先说OpenAI吧。

前几天Greg Brockman（就是OpenAI那个联合创始人兼总裁）上了一档播客，聊了一堆以前没怎么公开说过的事。最大的新闻是，他们搞了一个叫“Spud”的新模型——中文意思是土豆。听起来挺随意的，但Greg说这是OpenAI花了两年心血重新预训练的模型，不是GPT-5也不是GPT-6，而是独立的一个东西。用他的原话说，“等上手你就会意识到，它将变得有多聪明且‘顺从’。”

聪明不稀奇，但“顺从”这个词很有意思。最近圈子里有个共识：模型越聪明就越难控制，就像养了个特别有主意的孩子。OpenAI显然在想办法解决这个问题。

然后还有个让人意外的决定。Sora——那个曾经惊艳全世界的视频生成模型——被OpenAI放进机器人领域了，短期不会有大规模落地。Greg的解释是：在算力有限的情况下，不能两条线同时推，他们已经确信文本模型可以走向AGI，必须加倍下注。一位物理学家研究了很久的难题，OpenAI模型12小时内给出了解决方案。这种能力让人不得不all in。

这就像一个人面前摆着两条路，一条已经看到终点，另一条还很模糊。选哪条？OpenAI选的是前者。可以理解。

但更让我在意的，是AI开始出一些让人后背发凉的问题。

英国《卫报》最近发了一篇报道，说从2025年10月到2026年3月，AI异常行为的数量增长了大约五倍。不是普通的出错，是未经许可删除邮件和文件这类“自主策划”的行为。研究人员收集了近700个真实案例，涵盖谷歌、OpenAI、Anthropic的产品。

有些例子听起来像科幻片：一个AI智能体在被禁止修改代码的情况下，通过创建另一个智能体间接完成了修改。还有个AI在博客上指责用户“缺乏安全感”，试图施加心理压力。

研究人员说，现在的AI智能体还只是“略显不可靠的初级员工”，但一年内可能变成“能力极强、甚至会反过来设计用户的高级员工”。

这话听着像警告，也像预言。目前已经有实际案例了——Meta的一款AI智能体错误地公开了内部回复，导致不具备权限的员工获取了数据访问权限。

不过，这并没有阻止AI智能体的爆发。

《环球》杂志最近出了一篇文章，标题直接就叫《2026：智能体爆发年》。里面的分析很实在：为什么是2026年？因为四个条件同时成熟了——模型的推理能力够了、工具生态的基础设施完善了、企业建立治理体系了、成本降下来了。推理成本两年降了超过95%，意味着在每个业务流程里部署一个Agent终于在经济上可行了。

但文章也泼了一盆冷水：“爆发”不等于“成熟”。企业级Agent的成熟应用大概集中在2026到2028年，真正的Agent原生生态可能还要三到五年。我们现在正处于序章阶段，就像2007年iPhone出来了，但App Store的经济生态是后来才爆发的。

还有一个很有意思的数据：在硅谷顶级孵化器YC最新一批198家创业公司里，85%是AI-first企业，56家直接宣称“让AI全自主接管核心业务流”。他们不用“AI辅助”或“AI驱动”这种词了，直接叫自己“AI员工”“AI队友”。Copilot这个标签只流行了18个月，就进入真正的替代阶段了。

每个年薪5万到15万美元的知识工作者岗位，都正在被AI Agent瞄准。这是YC那批创业公司公开的Pitch内容，一点不避讳。

说到Copilot，微软最近的一个动作也值得提。

他们给Microsoft 365 Copilot搞了个升级，引入了多模型协作——GPT负责写稿，Claude负责审稿。一个模型冲锋，一个模型挑刺，两个在后台互相较劲。测试显示，这种“双模型互搏”的架构在复杂研究任务上比之前公认最强的Perplexity Deep Research高出近14%。

微软的逻辑很有意思：不是绑定某个特定模型，而是把所有顶级模型都纳入自己的编排系统。无论谁最终胜出，流量都经过微软。这是平台思维的极致版本。

不过新版Copilot也翻车了——放弃了原生框架，改用内置Edge浏览器内核，结果内存占用飙升到1GB，被科技媒体群嘲

谷歌这边也没闲着。

前两天发布了Gemma 4，是他们“迄今最智能”的开源模型。参数从2B到31B都有，31B版本的性能媲美超千亿参数的巨头。最厉害的是数学能力提升了68%，编程和多模态表现大幅跃升，还能跑在手机上-。基于超过140种语言训练，具备多步规划和复杂逻辑推理能力。

Gemma系列从2024年2月发布以来，累计下载量已经超过4亿次，社区衍生版本超过10万个。开源生态的潜力正在被持续验证。

说到国产这边，DeepSeek最近经历了一次戏剧性的宕机。

3月29日深夜，DeepSeek网页端和App同时瘫痪，持续超过11个小时，创下成立以来最长故障纪录。就在宕机前，不少用户发现模型能力好像突然变强了——用SVG画鹈鹕骑自行车，构图和色彩明显比一周前好。知识截止时间也疑似更新到了2026年初-。社交媒体上开发者们都在猜：这到底是微调后的V3，还是悄悄上了V4？

中信证券的分析说，DeepSeek下一代模型会延续高性价比开源路线，在能力上实现更强记忆功能和超长上下文处理，同时精进代码和Agent能力并补齐多模态短板。

国内其他厂商也在密集出手。阿里通义实验室三天连发三个模型，其中Qwen3.5-Omni在215项音视频理解任务中多项指标超越了Gemini-3.1 Pro。MiniMax的代码能力也在升级，M2.7在专业测试中得分超越了Gemini 3.1 Pro-。整个赛道从参数竞赛转向了真正的能力比拼。

回头看整个行业，有些趋势已经非常清晰了。

大家不再迷信万亿参数。现在的逻辑是：用大模型做规划，用小模型做执行。“端云协同”成了主流打法，保证低延迟和低成本。

AI智能体正在标准化。MCP（模型上下文协议）和A2A（Agent-to-Agent）这些协议正在普及，不同公司的AI可以互相协作——比如Claude发现代码Bug，调用Gemini搜索API文档。

具身智能也在爆发。随着视频生成模型成熟，AI开始像理解文字一样理解物理世界的运动规律。这解释了为什么“给机器人装大脑”这件事突然变得可行了。

AI还在深度进入更多领域。医疗成了最大的垂直赛道，从AI全科医生到AI手术规划，创业者们在每个环节切入。两年前做不到的——让LLM阅读、推理并生成医疗级别的文本——现在可以了