智能体从能力竞赛转向治理与协作

本期要点

• Perplexity 推出常驻 Teammates，正面对标 OpenAI 与 Anthropic
• 微软 PDD Kit 用形式化规范验证智能体生成的代码
• 一家财富500强在 PoC 中发现超1万个未知智能体

工作场景：常驻型智能体成为主战场

Perplexity 发布面向工作的 AI 智能体「Teammates」，定位是常驻、可同时承担多个角色的工作区成员，并能沿用用户在 Perplexity 已有工具中的项目、技能与记忆。它构建在此前的 Perplexity Computer 之上——后者可将智能体部署到用户设备上完成任务，而 Teammates 强调的是协作与「持续、大规模的工作」。用户可以给不同 Teammate 分配不同任务并行执行，报道将其与 OpenAI 的 Dots、Claude Duet 相提并论。(来源: The Verge)

这条线索的意义在于竞争维度的变化：卖点不再是单次任务能力，而是记忆、角色分工与长期在场。对采购方而言，评估重点会从「能不能做」转向「能不能一直做、并且不越界」。

交互与执行：入口在变，底座也在变

Meta 宣布 Muse AI 智能体支持实时语音对话，对话顶部的虚拟形象会随说话内容同步动作，用户也可以直接要求智能体调整语气，或在设置中选择。测试中语音响应较快，但查询信息时偶有停顿。(来源: The Verge)

硬件侧出现了更激进的尝试：创业公司 Aina 正在做一款智能戒指，主张用户不必依赖手机来控制虚拟助手，通过一次点按即可控制自主智能体的动作。(来源: Wired)

执行层则由基础设施承接。NVIDIA 指出，智能体不只生成答案，还要搜索信息、查询数据库、编写并测试代码、采取行动，每一步都依赖 CPU，任务在 GPU 推理与 CPU 执行之间来回切换，因此 AI 工厂需要能承担这些执行负载的 CPU。(来源: NVIDIA Blog) 同一来源还提到，开发者正把前沿模型与 Omniverse 库结合，通过指令驱动智能体完成仿真应用的搭建、物理与渲染连接及场景校验。(来源: NVIDIA Blog)

可信性：验证、溯源与身份三道缺口

微软研究院发布 PDD Kit，针对智能体生成的代码规模已难以逐行人工审查的问题：把开发者意图转成 Verus 形式化规范，证明 AI 生成代码在所有输入下满足该规范，在不适合证明处使用测试补充，开发者审查的是意图而非每一行。(来源: Microsoft Research Blog)

企业侧的缺口更具体。MIT Technology Review 描述了一个典型链条：销售向智能体询问客户定价，智能体从受限定价系统、内部沟通与归档报价中取数，输出看起来准确，第二个智能体据此起草提案，两次交接都没有人工核查。(来源: MIT Technology Review) 身份层面，SailPoint 在 Q2 FY2027 财报相关表态中称，一家财富500强企业在概念验证期间发现了超过 1 万个此前不知情的 AI 智能体；CB Insights 由此讨论安全公司在智能体身份领域的下一个收购标的。(来源: CB Insights Research)

评测与商业化：把「协作」变成可测量、可计费

arXiv 新论文提出 SlackBench，用于评估智能体在真实研究与工程工作流中的表现：环境基于隐私保护方式复现的真实学术项目，包含多方对话、演进中的决策，以及对应 GitHub 仓库与 Google Docs 的代码变更，共 140 条查询，要求智能体在工作场所沟通记录与仓库状态之间联合推理。(来源: arXiv cs.AI)

商业化配套也在补齐。Product Hunt 上出现 Clocknext，定位为面向 AI 智能体的定价与计费基础设施；Pushary for Teams 主打查看团队智能体的操作由谁批准；Maritime 提供可按需定制的、供任意智能体使用的云电脑。(来源: Product Hunt) 这些工具规模尚小，但指向同一个问题：当智能体开始替人做事，授权、计费与运行环境需要独立的一层。