## OpenAI发布《智能时代产业政策》白皮书，呼吁以人为本的AI治理框架 2026年4月6日，OpenAI发布了一份题为《智能时代产业政策》的白皮书，提出了一系列“以人为本”的政策构想，旨在为即将到来的超级智能时代构建一个公平、包容且具有韧性的社会框架。这份文件并非最终政策建议，而是作为启动全球讨论的起点，邀请各方共同参与、完善或挑战。 ### 核心政策理念：三大支柱 OpenAI提出的政策构想围绕三个核心支柱展开： 1. **扩大机会**：确保先进AI技术能够惠及所有人，而不仅仅是少数特权阶层。这意味着需要设计政策来促进AI技术的普及应用，特别是在教育、就业和公共服务领域。 2. **共享繁荣**：随着AI驱动的生产力提升，如何公平分配经济收益成为关键。OpenAI建议探索机制，确保技术进步带来的财富增长能够广泛分享，避免加剧社会不平等。 3. **构建韧性机构**：面对超级智能可能带来的颠覆性变化，现有的社会、经济和政治机构需要增强适应性和韧性。这包括更新监管框架、强化民主决策过程，以及建立能够应对快速技术变革的治理结构。 ### 为什么现在提出？ OpenAI明确指出，随着AI技术向超级智能演进，渐进式的政策调整已经不够。必须提前规划，以避免技术失控或社会分裂的风险。这份白皮书的发布时机“有意提前且具有探索性”，旨在激发全球范围内的政策辩论，为未来几年的立法和治理实践奠定基础。 ### 具体行动倡议 为了推动讨论转化为实际行动，OpenAI宣布了三项配套措施： - **公开征集反馈**：设立专用邮箱 newindustrialpolicy@openai.com，欢迎各界人士提交意见、批评或补充建议。 - **资助研究与人才**：启动试点项目，提供高达**10万美元**的研究资助和**100万美元**的API积分，支持基于这些政策构想的相关工作。 - **举办线下研讨**：计划于2026年5月在华盛顿特区新开设的OpenAI Workshop举办系列讨论会，汇聚政策制定者、学者和行业领袖。 ### 行业背景与意义 在AI技术快速迭代的背景下，如何平衡创新与监管、效率与公平，已成为全球性挑战。从欧盟的《人工智能法案》到美国的AI行政令，各国都在探索自己的治理路径。OpenAI此次主动提出政策框架，反映了领先AI公司对自身社会责任的认知升级——技术开发者不能只埋头造模型，还必须参与塑造使用这些技术的规则和环境。 ### 潜在挑战与不确定性 尽管构想宏大，但具体实施路径仍存在诸多未知。例如： - **资金从何而来？** 共享繁荣需要财政资源，但税收或再分配机制的设计极为复杂。 - **全球协调难题**：AI无国界，但政策有国界。如何在不同政治体制间达成共识？ - **技术预测风险**：超级智能的时间线和能力边界仍不确定，政策是否需要预留弹性空间？ ### 小结 OpenAI的这份白皮书标志着AI治理讨论进入新阶段——从“是否要管”转向“如何管好”。其核心信息是：我们必须提前思考超级智能的社会影响，并设计出确保技术服务于人类整体福祉的制度。虽然具体方案有待完善，但启动这场对话本身，就是迈向负责任AI时代的关键一步。 > 注：本文基于OpenAI发布的公开文档撰写，政策细节和后续进展请以官方信息为准。
OpenAI 联合创始人 Sam Altman 与 Jakub Pachocki 近日发表长文，勾勒公司对通用人工智能（AGI）未来的核心愿景：**确保 AI 惠及每一个人**，而非仅服务于少数精英。文章以 20 世纪初美国乡村的电气化历程为类比，指出真正改变世界的并非技术本身，而是人们利用技术所创造的可能性。 ## 电气化启示录：技术如何真正改变世界 文章开篇描绘了 1920 年代电力抵达美国乡村时的场景：没有电力，人们的生活被体力劳动和自然光照所束缚。电灯延长了白天，水泵和冰箱减轻了家务负担，收音机则将世界的声音带入家庭。然而，**电力的真正影响并非一夜之间显现**，而是随着接入范围的扩大，催生了新的可能性——机器与计算机加速了医学、工程等领域的进步。到 20 世纪末，人均寿命延长约 **23 年**，通胀调整后收入增长约 **50%**，这些成就很大程度上得益于电气化及其催生的技术革命。 ## AI 的承诺：从工具到伙伴 Altman 和 Pachocki 认为，AI 正处在与电气化相似的历史节点。AI 很快将具备非凡能力，但重点不在于技术本身，而在于人们能用它做什么：**处理医疗账单、学习新技能、创办小企业、照顾年迈父母、理解法律或财务决策、将创意变为现实，甚至推动科学发现**。这些场景的核心是赋予个人更大的自主权和能力。 ## 普惠原则：AI 应为所有人服务 文章强调，**技术是长期繁荣的可靠路径**，因此 AI 应当让每个人都能按需使用，无论何时何地。但这一未来不会自动到来。变革性技术可能集中权力，也可能拓宽权力；可能让少数人生活更轻松，也可能为多数人扩大机会。OpenAI 的立场是：**AI 应为人们服务**，帮助其追求个人目标、增强自身能力，并让技术收益广泛分布。 ## 实践路径：从理念到行动 虽然文章未披露具体产品路线图，但明确表达了 OpenAI 在安全与访问之间的平衡策略。公司此前已通过 ChatGPT 免费版、API 定价下调等方式降低使用门槛，而此次宣言进一步将“**共享繁荣**”提升为组织核心原则。 ## 小结：一场正在展开的社会实验 OpenAI 的这份“计划”更像一份价值观声明，而非技术路线图。它试图回答一个根本问题：当 AI 能力超越人类平均水平时，社会应如何分配这种新“电力”？答案或许不在代码里，而在政策、教育和文化适应之中。正如电气化最终重塑了社会结构，AI 的普惠化也将是一场漫长的、需要多方协作的旅程。
OpenAI 于近日正式启动 **OpenAI 经济研究交流平台（OpenAI Economic Research Exchange）**，这是一项旨在支持外部学者开展 AI 经济影响实证研究的新计划。该平台通过结构化的项目合作，允许研究人员在严格的数据治理和隐私保护框架下，利用 OpenAI 的工具与数据集，对 AI 如何影响劳动者、企业、机构及整体经济进行严谨的因果推断。 ## 研究重点与申请方向 平台目前开放项目申请，重点关注以下领域： - **劳动力市场**：AI 对就业结构、工资水平及技能需求的影响 - **生产力与创新**：AI 如何改变企业运营效率和创新模式 - **教育与创业**：AI 在人力资本积累和新企业创建中的作用 - **区域与公共经济**：AI 对地区发展差距、公共财政及不平等的影响 申请者需具备扎实的实证研究能力，尤其在应用因果推断、测量、劳动经济学、产业组织或相关领域有丰富经验。提案需明确说明如何通过隐私保护的方式使用 OpenAI 工具来回答关键问题。 ## 合作机制与数据安全 入选的研究者将开展经过严格范围界定的项目，设有明确的里程碑、数据治理和审查流程。OpenAI 强调，所有研究必须在保护用户隐私和负责任使用数据的前提下进行。该平台是 OpenAI 在 AI 经济影响测量方面的又一重要举措，延续了其此前发布的 **OpenAI Signals** 等成果。 ## 行业背景与意义 随着生成式 AI 的快速普及，学术界和政策制定者迫切需要基于真实世界证据的研究，而非仅依赖传闻或预测。OpenAI 此举旨在填补这一空白，通过资助外部独立研究，为政策制定者、企业和公众提供可信的决策依据。申请现已开放，详情可查阅官方提案征集书（RFP）或联系 econresearch@openai.com。
全球技术服务公司 Endava 正通过 AI 智能体、ChatGPT Enterprise 和 Codex 加速软件交付、自动化工作流，并在企业内部构建 AI 原生文化。其 CTO Matthew Cloke 分享了这场转型的核心：将 AI 嵌入日常工作的每一个环节，从需求分析到部署，让智能体成为默认的协作伙伴。 ## 从工具到文化：AI 优先的思维转变 对于拥有 25 年历史的 Endava 而言，引入 AI 并非简单的工具叠加，而是对工作流、领导方式及团队协作模式的彻底重构。Cloke 指出，过去两年 AI 对 Endava 产生了根本性影响，公司必须回答“如何在 AI 新时代保持相关性”这一命题。 为此，Endava 选择 OpenAI 作为企业 AI 平台，全员开放 ChatGPT Enterprise 和 Codex 的访问权限。目标不仅是采用，更是让 AI 成为日常工作流的一部分。“AI 原生意味着首先想到用 AI 解决问题，而不是最后才考虑它。”Cloke 强调，这种思维转变要求团队将 AI 视为默认选项，而非锦上添花。 ## DavaFlow：AI 原生的交付方法论 AI 转型最初从软件交付团队开始。当开发者尝试 AI 辅助编码和智能体工作流后，他们发现瓶颈已不再是工程产出——需求收集、业务分析、规划和利益相关者协调都需要同步提速。 这一洞察催生了 **DavaFlow**，Endava 的 AI 原生交付方法论。Cloke 表示：“我们开始挑战自己能多快产出需求，多快为客户提供正确的业务方案。”如今，OpenAI 技术已嵌入 DavaFlow 全生命周期，从会议准备、业务规划到产品发现、软件工程和部署，无一例外。“DavaFlow 的每个环节都在使用 OpenAI 技术。” ## 智能体无处不在 在 Endava，智能体已成为后台运行的常态。Cloke 直言：“如果我没有一个智能体在后台运行，我会觉得自己在浪费时间。”这种文化鼓励员工将重复性工作交给 AI，从而聚焦更高价值的创造。 通过 AI 智能体，Endava 不仅提升了软件交付速度，还重塑了企业工作流。例如，在需求分析阶段，AI 能自动从会议记录中提取关键信息并生成初步文档；在部署环节，Codex 辅助代码审查和测试，大幅减少人工错误。 ## 行业启示 Endava 的实践为技术服务业提供了可复用的范本：AI 转型不仅是技术升级，更是组织文化的演进。当企业将 AI 嵌入日常流程，并从领导层开始倡导实验精神，智能体便能从工具进化为协作伙伴。这种“AI 原生”思维，正成为下一代软件交付的核心竞争力。 > 关键点总结： > - **平台选择**：以 OpenAI 为基础，全员使用 ChatGPT Enterprise 和 Codex > - **方法论创新**：DavaFlow 将 AI 嵌入交付全流程 > - **文化驱动**：让智能体成为默认工作方式，而非额外选项
OpenAI 正在为 ChatGPT 推出一种更强大的记忆合成系统，名为“梦境”（Dreaming），旨在解决现有记忆机制中信息过时、准确性不足和可扩展性差的问题。该系统能够自动从用户的多轮对话中提取关键上下文，并持续优化记忆的时效性和相关性，从而使 ChatGPT 在长期交互中保持对用户偏好、项目和约束的理解。目前该功能已面向美国地区的 Plus 和 Pro 用户开放，未来数周将逐步推广至更多国家和免费用户。 ## 记忆机制的演进：从“保存”到“梦境” ChatGPT 的记忆功能最早于 2024 年 4 月以“保存的记忆”（Saved Memories）形式推出。用户需要明确指示 ChatGPT 记住某些信息（如“记住我七月份要去新加坡”），模型才会在后续对话中调用这些内容。然而，这种被动式的记忆方式存在明显局限：只有被明确记录的片段才能保留，且随着时间推移容易变得过时或不准确。 2025 年 4 月，OpenAI 首次引入了“梦境”机制的初始版本，让模型能够自动从聊天历史中提取相关上下文，而不再仅仅依赖用户主动保存的记忆。这一改进使得 ChatGPT 可以持续学习并动态更新记忆状态，确保每次对话都能提供最新、最相关的背景信息。 ## “梦境”如何工作？ 与传统的“保存的记忆”不同，“梦境”通过后台进程持续运行，能够从大量对话中综合提炼出有价值的记忆。它不再要求用户明确说出“请记住……”，而是能够自然地从日常交流中捕捉关键信息。例如，如果用户多次提及自己的职业或正在进行的项目，ChatGPT 会逐渐将这些信息整合到记忆库中，并在后续对话中主动引用。 这种机制大大提升了记忆的**新鲜度**和**连续性**。系统会定期评估已有记忆的时效性，自动淘汰过时内容，同时补充新发现的相关信息。对于需要长期协作的场景（如项目管理、学习计划等），ChatGPT 能够始终保持对用户需求的准确理解。 ## 行业影响与未来展望 记忆能力的进化是 AI 助手从“一次性工具”迈向“长期伙伴”的关键一步。传统的对话模型每次交互都几乎从零开始，缺乏持续学习的机制。而“梦境”系统通过后台的记忆合成，让 AI 具备了类似人类的长时记忆特性——不是死记硬背，而是动态更新、择优保留。 这不仅提升了用户体验，也为 AI 在个性化教育、健康管理、专业咨询等需要长期跟踪的领域打开了更多可能性。不过，记忆的准确性和隐私保护仍是需要持续关注的挑战。OpenAI 表示，用户仍然可以随时查看、编辑或删除记忆内容，保持对数据的控制权。 总的来说，“梦境”代表了 ChatGPT 在记忆能力上的一次重要跃升。随着该功能逐步覆盖更多用户，我们或许将看到 AI 助手真正开始“记住”并“理解”每个人，而不仅仅是回应每一次输入。
2026年6月4日，OpenAI发布了一项名为“智能时代的生物防御”的行动计划，旨在利用先进AI能力构建更具弹性的生物安全未来。该计划的核心是GPT-Rosalind——一款前沿推理模型，专为支持生物学研究、药物发现和转化医学而设计。OpenAI认为，AI不仅能帮助科学家更深入地理解疾病、开发新疗法，还能在生物安全领域发挥关键作用。 ## 从能力到防御 2026年4月，OpenAI推出了**GPT-Rosalind**，这是其首个专注于生物医学的推理模型。该模型旨在加速从基础研究到临床应用的转化，覆盖广泛的疾病领域。然而，OpenAI也清醒地认识到，同样的能力若被滥用，可能带来生物安全风险。为此，2026年5月，OpenAI又发布了**Rosalind Biodefense**，帮助受信任的开发者构建新的生物防御和大流行病防范能力。 ## 行动计划的三大支柱 该行动计划的核心策略是：**为负责任的防御者配备先进能力**，同时建立必要的安全措施、证据基础和治理框架。具体包括： - **早期检测**：利用AI模型分析全球数据，更早发现生物威胁信号。 - **快速响应**：通过AI加速疫苗、疗法和诊断工具的研发周期。 - **协调治理**：建立跨部门、跨国界的合作机制，确保AI在生物安全领域的负责任使用。 ## 行业背景与意义 当前，AI在生物学领域的应用正从实验室走向产业化。AlphaFold等工具已改变了蛋白质结构预测，而GPT-Rosalind则更进一步，将推理能力与生物知识结合。OpenAI此举不仅是对自身技术风险的主动管理，也是为整个AI行业树立生物安全治理的标杆。 ## 挑战与展望 尽管前景光明，但AI驱动生物防御仍面临数据隐私、模型滥用、国际合作等挑战。OpenAI强调，需要持续的证据积累和动态调整的治理规则。该计划的发布，标志着AI公司从“技术先行”向“安全并重”的战略转型。 随着GPT-Rosalind和Rosalind Biodefense的逐步落地，我们或许将看到一个更早预警、更快响应、更具韧性的生物防御体系。这不仅是技术的胜利，更是人类面对未来生物威胁时的集体智慧。
OpenAI 于 2026 年 6 月 3 日发布了 GPT-Rosalind 系列的重大模型更新。该模型专为企业级生命科学研究设计，融合 GPT-5.5 的智能编码与工具使用能力，在药物化学、基因组学等核心领域实现了更强的模型智能，并在更广泛的生科分析、设计与实验工作流中提升了性能。 ## 提升科学价值任务的性能 为了衡量并持续改进 GPT-Rosalind 的实际影响力，OpenAI 设计了 **LifeSciBench**——一个由外部专家评审的基准测试，专注于生命科学研究的六个核心工作流：证据处理、分析、设计与优化、科学推理、验证与操作、转化与沟通。 例如，在证据处理任务中，模型需要从论文、图表、表格和实验记录中提取、核对和审计科学证据。一个评估实例是：为 Duchenne 肌营养不良症的基因疗法准备 FDA B 类会议材料，要求模型对现有数据包能否支持加速审批进行严格评审。 ## 增强的领域能力 更新后的 GPT-Rosalind 在以下方面表现突出： - **生物学推理**：更深入地理解分子、基因、通路与生命系统之间的复杂关系。 - **药物化学专业知识**：能够处理复杂的药物化学查询，辅助分子设计与优化。 - **基因组学分析**：增强对基因组数据的解读能力。 - **实验工作流**：包括湿实验室故障排除等实际操作支持。 ## 可用性与部署 GPT-Rosalind 现已通过 OpenAI 的**可信访问部署结构**，面向全球符合条件的组织提供研究预览。这意味着企业可以在严格的安全与合规框架下，率先体验这一专为生命科学优化的大模型。 ## 行业意义 生命科学领域长期面临数据异构、跨尺度整合的挑战。GPT-Rosalind 的升级标志着 AI 从通用助手向**领域专用智能体**的演进。通过将前沿的 agentic 能力与深入的领域知识结合，它有望加速药物发现、基因治疗研究以及个性化医疗的进程。 对于生物技术公司、制药企业和学术研究机构而言，这一更新提供了一个强大的工具，能够在从文献挖掘到实验设计的全链条中提升效率与准确性。
Wasmer 利用 OpenAI Codex 和 GPT-5.5，在两周内完成了原本需要一年的项目：构建一个可在 WebAssembly 沙箱中运行 Node.js 的运行时 Edge.js。开发速度提升了 10 到 20 倍，团队得以承担更雄心勃勃的项目。 ## 从 IDE 到边缘：一次 AI 加速的突破 Wasmer 是一家专注于边缘计算平台的小型初创公司，目标是让开发者跨本地和全球环境无缝运行应用。其最新产品 **Edge.js** 是一个 JavaScript 运行时，允许在 WebAssembly 沙箱中运行 Node.js 工作负载，支持 AI 和边缘计算场景——无需 Docker。 创始人兼 CEO **Syrus Akbary Nieto** 坦言：“我们一直想做这个项目，但以前没有资源。现在有了 Codex，我们可以在两周内交付原本需要一年的成果。” ## AI 如何改变开发流程？ Wasmer 团队最初对 AI 持怀疑态度，但实际使用后效果远超预期。Codex 不仅处理代码生成，还帮助工程师跨语言和代码层次进行推理。Nieto 强调：“我们不再直接在 IDE 里写大量代码，而是引导 AI 走向我们想要的方向。” 这种“引导式开发”让团队将精力集中在架构设计和关键决策上，将机械编码工作交给 AI。结果是开发速度提升 **10 到 20 倍**，并且团队敢于挑战此前因时间不足而搁置的复杂项目。 ## 边缘计算的新可能 Edge.js 的推出使 Wasmer 成为首家在边缘层提供完整 Node.js 支持的云服务商。这意味着开发者可以在边缘环境运行 JavaScript 应用、MCP（模型上下文协议）和 AI 代理，而无需依赖传统容器化方案。 对于 AI 行业而言，这一进展降低了边缘部署的门槛：Node.js 生态的丰富库和工具可以直接在 WebAssembly 沙箱中运行，兼顾安全性与性能。 ## 小结 Wasmer 的案例展示了 AI 辅助编程的范式转变：不是替代开发者，而是放大其能力。当小型团队也能以周为单位交付原本需要数月甚至一年的基础设施级项目时，整个行业的创新节奏将被重新定义。
OpenAI 于 2026 年 6 月 3 日发布了一份名为《前沿AI民主治理蓝图》的政策文件，为美国构建持久、适应性强的联邦人工智能治理框架提出路线图。该蓝图聚焦于三大支柱：**建立国家框架**，整合各州前沿安全法规的共识（如加州 SB 53、纽约 RAISE 法案、伊利诺伊州 SB 315）；**强化 CAISI 机构**，使其成为联邦政府在前沿AI安全领域的主要执行机构；以及**动员跨部门韧性计划**，应对前沿AI带来的国家安全与公共安全挑战。 OpenAI 指出，当前正值关键窗口期——各州已开始形成协调一致的前沿AI治理路径，白宫也发布了关于促进先进AI创新与安全的新行政令。联邦政府需在此基础上，构建一个能够与技术同步演进的持久框架。 蓝图的发布标志着 OpenAI 从技术研发向政策倡导的深度延伸。作为前沿AI领域的核心参与者，OpenAI 此举旨在推动建立清晰、可执行的规则体系，避免碎片化监管，同时确保美国在全球AI竞争中的领导地位。文件特别强调“民主治理”原则，意味着框架设计需兼顾透明度、多方参与和公众信任。 在行业背景下，AI安全治理正从“自律”转向“他律”。OpenAI 的蓝图呼应了业界对“可验证安全”的普遍诉求——即不仅要求企业自我声明，更需要第三方审计和联邦层面的强制标准。CAISI 机构若能获得充分授权，将可能成为类似“FDA”式的AI安全审批中枢。 然而，挑战依然存在：联邦框架如何平衡创新速度与安全门槛？各州立法与联邦规则如何避免冲突？CAISI 的技术评估能力能否跟上模型迭代？OpenAI 的蓝图提供了方向性建议，但具体落地仍需国会立法与跨党派共识。 总体而言，这份蓝图是AI治理从“概念讨论”迈向“制度设计”的重要一步。它既是对现有州级立法与行政令的整合，也是对更长期联邦行动的呼吁。对于关注AI政策的读者而言，这是理解未来美国AI监管走向的关键文件。
OpenAI 于近日发布其公共政策议程，明确阐述了公司在人工智能治理上的核心原则与政策优先事项。该议程以“确保通用人工智能（AGI）惠及全人类”为使命，围绕 **民主化、赋能、普遍繁荣、韧性和适应性** 五大原则展开。 ## 核心原则与用户画像 OpenAI 强调，其技术开发与政策参与均受五大原则指引： - **民主化**：防止技术权力过度集中 - **赋能**：帮助每个人实现目标、学习与成长 - **普遍繁荣**：让所有人都能享有优质生活 - **韧性**：与各界合作应对AI新风险 - **适应性**：随技术发展动态调整立场 值得注意的是，OpenAI 披露的用户数据展现了其“普惠”定位：**女性用户与男性用户数量持平**，30岁以下及30岁以上用户均领先其他AI平台，**年收入低于10万美元的用户多于高收入用户**，这一结构“反映了全球劳动力的整体构成”。 ## 政策优先事项 OpenAI 将政策重点锁定在四个领域： 1. **AI安全**：建立可验证的安全标准，防范滥用与事故 2. **青年保护**：针对未成年用户设计防护措施，确保技术使用安全 3. **劳动力转型**：支持因AI而变化的就业市场，推动再培训与社会保障 4. **全球标准**：倡导国际协作，避免监管碎片化 ## 行业背景与解读 此次议程发布正值全球AI监管加速期。欧盟《AI法案》已进入实施阶段，美国国会也在推进联邦立法。OpenAI 选择在此时主动抛出政策框架，既是对外部监管压力的回应，也意在引导规则制定方向。其强调“民主化”与“普遍繁荣”，显然希望淡化外界对“技术巨头垄断”的担忧。 值得注意的是，议程中 **未提及开源模型的具体政策立场**，也未对数据版权问题给出明确方案。这可能意味着 OpenAI 将在后续细则中补充相关立场。 ## 小结 OpenAI 的公共政策议程是一份“宣言式”文件：它不提供具体立法建议，而是为自身设定政策参与基调。其核心逻辑是：**AI 的收益应广泛分配，风险需共同应对**。随着2026年全球AI治理格局逐渐成型，OpenAI 能否将原则转化为可操作的规则，将是下一阶段的关键看点。
美国旅行者保险公司（Travelers）宣布，基于 OpenAI 技术构建的 AI 理赔助手已在美国全国范围内上线。该助手利用 OpenAI Realtime API 和前沿模型，通过自然对话引导客户完成汽车财产损失理赔的首次通知流程，涵盖保单查询、细节收集和理赔提交等环节。 ## 核心成果 - **90% 的客户通过 AI 完成理赔**：在最初八个州试点后，两个月内扩展至全美，85%-90% 使用 AI 助手的客户最终通过 AI 完成理赔提交。 - **7×24 小时即时响应**：客户无需等待，即使在灾难事件导致理赔激增时也能获得即时支持。 - **减轻专业人员负担**：理赔专家得以专注于更复杂的案件，提升整体运营效率。 ## 技术实现 Travelers 将 OpenAI 模型与其理赔基础设施、编排系统和内部工具深度集成，确保在**企业级规模下安全运行**。面对灾难事件时，系统能在数日内处理超过 10 万件理赔——去年 Travelers 处理了超过 150 万件理赔，支付损失超过 230 亿美元。 ## 行业意义 这一部署展示了**生成式 AI 在传统保险业落地的标杆案例**：通过实时语音交互实现端到端的理赔自动化，既改善了客户体验，又显著提升了运营韧性。Travelers 高级副总裁 Patrick Gee 表示：“OpenAI 实时模型的独特之处在于它能在这种环境中表现出色。” 目前，全球已有超过 100 万家企业通过 OpenAI 获得显著成效。Travelers 的实践为金融保险行业提供了可复用的 AI 转型路径。
超过 500 万用户每周使用 Codex，其中非开发者用户占比已达 20%，且增长速度是开发者的 3 倍以上。为了满足分析师、营销人员、设计师、投资者等多元角色的需求，OpenAI 今日推出了一系列面向特定角色的新插件、站点和注释功能，让 Codex 更好地融入团队的实际工作流程。 ## 插件：让 Codex 适配你的角色与工具 新发布的六款角色插件无需编码即可使用，每款插件都捆绑了相关应用、技能、指令和工作流，共覆盖 **62 款热门应用** 和 **110 项技能**： - **数据分析插件**：帮助分析师和业务团队用数据回答问题，支持探索产品与业务数据、解释关键指标变化、创建报告和仪表盘。集成了 Snowflake、Databricks Genie、Hex、Tableau 等工具。 - **创意制作插件**：帮助营销和创意团队将简报转化为可审核的素材，可创建活动看板、制作和优化展示广告变体、生成产品场景图或电商图片集。集成了 Figma、Canva、Shutterstock、Picsart、Fal 等。 - **销售插件**：帮助销售团队更高效地管理客户互动。 - 此外还有面向 **运营、投资者、设计师** 等角色的专用插件，覆盖从内部应用构建到高管材料准备的多种场景。 ## 注释功能：原地精调结果 Codex 新增的注释功能允许用户在生成结果上直接添加标记、修改建议或补充说明，无需反复切换上下文。这一功能特别适合需要多次迭代的创作或分析任务，例如修改报告中的图表标注、调整营销文案的语气等。 ## 站点预览：将交互式应用一键分享 Codex 还预览了创建交互式网站和应用的能力，用户可以通过 URL 与工作区成员共享。在 OpenAI 内部，非技术团队已用该功能搭建内部应用、高管汇报材料和仪表盘。外部案例中，Zapier 团队利用 Codex 从 Slack、Google Docs、Coda 等工具中提取知识，生成事后复盘、事件响应计划和功能工单；NVIDIA 的研究人员则用它加速实验工作流，从寻找研究思路到编写机器学习基础设施脚本。 ## 行业影响：AI 工具从“开发者专属”走向“全员可用” Codex 的这次更新标志着 AI 编程助手正从单一开发者工具演变为跨角色协作平台。非开发者用户的快速增长（3 倍于开发者）说明，低代码或无代码的 AI 界面正在降低技术门槛，让更多业务人员能够直接利用 AI 提升工作效率。同时，插件生态的扩展也意味着 Codex 正在与更多企业级 SaaS 工具深度集成，形成“AI + 工作流”的闭环。 对于企业而言，这些新功能意味着团队无需切换多个工具即可完成从数据查询到内容创作的全链路任务，有望显著减少信息孤岛和沟通成本。不过，如何确保插件的数据安全与权限管理，以及如何让非技术用户真正掌握这些能力，仍是 OpenAI 需要持续解决的问题。
OpenAI近日发表声明，呼吁全球采取行动保障青少年在人工智能环境中的安全，并提出建立专门的国际青少年AI安全研究所。声明指出，AI可以为青少年带来个性化学习、技能提升等巨大机遇，但必须确保安全、适龄且促进健康发展。OpenAI将在即将举行的G7峰会上重点讨论这一议题。该研究所旨在提供持续的研究、证据和指导，提升行业标准，并与现有机构如Common Sense Media的青少年AI安全研究所合作。
OpenAI 于 2026 年 6 月 2 日发布最新报告《知识工作新时代》，揭示其 AI 平台 **Codex** 正从编程工具演变为覆盖全职业的生产力助手。报告显示，Codex 目前周活跃用户已突破 **500 万**，自 2 月桌面应用上线以来增长超过 **6 倍**。虽然开发者仍是最大用户群体，但知识工作者占比已达 **20%**，且增速是开发者的 **3 倍以上**，标志着更广泛的应用转型正在发生。 ## 知识工作者的典型使用场景 知识工作者主要利用 Codex 创建报告、电子表格、演示文稿、合同等工作成果。此外，**研究、数据分析、工作流自动化** 以及构建原本需要工程支持的轻量级工具，成为增长最快的任务类别。用户越来越多地同时运行多项 Codex 任务，例如并行处理数据调查、材料起草和流程自动化，这种 **多任务并行能力** 显著提升了工作节奏。 ## 对职业发展的潜在影响 OpenAI 在报告中指出，Codex 可帮助人们承担更具雄心的项目，从而 **扩大个人职责范围**，并可能加速职业晋升。通过减少信息查找、跨工具协调、审批流程等现代工作中的摩擦，Codex 让知识工作者能够专注于更高价值的工作。 ## 行业趋势与展望 报告强调，Codex 的普及正在重塑 AI 对工作的长期影响。从金融到医疗，各行业用户均利用 Codex 降低工作阻力，提升产出质量。OpenAI 表示，这一趋势预示着 AI 将从辅助工具转变为 **核心生产力基础设施**，推动知识工作进入新纪元。 更多细节可查阅完整报告。
OpenAI 近日发表官方声明，详细阐述了其在 AI 政策与政治倡导方面的立场，强调公司致力于透明、支持审慎监管和 AI 安全，并明确表示没有任何外部政治团体有权代表公司发言。 ## 核心立场：AI 治理应由多方参与 OpenAI 认为，AI 是人类有史以来最强大的技术之一，当前关于其治理和部署的决策将产生长远影响。公司主张，AI 的未来应由政府、研究人员、劳动者、公民社会、独立专家和公众共同塑造，而非由任何单一公司或组织主导。与此同时，像 OpenAI 这样的技术公司有责任明确自身的价值观、政策立场以及倡导方式。 ## 政治参与：坚持零捐款，不设 PAC 在过去一年中，AI 政策已成为政治辩论的焦点，越来越多的外部团体试图影响相关决策。许多科技公司已设立由员工资助的政治行动委员会（PAC），或向现有 PAC 捐款以塑造 AI 的公众叙事。OpenAI 则采取了截然不同的做法：**公司没有向任何超级 PAC 捐款，也没有设立员工资助的 PAC，更没有向政治候选人或竞选活动提供任何捐款**。OpenAI 承诺，如果未来改变这一做法，将保持透明。 ## 明确边界：个人行为不代表公司 OpenAI 允许员工以个人身份参与政治活动，包括捐款或为候选人、竞选活动和政治组织提供建议。但公司强调，**这些行为属于个人行为，不代表 OpenAI 的立场**。针对外界关于其联合创始人格雷格·布罗克曼（Greg Brockman）及其妻子安娜支持的组织“引领未来”（Leading the Future，LTF）的疑问，OpenAI 明确回应：布罗克曼夫妇与 LTF 的接触纯属个人行为，公司不指导 LTF 的活动，也不了解其运作。**没有任何外部政治团体能代表 OpenAI 或公司的观点**。 ## 呼吁透明与诚信 OpenAI 认为，AI 政策过于重要，不应沦为党派政治的又一个战场。公司呼吁所有倡导 AI 的团体都应明确其政策观点，诚实地说明其代表对象，避免使用“草根伪装”（astroturfing）等掩盖真实选择的手段。OpenAI 表示，其政策立场应以其公开言行作为评判标准，并承诺接受高标准审视。 ## 支持审慎监管与 AI 安全 作为声明的一部分，OpenAI 重申了对审慎监管和 AI 安全的支持，但未在本次声明中展开具体细节。这一立场与其一贯倡导的“安全、负责任地开发通用人工智能”的使命相符。 总体而言，OpenAI 此次表态旨在划清公司与个人政治活动的界限，回应外界对其政治影响力的质疑，并倡导 AI 政策讨论的透明与诚信。在 AI 监管日益成为全球焦点的当下，OpenAI 的立场或将为行业树立一种新的透明度标杆。
2026年6月1日，OpenAI在密歇根州萨林市正式启动了名为“The Barn”的1GW数据中心园区项目。该项目是“星际之门”计划的一部分，旨在为人工智能时代构建关键基础设施。开工仪式上，密歇根州州长格雷琴·惠特默、当地社区与劳工领袖以及合作伙伴甲骨文、Related Digital和Walbridge共同出席。 **项目核心承诺** - **不增加居民负担**：项目所需基础设施和能源成本由项目方承担，不会转嫁给本地纳税人，确保居民电费不因此上涨。 - **保护水资源**：采用闭环冷却系统，用水量仅相当于普通办公楼，最大限度减少对当地水资源的压力。 - **创造就业机会**：预计将创造超过 **2,500个工会建筑岗位**、450个永久现场岗位、1,500个县级岗位以及1,000个间接岗位，重点雇佣密歇根本地熟练工人。 - **社区投资**：OpenAI联合Related Digital、甲骨文、Walbridge和黑石集团，向萨林市娱乐中心捐赠 **1,000万美元**，用于社区优先设施改造。此外，项目在租赁期内预计产生 **10亿美元税收**，用于支持当地学校和服务。 - **AI教育与培训**：作为更广泛承诺的一部分，OpenAI将投入 **4,500万美元**，用于提供AI工具和培训机会，确保当地居民能够分享技术红利。 **行业背景与意义** “The Barn”是OpenAI“星际之门”计划的首个大型数据中心，标志着AI基础设施从概念走向落地。当前，全球AI算力需求呈指数级增长，大规模数据中心成为支撑模型训练与推理的关键。密歇根州凭借政府支持、能源资源和劳动力优势，正成为AI基础设施投资的热土。该项目不仅巩固了OpenAI在算力领域的领先地位，也为其他科技企业树立了“社区友好型”基建的标杆。 **未来展望** 随着项目推进，OpenAI计划进一步扩展在密歇根州的布局，包括设立区域办事处和AI研发中心。州长惠特默表示，该项目将推动密歇根从传统制造业向智能经济转型，创造长期经济活力。
## 速度至上：Codex 让客户反馈直达代码实现 在 AI 产品开发领域，**Braintrust** 作为一家专注于 AI 可观测性与评估的平台，始终致力于提升产品质量。近日，其创始人兼 CEO **Ankur Goyal** 分享了团队如何利用 OpenAI 的 **Codex** 模型（基于 GPT-5.5）彻底改变开发流程——将客户功能请求转化为可预览的代码分支，整个过程仅需数分钟。 ### 从积压到实时迭代 Goyal 指出，此前客户提出的功能请求通常会进入待办列表，等待后期优先级排序。而现在，工程师可以直接将需求复制粘贴到 Codex 中，生成预览分支并立即展示给客户。这种转变的核心在于 **Codex 的终端输出速度**：它能在不降速的情况下打印大量文本，这是其他模型难以复现的特性。 > “听起来很简单，但 Codex 的终端输出速度极快，其他模型无法做到这一点。最大的收获就是速度。”——Ankur Goyal 速度带来的不仅是效率提升，更是交互方式的变革。Goyal 表示，速度差异让他与 Codex 的互动方式与其他模型截然不同。团队现在能够将迭代融入日常开发流程，而非让需求等待。 > “Codex 让我们能够实时尝试客户功能请求。以前，如果收到一个功能请求，它会进入积压，然后被排期。现在，我们可以复制粘贴请求，创建预览分支，并在几分钟内向客户展示完成的结果。” ### 自主解决问题的可能性 对于 Goyal 而言，Codex 改变了尝试新想法所需的准备工作。使用其他模型时，他需要手动引导模型解决特定问题；而使用 Codex 时，他只需编写一个演示问题的测试，创建沙箱环境，然后让 Codex 在环境中自主运行。这种 **自主解决问题** 的能力降低了实验成本，扩大了工程实验的范围。 > “Codex 最酷的一点是，我们可以与客户实时迭代和构思功能请求。我们写的代码越多，能解决的客户问题就越多，而 Codex 是目前最有效的方式。” ### 团队快速迁移与商业价值 令人瞩目的是，在引入 Codex 的一个月内，**Braintrust 团队中 50% 的成员** 转向了 Codex。这种快速采纳反映了 Codex 在提升开发效率方面的显著成效。对于一家面向企业、服务北美技术行业的公司而言，更快的反馈循环意味着更高的客户满意度和更快的产品迭代。 Goyal 强调，速度不仅是工具属性，更是一种改变工作流程的催化剂。Codex 让 Braintrust 能够以更低的成本进行更多实验，从而解决更多客户问题。这种能力在竞争激烈的 AI 市场中尤为重要——快速响应客户需求已成为核心竞争优势。 ### 小结 Braintrust 的案例展示了 Codex 如何将 AI 模型从辅助编码工具转变为开发流程的核心引擎。通过大幅缩短从需求到代码的周期，Codex 不仅提升了工程师的生产力，更重塑了团队与客户的互动方式。对于追求快速迭代的 AI 企业而言，这种速度驱动的开发模式或许将成为标配。
波士顿儿童医院（Boston Children’s Hospital）正将人工智能从实验性工具升级为基础设施级别的核心能力。该院通过整合OpenAI技术（包括ChatGPT企业版）到临床与运营流程中，已成功诊断**超过40例此前长期无法确诊的罕见病**，同时节省了**6万小时的人工工时**，并重新部署了**价值700万美元**的劳动力资源。 ### 从“一次性方案”到“企业AI层” 波士顿儿童医院是全球最大的儿科医疗机构之一，每年服务近100万门诊患者，涵盖40多个专科。和许多医疗系统一样，它面临着财务紧张与行政负担加重的双重压力。从发票处理到排班协调，大量重复性工作消耗着医护人员的精力。 最初，医院尝试了零散的AI应用——比如文档处理和翻译工具。但很快，首席创新官John Brownstein意识到这种“一次性方案”的局限：“你不能只靠一个个孤立的解决方案。”于是，医院转向构建一个**企业级AI层**：一个安全、内嵌的ChatGPT实例，能够与现有系统深度集成，覆盖从财务到临床的多个场景。 ### 罕见病诊断：打破人类认知极限 在临床端，AI的价值尤为突出。罕见病病例往往涉及碎片化的基因数据、不完整的病史以及海量的医学文献。即使是在顶尖研究机构，医生也无法快速综合所有信息来做出诊断。Brownstein直言：“问题不在于努力不够，而在于人类认知的极限。” 通过AI辅助分析，医院团队能够**将基因数据、临床记录与最新研究进行交叉比对**，从而锁定此前被忽略的病因。目前，已有超过40种罕见病在这一流程下获得确诊——这些病例之前都曾被认为“无解”。 ### 运营效率：50多个自动化流程支撑日常 除了诊断突破，AI在运营层面的效果同样显著。医院部署了**超过50个自动化工作流**，覆盖供应链、计费和排班等领域。这些流程累计节省了6万小时的人工时间，相当于将价值700万美元的人力重新调配到更高价值的任务上。 例如，发票处理从手动逐条核对变为AI自动匹配与异常标记；排班系统则能根据历史数据和实时需求动态优化。这些改进直接降低了运营成本，也让医护人员有更多精力专注于患者。 ### 行业启示：AI作为医疗基础设施 波士顿儿童医院的实践表明，AI在医疗领域的真正潜力不在于替代医生，而在于**扩展人类能力边界**。当AI被作为基础设施而非孤立工具来部署时，它能够同时解决效率瓶颈和认知局限这两个核心问题。 对于其他医疗机构而言，这一案例提供了清晰的路径：从顶层设计开始，构建安全、可扩展的企业AI平台，而非零散采购工具。正如Brownstein所强调的，**“AI必须成为医院运营的‘操作系统’，而不是一个附加功能。”** 随着更多医院跟进类似策略，AI辅助诊断有望从罕见病拓展到更广泛的临床领域，医疗系统也将逐步从“被动治疗”转向“主动发现”。
OpenAI 于 2026 年 5 月 29 日宣布推出 **Rosalind Biodefense** 计划，旨在通过受信访问模式，将前沿 AI 能力交给经过审查的开发者和美国政府合作伙伴，用于生物防御、公共卫生和流行病防范。此举是 OpenAI 更广泛防御加速战略的一部分，包括开发医疗对策、建立早期预警系统、加强诊断和响应能力，以及支持稳健的评估生态。 ## 核心举措 Rosalind Biodefense 面向两类群体： - **开发者**：可申请构建新的生物防御和流行病防范应用。 - **美国政府及盟友合作伙伴**：可申请受信访问 **GPT‑Rosalind**，支持公共卫生与生物防御任务。 OpenAI 强调，随着 AI 在生物学领域的能力增强，必须确保防御者拥有同样强大的工具，并建立负责任的部署结构。 ## 安全与韧性基础 自 2025 年 7 月发布 ChatGPT agent 起，OpenAI 已将其视为生物学领域的“高能力”模型，并启动了《准备框架》下的多层防护： - 生物专用能力评估 - 针对双重用途生物请求的安全行为训练 - 专家红队测试 - 高风险能力的安全管控 Rosalind Biodefense 正是这一安全策略的延伸，通过受信访问将高级能力精准交付给可信的防御方。 ## 行业背景与意义 当前，AI 在蛋白质设计、基因编辑、流行病预测等领域加速突破，但同时也带来生物安全风险。OpenAI 的选择是“防御优先”，而非单纯限制能力。通过为政府机构和受信开发者提供专用工具，可在不公开高风险能力的前提下，推动疫苗研发、病原体监测和应急响应等关键任务。 这一模式与业界“负责任的 AI 部署”趋势一致，也为其他 AI 公司提供了参考：如何平衡创新与安全，让前沿技术优先服务于公共利益。
OpenAI 近日发布了一份关于第三方 AI 评估的指导性文章，分享了在评估前沿模型能力和安全性方面积累的经验，并提出了设计有效评估的建议。文章指出，随着模型能力的进化，评估方式也需要随之改变，从简单的“问答式”转向更复杂的“环境+任务”模式。评估报告应明确测试的“主张”和“有效性证据”，并关注奖励黑客、拒绝回答、数据污染等影响结果有效性的因素。