智能體從能力競賽轉向治理與協作

本期要點

• Perplexity 推出常駐 Teammates，正面對標 OpenAI 與 Anthropic
• 微軟 PDD Kit 用形式化規範驗證智能體生成的代碼
• 一家財富500強在 PoC 中發現超1萬個未知智能體

工作場景：常駐型智能體成為主戰場

Perplexity 發佈面向工作的 AI 智能體「Teammates」，定位是常駐、可同時承擔多個角色的工作區成員，並能沿用用戶在 Perplexity 已有工具中的項目、技能與記憶。它構建在此前的 Perplexity Computer 之上——後者可將智能體部署到用戶設備上完成任務，而 Teammates 強調的是協作與「持續、大規模的工作」。用戶可以給不同 Teammate 分配不同任務並行執行，報道將其與 OpenAI 的 Dots、Claude Duet 相提並論。(來源: The Verge)

這條線索的意義在於競爭維度的變化：賣點不再是單次任務能力，而是記憶、角色分工與長期在場。對採購方而言，評估重點會從「能不能做」轉向「能不能一直做、並且不越界」。

交互與執行：入口在變，底座也在變

Meta 宣佈 Muse AI 智能體支持實時語音對話，對話頂部的虛擬形象會隨說話內容同步動作，用戶也可以直接要求智能體調整語氣，或在設置中選擇。測試中語音響應較快，但查詢信息時偶有停頓。(來源: The Verge)

硬件側出現了更激進的嘗試：創業公司 Aina 正在做一款智能戒指，主張用戶不必依賴手機來控制虛擬助手，通過一次點按即可控制自主智能體的動作。(來源: Wired)

執行層則由基礎設施承接。NVIDIA 指出，智能體不只生成答案，還要搜索信息、查詢數據庫、編寫並測試代碼、採取行動，每一步都依賴 CPU，任務在 GPU 推理與 CPU 執行之間來回切換，因此 AI 工廠需要能承擔這些執行負載的 CPU。(來源: NVIDIA Blog) 同一來源還提到，開發者正把前沿模型與 Omniverse 庫結合，通過指令驅動智能體完成仿真應用的搭建、物理與渲染連接及場景校驗。(來源: NVIDIA Blog)

可信性：驗證、溯源與身份三道缺口

微軟研究院發佈 PDD Kit，針對智能體生成的代碼規模已難以逐行人工審查的問題：把開發者意圖轉成 Verus 形式化規範，證明 AI 生成代碼在所有輸入下滿足該規範，在不適合證明處使用測試補充，開發者審查的是意圖而非每一行。(來源: Microsoft Research Blog)

企業側的缺口更具體。MIT Technology Review 描述了一個典型鏈條：銷售向智能體詢問客戶定價，智能體從受限定價系統、內部溝通與歸檔報價中取數，輸出看起來準確，第二個智能體據此起草提案，兩次交接都沒有人工核查。(來源: MIT Technology Review) 身份層面，SailPoint 在 Q2 FY2027 財報相關表態中稱，一家財富500強企業在概念驗證期間發現了超過 1 萬個此前不知情的 AI 智能體；CB Insights 由此討論安全公司在智能體身份領域的下一個收購標的。(來源: CB Insights Research)

評測與商業化：把「協作」變成可測量、可計費

arXiv 新論文提出 SlackBench，用於評估智能體在真實研究與工程工作流中的表現：環境基於隱私保護方式復現的真實學術項目，包含多方對話、演進中的決策，以及對應 GitHub 倉庫與 Google Docs 的代碼變更，共 140 條查詢，要求智能體在工作場所溝通記錄與倉庫狀態之間聯合推理。(來源: arXiv cs.AI)

商業化配套也在補齊。Product Hunt 上出現 Clocknext，定位為面向 AI 智能體的定價與計費基礎設施；Pushary for Teams 主打查看團隊智能體的操作由誰批准；Maritime 提供可按需定制的、供任意智能體使用的雲電腦。(來源: Product Hunt) 這些工具規模尚小，但指向同一個問題：當智能體開始替人做事，授權、計費與運行環境需要獨立的一層。