9月28日，美国科技企业Meta宣布启动Meta Enterprise Platform，将企业人工智能作为新的重点业务板块。该平台计划把Meta现有的模型、智能体和计算基础设施转化为面向企业和开发者的产品与服务，首批整合Muse智能体、Meta Business Agent、Muse API和Muse Code等能力。Meta同时任命曾担任MongoDB首席执行官、ServiceNow总裁兼首席运营官的Chirantan Desai负责该业务。与Meta过去主要面向消费者和广告商提供AI服务不同，新平台将进一步面向企业内部业务流程和应用开发场景，推动其AI技术体系进入企业软件市场。

企业AI正在由通用聊天工具向能够调用企业数据、软件和业务流程的智能体演进。要真正进入企业核心业务，仅依靠基础模型并不够，还需要解决系统连接、身份权限、数据安全以及任务执行等问题。Meta此次把Muse、Business Agent、API和开发工具纳入统一平台，实质上是在形成从模型到智能体、再到企业应用的一体化技术栈，使企业可以围绕销售、客服、开发和运营等任务构建专用AI应用。

这一布局意味着企业AI平台竞争进一步升温。Microsoft、OpenAI、Google、Anthropic等企业已经围绕模型、办公软件和智能体形成各自生态，Meta则希望依托模型能力、庞大的商业用户基础以及既有广告和社交平台进入这一市场。随着企业智能体从试验应用转向规模部署，模型本身的重要性仍然存在，但企业数据连接、权限治理、应用开发和业务流程集成能力将越来越成为竞争重点。

原始链接：

https://about.fb.com/news/2026/09/launching-meta-enterprise-platform/

9月28日，美国芯片企业NVIDIA推出Open Agent Safety Platform，面向从软件智能体到机器人等自主AI系统提供安全控制。平台主要由OpenShell开源安全运行时和Sentry参考系统组成：OpenShell可在智能体执行任务时设置运行边界、记录行为并执行安全策略；Sentry则运行于BlueField-4数据处理器（DPU），从智能体自身运行环境之外持续监控其行为，一旦检测到智能体突破预设权限，可在毫秒级进行隔离和停止。该平台已经获得Anthropic、Microsoft、SAP、Salesforce、Scale AI等多家企业参与。

智能体与传统聊天机器人最大的区别，在于其不仅生成内容，还可以调用软件、访问数据并执行实际操作。当智能体开始处理采购、财务、软件开发甚至机器人控制任务后，仅依靠模型内部的安全规则难以覆盖所有风险。NVIDIA的思路是在模型之外增加独立的运行时和硬件安全边界，使智能体即使产生错误决策，也不能轻易越过预先设定的数据、工具和系统权限。

这一进展表明，智能体产业正在催生新的安全基础设施市场。未来企业部署自主AI系统时，除模型和算力之外，还需要身份管理、权限控制、行为审计、安全沙箱以及硬件级隔离等配套能力。NVIDIA将安全机制从软件扩展到CPU、DPU和机器人系统，也反映出智能体安全正在由单一模型治理向覆盖“模型—软件—硬件—物理执行”的全栈控制演进。

原始链接：

https://investor.nvidia.com/news/press-release-details/2026/NVIDIA-Launches-Open-Agent-Safety-Platform-to-Secure-Agents-From-Testing-to-Deployment/default.aspx

9月28日，美国芯片企业AMD宣布签署协议，以约82亿美元全股票交易方式收购人工智能研究企业World Labs，交易预计于2026年底前完成。World Labs由斯坦福大学教授李飞飞等创立，主要开发空间智能模型，可根据文本、图像和视频生成、重建并模拟可交互的三维环境，同时开展机器人学习和仿真技术研究。交易完成后，World Labs团队将继续从事AI模型研发，李飞飞将加入AMD担任执行副总裁兼首席科学家。AMD表示，此次交易将帮助其更加深入理解机器人、仿真和Physical AI等新型工作负载，并据此优化未来计算平台。

空间智能关注的不只是识别图片中的物体，而是理解三维世界的结构、物体关系以及环境变化，并能够生成和预测可交互的空间。机器人训练、自动驾驶、数字孪生和工业仿真都需要这一能力。随着AI从语言和图像处理向真实世界行动延伸，计算需求也由传统大模型训练扩展至三维生成、物理模拟和机器人学习，对GPU、CPU、内存和软件系统提出新的要求。

AMD此次收购的意义并不只是增加一家模型公司，而是进一步把模型研究纳入芯片和系统技术路线制定过程。过去AI芯片厂商更多根据已有模型优化硬件，未来随着Physical AI发展，模型、仿真平台和计算架构之间可能需要更早协同设计。此次交易也表明，全球算力企业的竞争正由芯片性能向“芯片+系统+模型”的综合能力延伸，空间智能和机器人有望成为继生成式AI之后新的算力需求增长点。

原始链接：

https://newsroom.amd.com/news/amd-acquire-world-labs/

9月29日，美国人工智能企业OpenAI推出Dots，这是一类可长期运行并持续执行任务的智能体。每个Dot拥有独立的云端计算机和浏览器，并可连接用户授权的应用，在无需用户持续发出指令的情况下推进多个项目。Dots能够通过ChatGPT、Slack和Microsoft Teams与用户交互，并支持用户随时查看其云端计算机上的工作过程。OpenAI还预览了面向企业的专用Dots，可拥有独立身份、凭证和系统权限，并计划与Microsoft Agent 365的企业治理体系进行集成。

当前多数生成式AI仍以一次对话或一次任务为基本工作单位，而长期智能体需要持续保存任务目标和上下文，并根据外部变化主动重新执行工作。例如项目需求发生变化后，智能体可以更新方案；新的数据到达后，可以重新运行分析。要实现这种能力，AI不仅需要更强的推理模型，还需要独立运行环境、应用连接、权限管理以及人工审批机制，从而使其可以跨越较长时间连续完成工作。

Dots反映出AI产品形态正在由“工具”进一步向具有持续工作能力的数字执行主体演进。未来企业智能体可能不再局限于单次回答问题，而是承担采购、合同、客户服务、数据分析和软件开发等相对固定的岗位任务。这也将推动AI商业模式从模型调用量进一步向智能体数量、工作时长和任务完成量扩展，并带动企业应用连接、云端运行环境、安全治理和流程自动化等相关市场。

原始链接：

https://openai.com/index/introducing-dots/

9月29日，美国人工智能企业OpenAI发布GPT-6.1 Sol，重点提升智能体编程、计算机操作和专业工作能力。根据OpenAI披露，GPT-6.1 Sol在多项复杂任务上的能力接近其更高端的GPT-6 Astra，但标准API输入价格为每百万Token 2美元、输出价格为10美元，约为Astra对应价格的五分之一；缓存输入价格进一步降至每百万Token 0.1美元。在软件工程、复杂文档处理和多步骤业务流程等测试中，新模型相较上一代GPT-6 Sol实现明显提升，并支持在API中调用子智能体协同完成任务。

对于大规模企业应用而言，模型能力并不是唯一决定因素。智能体需要反复读取长上下文、调用工具并执行多轮推理，如果每次任务成本较高，即使技术上能够完成，也难以在大量业务流程中持续运行。GPT-6.1 Sol通过降低输入、输出和缓存成本，使较高水平的模型能力能够用于更多日常任务，特别适合软件开发、文档分析和企业自动化等需要大量重复调用的场景。

这一变化反映出大模型竞争正在由单纯追求最高能力，转向能力、速度和成本的综合竞争。当接近前沿水平的模型价格快速下降，原来只适用于少量高价值任务的AI能力可能进一步扩展到日常工作流程。其影响不仅体现在模型服务市场，也会传导至智能体应用、企业软件和云计算基础设施，推动企业AI从有限试点逐步进入规模化部署阶段。

原始链接：

https://openai.com/index/introducing-gpt-6-1-sol/

信息来源：本报告信息主要来源于NXP、Infineon、Synopsys、Amazon、Micron、Rapidus、Meta、NVIDIA、AMD、OpenAI、Generate Biomedicines、Sanofi、Insitro、Ericsson、Ciena、KUKA、Covestro、Nike、Quantinuum、Type One Energy、SpaceX、Neuralink、BASF等企业官方公告，美国食品药品监督管理局（FDA）等政府机构官网，《Nature Biotechnology》等权威学术期刊，以及Reuters等国际财经科技媒体。

汇编机构：中国科学院上海科技查新咨询中心

汇编时间：2026年10月8日