但把它们连在一起，你会看到同一个转向：AI公司已经不满足于让模型“回答得更好”，而是开始争夺记忆、工具、企业数据、芯片和工作流。

8月25日，豆包工作正式发布；同一天，Claude宣布让聊天与Cowork共享记忆；再往前一天，汤森路透推出自有行业大模型，英伟达则把Agent时代的算力账单摆上了桌面。

而OpenAI的两则消息更像是一组对照：一边公布首款自研推理芯片，追求更低成本和更高效率；另一边又因新模型可能达到“关键网络安全能力”门槛，主动放慢训练。

这不是普通的产品更新周。更像是AI行业的一次集体转身。

01 国内AI办公，从“帮你写”卷到“帮你做”

先看最贴近国内用户的一条消息。

8月25日，豆包正式发布面向生产力场景的Agent产品“豆包工作”。它的定位很直接：不只生成文档、表格或PPT，而是围绕一个目标自主拆解任务、调用工具，并把复杂流程持续推进下去。

豆包工作产品界面：从单次对话转向任务式交付。 | 图源：新华网 / 豆包工作发布信息

真正关键的是两个能力。

第一，它能动手。在获得用户授权后，Agent可以操作浏览器和电脑，跨软件查资料、处理数据、填写表单，长时间任务还可以放在云电脑里继续跑。

第二，它能读懂组织。与飞书打通后，它可以在权限范围内读取聊天、文档、会议纪要和日程，产出的结果又会回流为企业知识。

这也暴露了AI办公的新门槛：以后的竞争不只是模型谁更聪明，而是谁能安全地接入企业上下文，谁能把工作流跑完，谁能对结果负责。

02 Claude开始“记住你”，一次性问答正在过时

豆包工作强调的是企业上下文，Claude补上的则是个人长期记忆。

Anthropic在8月25日宣布，Claude在普通聊天与Claude Cowork中开始使用同一套记忆。用户可以看到AI记住了什么，也可以修改、删除或暂停。健康、信仰等敏感主题默认不保存。

Claude用同一套记忆连接聊天与Cowork。 | 图源：Anthropic / Claude官方博客

这听起来只是“少重复一次背景”，但它改变的其实是人机关系。

以前的AI对话像每次都换了一位新实习生；现在的AI开始记得你的项目、目标、偏好和过去的决策。当记忆再与电脑操作、浏览器、文件和企业技能结合，AI才真正有可能成为一个能持续协作的“同事”。

聊天框不会马上消失。但它会逐渐从产品主体，变成只是给AI交办任务的一个入口。

03 OpenAI开始造芯，模型公司也要掌握“水电煤”

AI要长时间干活，首先要解决一个很现实的问题：成本。

8月25日，OpenAI公布了首款定制推理芯片Jalapeño的首批实测结果。按照OpenAI自身披露的数据，它在GPT-OSS 120B公开测试中实现了更高的单位功耗吞吐量和更低的Token延迟，对DeepSeek R1与Kimi K2也表现出跨模型适配能力。

OpenAI公布的Jalapeño推理芯片实物图。 | 图源：TechCrunch / OpenAI

这些跑分目前主要来自OpenAI，仍需更多独立验证。但产业信号已经很清楚：OpenAI不再只想做一家模型公司，它想同时控制数据中心、芯片、服务软件、模型和应用。

原因不难理解。每当AI Agent学会一项新能力，它就会使用更多步骤、调用更多工具、维持更长的上下文。如果算力成本降不下来，“一人一个AI同事”就只会是一个昂贵的口号。

04 Agent的账单，可能是普通聊天的15倍

英伟达在8月24日给出了一个更直观的数字。

它援引OpenRouter数据称，Agent工作负载消耗的Token可以达到简单聊天的15倍。一个负责公司研究的Agent，可能先查财务数据库，再搜索新闻和公告，接着召唤子Agent做同行对比，最后才整理出结论。每走一步，上下文都在继续变长。

英伟达用“大规模长时间运行”来描绘Agent算力需求。 | 图源：NVIDIA官方博客

英伟达据此宣称，Vera Rubin NVL72在特定Agent负载下，每兆瓦吞吐量最高可达上一代GB300 NVL72的30倍，每百万Token成本最高可降低35倍。同样，这是供应商自报的早期结果，不能直接当成普遍性能结论。

但它解释了为什么所有公司都在谈“每瓦特完成多少工作”。未来最重要的指标，可能不是单次回答的成本，而是成功交付一个完整任务的总成本。

05 4000万美元训一个法律模型：行业数据正在变成新护城河

当通用模型越来越强，企业还有没有必要训练自己的模型？

汤森路透用一次真金白银的投入给出了答案。8月24日，公司宣布推出首个自主大语言模型Thomson。它不是从零开始训练，而是以强开源模型为基础，投入4000万美元，再把Westlaw、Practical Law、Checkpoint和Reuters等数十年的专业内容与行业专家经验融进去。

汤森路透将模型能力与法律、税务等专业数据绑定。 | 图源：Thomson Reuters官方新闻稿摄影图

首个落地场景是CoCounsel Legal中的表格化法律文档审查。汤森路透宣称，早期评估中Thomson在多类专业任务上可与前沿模型竞争，但目前仍以企业披露和有限外部评测为主。

真正值得关注的是它提出的路线：企业未必需要与OpenAI、Google比拼万亿参数，但可以用“开源底座+独家数据+专家流程”做出更懂具体工作的模型。

通用模型解决“会不会”，行业模型解决“能不能在这家公司可靠地做完”。

06 阿里的数字表明：AI正在从烧钱故事变成收入故事

模型、Agent和芯片最终都要回到同一个问题：有没有人为它们付费？

阿里云在8月21日披露，当季AI云与计算服务收入同比增长45%，云业务收入增速创22个季度新高；AI相关产品收入则连续第12个季度实现三位数同比增长。阿里同时称，Qwen系列全球累计下载量已超过30亿次，衍生模型超过30万个。

阿里巴巴园区标识摄影图。 | 图源：Alibaba Group / Alibaba Cloud

这组数字提供了一个值得观察的商业闭环：先用开源模型获得开发者与生态影响力，再把训练、部署、Agent平台和算力需求转化为云收入。

大模型的战争不会只有一个赢家。模型层可以免费，但企业为稳定、安全、数据管理和工作流付费的意愿，可能才是更持久的生意。

一个真正可用的数字同事，背后是芯片、模型、记忆、工具与业务结果的整体协同。 

07 能力越强，OpenAI反而踩了一脚刹车

如果前六条新闻都在说AI如何变得更像一名员工，最后一条新闻则提醒我们：员工拿到的权限越大，安全的代价就越高。

OpenAI在8月18日表示，正在开发的Astra在初步评估中可能达到其《准备框架》中的“关键网络安全能力”门槛。为加固研究环境、扩大监控和红队测试，公司曾暂停两周面向部署模型的强化学习训练，规模最大的计划任务仍在等待更多对齐和安全证据。

OpenAI办公楼外观摄影图。 | 图源：CSO Online / Shutterstock / doomu

这与过去“发现漏洞、发一个补丁”的软件思路不同。当模型会写代码、调用工具、访问互联网并持续运行时，研发过程本身就已经可能成为风险场景。

真正的AI同事不能只有能力清单，还必须有权限边界、操作记录、人工审批和失败恢复。

真正的拐点：不再比谁“说得像人”，而是比谁“能把事做成”

现在再回头看这七条新闻，它们其实在描绘同一幅产业地图。

豆包工作，要拿下国内企业工作流和飞书上下文。

Claude，要让记忆跨越对话与长任务。

OpenAI与英伟达，在争夺每一度电、每一颗芯片和每一个Token的经济性。

汤森路透，在证明专业内容和行业流程也能训出差异化模型。

阿里，在尝试把开源生态与云收入连成闭环。

而Astra的安全问题，则告诉所有人，能力、权限与风险必须一起扩展。

所谓“AI助手正在消失”，并不是说ChatGPT、豆包或Claude会离开屏幕。而是它们会慢慢融进每一个工作流：起草、调研、审批、填表、编程、分析、备忘和跟进。

你未必每次都在“使用AI”。你只是在完成工作，而AI已经成为了工作的一部分。

对普通人来说，现在最值得准备的不是“神级提示词”

第一，学会清楚地交代目标、约束和验收标准。AI越会执行，含糊的任务就越危险。

第二，积累高质量的个人与组织资料。模型可以越来越同质化，但你的文档、案例、流程和判断标准不会。

第三，建立权限意识。让AI看文件、发邮件、改代码和操作业务系统，从来都不只是“方便”，还意味着责任。

最后一句 / 下一阶段的赢家，很可能不是拥有某个单项跑分第一的模型，而是最早把模型、记忆、工具、数据、芯片和安全连成一个系统的人。

当AI真的可以记住你、了解你的公司，并且代替你操作电脑时， 你最希望把哪一项工作交给它？

信息来源与核查说明

本文基于官方新闻稿、产品博客与主流新闻平台公开资料整理。涉及性能和商业数据时，已尽量标明“公司披露”或“供应商测试”，避免将企业宣传性数据直接当作独立结论。

新华网：豆包工作正式发布：让AI从生成内容到完成工作

Anthropic：Claude's memory works everywhere, and you decide what's in it

Anthropic：Build production agents with computer use, the Skills API, and the Files API

OpenAI：The full stack behind abundant intelligence

NVIDIA：Vera Rubin NVL72 sets a new efficiency standard for AI agents

Thomson Reuters：Thomson Reuters launches its own proprietary large language model

Alibaba Cloud：Alibaba's full-stack AI accelerates monetization with 22-quarter-high cloud growth

OpenAI：Pacing model development in an era of cyber-critical capabilities

TechCrunch：Jalapeño芯片实物图，图片信用标注为OpenAI

CSO Online：OpenAI办公楼摄影图，原页标注Shutterstock / doomu