Uber 正在利用 OpenAI 的大语言模型和前沿模型，为其全球实时市场平台注入 AI 能力，推出面向司机的 AI 助手 Uber Assistant 以及面向乘客的语音交互功能，帮助数百万用户更高效地决策与出行。 ## 从海量数据到实时洞察 每天，Uber 平台处理 **4000 万次行程**，连接 **1000 万司机和配送员**，覆盖全球 **70 多个国家的 15000 个城市**。每个城市都拥有独特的运营动态、法规和用户行为，这使得 Uber 的市场系统必须持续适应全球规模的复杂性。 过去，Uber 长期使用机器学习来支撑市场匹配。如今，借助 OpenAI 的模型，Uber 能够更快地推理复杂信号、提供流畅的对话式回复，并在应用中集成语音体验。Uber 工程与科学副总裁 Aarathi Vidyasagar 表示：“技术第一次主导了可以解决的问题。曾经遥不可及的难题，如今变得触手可及。” ## Uber Assistant：司机的智能副驾 对于司机而言，灵活性是 Uber 的核心优势之一。有人全职驾驶，有人只在周末接单，还有人利用课间或轮班间隙跑几单。但灵活也意味着司机需要不断评估选项：现在该去哪里？去机场值得吗？午餐时间该从接送切换到配送吗？今天的收入为什么不一样？ 为了帮助司机回答这些问题，Uber 开发了 **Uber Assistant**——一个 AI 驱动的助手，覆盖司机在平台上的全生命周期：从注册、首次接单，到日常收入优化。该助手能够提供市场概览和实时洞察，帮助司机做出更明智的决策。 ## 乘客端：语音叫车更快更自然 在乘客端，Uber 利用 OpenAI 的语音能力，让叫车体验更加自然。用户可以直接通过语音描述目的地、偏好车型或特殊需求，系统会快速理解并完成预订。这不仅减少了操作步骤，也提升了在驾驶或忙碌场景下的可用性。 ## AI 加速产品迭代 Uber 表示，借助 OpenAI 的模型，团队能够以前所未有的速度交付精简的产品体验。原本需要数月开发的功能，现在可以在数周内上线。这种敏捷性对于应对全球各地不断变化的需求和竞争至关重要。 ## 行业启示：AI 重塑按需服务平台 Uber 的案例展示了 AI 在大型实时平台中的落地路径：将大语言模型的能力融入核心业务流程，而非仅仅作为外部聊天机器人。通过推理市场信号、提供个性化建议，AI 正在从“辅助工具”转变为“决策伙伴”。 对于其他按需服务企业而言，Uber 的做法具有参考价值——利用 AI 降低信息不对称，让供需两端都能更高效地匹配。随着模型能力的持续提升，未来我们或许会看到更多类似 Uber Assistant 的智能助手，成为平台经济中不可或缺的基础设施。
OpenAI 于 2026 年 5 月 5 日正式发布 **GPT‑5.5 Instant** 的系统安全卡（System Card），这是该模型系列中首个在网络安全和生物化学准备类别中被认定为 **高能力（High capability）** 的即时模型。 ## 模型定位与命名澄清 GPT‑5.5 Instant 是 OpenAI 最新的即时（Instant）模型，旨在提供快速响应能力。值得注意的是，OpenAI 特别澄清了命名问题：**不存在 GPT‑5.4 Instant** 这一模型，因此主要的对比基准是上一代 **GPT‑5.3 Instant**。同时，为避免混淆，此前发布的 **GPT‑5.5**（即推理模型）被正式称为 **GPT‑5.5 Thinking**，与本次的即时模型区分开来。 ## 安全评估升级 与之前的 Instant 系列模型相比，GPT‑5.5 Instant 采用了 **相似的综合安全缓解方法**，但关键区别在于其 **能力等级评估** 的提升。在 OpenAI 的内部安全评估框架中，该模型在 **网络安全** 和 **生物与化学准备（Biological & Chemical Preparedness）** 两个高风险领域被标记为 **High capability**。这意味着 OpenAI 认为该模型在这些领域具备更强大的潜在能力，因此实施了 **更严格的安全防护措施**。 ## 行业背景与意义 此次升级反映了 AI 模型能力持续增强背景下，安全评估标准的动态调整。随着模型在复杂任务（如代码生成、生物信息分析）上的表现逼近专业水平，OpenAI 正逐步将更高风险类别的模型纳入严格管控。GPT‑5.5 Instant 成为首个被列为高能力的即时模型，标志着即时模型系列从“快速通用”向“快速且强大”的转变。 ## 后续关注 安全卡中还提及了此前发布的相关内容，包括 **4 月 29 日** 的社区安全承诺和 **4 月 23 日** 的 GPT-5.5 系统卡。建议开发者和安全研究人员仔细阅读完整系统卡，以了解具体的评估指标、缓解措施和潜在风险。
OpenAI 联合 AMD、Broadcom、Intel、微软和 NVIDIA，通过开放计算项目（OCP）发布了全新超级计算机网络协议 **MRC（Multipath Reliable Connection）**，旨在提升大规模 AI 训练集群的韧性与性能。随着 ChatGPT 周活用户突破 9 亿，AI 基础设施的可靠性变得至关重要。MRC 通过多路径可靠连接、自适应数据包喷洒和静态源路由等技术，有效减少网络拥塞和故障对训练任务的影响，同时降低组件数量和功耗。该协议是 OpenAI 整体计算战略的一部分，旨在通过共享标准加速 AI 系统扩展，并推动更广泛的合作伙伴生态发展。
OpenAI 正在扩大其 ChatGPT 广告试点计划，为广告主提供更多购买和管理广告的方式。最新更新包括推出 beta 版自助广告管理器、引入按点击付费（CPC）竞价模式，以及增强效果衡量工具——所有这些都基于 OpenAI 的广告原则，旨在保护用户隐私，确保广告与 ChatGPT 的对话内容清晰分离。 ## 广告购买渠道扩展 OpenAI 最初仅与一小部分广告主合作在 ChatGPT 中投放广告。现在，他们通过合作伙伴和自助工具扩大了访问范围。OpenAI 已与 **电通（Dentsu）、宏盟（Omnicom）、阳狮（Publicis）和 WPP** 等领先广告代理集团合作，支持企业购买 ChatGPT 广告。此外，他们还增加了 **Adobe、Criteo、Kargo、Pacvue 和 StackAdapt** 等技术合作伙伴，使广告主能够通过他们已有的工具和流程来访问 ChatGPT 广告。这些合作伙伴负责预算、竞价和广告创意方面的支持，而 OpenAI 的广告系统则控制所有投放决策。 ## 自助广告管理器（Beta） OpenAI 开始向美国广告主推出 beta 版自助广告管理器，允许他们直接注册并购买广告，让广告出现在 ChatGPT 中。该工具适用于从中小企业到全球品牌的各种规模的企业。广告主可以在门户中注册、添加付款信息、设置预算、竞价和投放节奏、上传广告、启动和管理广告系列，并查看效果数据。OpenAI 正在逐步向更多企业开放广告管理器，同时继续测试和优化体验。 ## 按点击付费（CPC）竞价 在试点初期，广告主只能购买基于展示的广告。现在，OpenAI 推出了 **CPC 竞价模式**，广告主仅在用户点击广告时付费。这为广告主提供了更灵活的付费方式，有助于优化广告支出。 ## 隐私保护与衡量工具 OpenAI 强调，这些更新不会损害用户隐私。广告系统不会与广告主分享用户的对话内容或个人详细信息。同时，OpenAI 提供了增强的衡量工具，帮助广告主了解广告系列的表现，例如展示次数、点击率和转化数据，但这些数据都是聚合且匿名的。 ## 行业背景与意义 OpenAI 进入广告市场是 AI 行业的一个重要动向。ChatGPT 拥有庞大的用户基础，为广告主提供了接触高活跃度用户的独特机会。通过引入自助服务和 CPC 模式，OpenAI 降低了广告投放门槛，可能吸引更多中小型广告主。同时，其隐私保护原则有助于缓解用户对 AI 聊天中广告的担忧。未来，OpenAI 计划继续扩展广告平台，围绕用户使用 ChatGPT 的方式构建更广泛的广告生态。
全球四大会计师事务所之一普华永道（PwC）与人工智能领军企业 OpenAI 于 2026 年 5 月 4 日宣布建立战略合作，旨在借助 AI 代理（Agent）技术，帮助企业重新定义首席财务官（CFO）办公室的运作模式。双方将聚焦财务核心流程，构建能自动化工作流、跨系统协调、识别风险与洞察的智能代理，并强调在真实场景中落地，而非理论设计。 ## 合作核心：从真实财务流程出发 此次合作并非纸上谈兵。OpenAI 已在自身财务部门先行实践，利用 ChatGPT 和 Codex 支持投资者关系、资金管理、税务、报告、企业发展和合同审查等工作流。PwC 则贡献其深厚的财务转型、风险控制和实施经验，帮助将原型转化为企业级生产环境。 双方计划围绕 CFO 的核心运营节奏构建 AI 代理，包括： - **规划、预测与报告** - **采购与支付** - **资金与税务管理** - **会计结账流程** 例如，它们正在 OpenAI 财务组织内部构建一个采购代理，并将学到的经验应用到更多财务工作流代理中。 ## AI 代理能做什么？ 在实际应用中，AI 代理可以帮助财务团队： - **自动化重复性工作**：监控支付与异常，审查合同或发票是否符合政策。 - **动态更新预测**：根据业务条件变化实时调整财务预测。 - **准备报告材料**：自动生成月度或季度报告草稿。 - **风险预警**：在结账前识别潜在问题。 OpenAI 的 Codex 平台支持团队构建仪表盘、支出跟踪器和异常管理系统等工具；Workspace Agents 则让这些工作流在团队日常工具中可重复执行；Skills 和 Connectors 确保代理遵循审批流程并获取正确的企业上下文。 ## 财务治理的新维度 随着代理工作流规模化，CFO 还需掌握 AI 使用情况、代币消耗和预期支出等数据，以便像管理其他资源一样治理 AI 采用。PwC 和 OpenAI 的合作将帮助财务团队建立可见性，确保 AI 代理在强治理和人工监督下运行。 ## 行业意义 此次合作标志着 AI 从辅助工具向核心业务流程代理的跃迁。财务部门作为企业决策的中枢，其工作流自动化将直接影响资本配置、风险管理和战略规划效率。对于企业而言，这不仅是效率提升，更是 CFO 角色从“数据记录者”向“战略洞察者”转型的关键一步。
OpenAI 于今日正式发布 **Advanced Account Security**（高级账户安全）功能，这是一项面向 ChatGPT 及 Codex 用户的可选增强保护方案。该功能旨在为记者、政界人士、研究人员等高风险群体提供更严密的数字防护，同时也是其更广泛网络安全行动计划的一部分。 ## 核心机制：多维度提升安全层级 Advanced Account Security 整合了多项安全控制措施，从登录、恢复到会话管理全链路加固： - **强制无密码登录**：要求使用通行密钥（passkeys）或物理安全密钥，彻底禁用传统密码登录，从源头抵御钓鱼攻击。 - **更安全的账户恢复**：传统邮箱或短信恢复方式易受 SIM 卡劫持或邮箱失陷攻击。新功能引入更严格的恢复流程，降低攻击者利用这些渠道接管账户的风险。 - **减少会话暴露**：通过缩短会话有效期、限制从新设备登录等方式，减少因凭证泄露导致的持续访问风险。 - **增强活动可见性**：用户可更清晰地查看账户登录记录、活跃会话和授权应用，及时发现异常行为。 用户可在 ChatGPT 网页端的“安全”设置中手动开启该功能。开启后，同一账户下的 Codex 开发环境也将自动获得同等保护。 ## 为何此时推出？——AI 账户的安全价值升级 随着 AI 工具越来越多地介入个人隐私咨询、商业决策、学术研究等场景，ChatGPT 账户中积累的对话记录、上传文件、API 密钥等信息已成为高价值目标。对于记者、政治活动家、企业高管等群体，账户被接管可能导致严重的信息泄露或声誉损害。 OpenAI 在公告中强调，高级账户安全“需要用户承担更多的账户恢复责任”。这意味着，一旦用户丢失通行密钥或安全密钥，恢复流程将比传统密码找回更复杂——这种权衡旨在换取更高的安全性。 ## 行业背景：AI 平台安全竞赛加速 近年来，针对 AI 服务账户的定向攻击显著增加。2024 年，多家 AI 公司曾报告凭证填充（credential stuffing）和钓鱼攻击导致用户数据泄露的事件。OpenAI 此次推出的方案直接对标企业级安全标准： - **通行密钥** 已被 Apple、Google、Microsoft 等巨头推广，其抗钓鱼特性优于传统多因素认证（MFA）。 - 物理安全密钥（如 YubiKey）则提供硬件级保护，适合对安全性有极端要求的用户。 相比其他 AI 平台仍主要依赖短信验证码或 TOTP 应用，OpenAI 率先将无密码登录作为高风险用户的默认选项，可能推动行业安全标准升级。 ## 小结：安全与便利的再平衡 Advanced Account Security 并非面向所有用户——它更适合那些愿意牺牲一定便捷性以换取最高等级防护的人群。对于普通用户而言，现有的密码 + 两步验证方案仍可满足日常需求。但这一功能的推出，标志着 AI 平台开始正视“账户即资产”的现实，并为不同风险偏好的用户提供了更细粒度的安全选择。 未来，随着 AI 代理执行更多自主操作，账户安全体系可能进一步与身份认证协议、设备信任评分等技术融合。OpenAI 的这一步，或许只是 AI 安全演进长卷的开端。
OpenAI 正在以远超预期的速度推进其 **Stargate** 算力基础设施计划。该公司宣布，在 2025 年 1 月启动时设定的 **2029 年前在美国部署 10GW AI 基础设施** 的目标，已在短短一年多后提前达成。仅过去 90 天内，就新增了超过 **3GW** 的算力容量。 ## 算力：AI 飞轮的核心动力 OpenAI 强调，**算力是推动 AI 发展的关键输入**。它不仅是训练更优模型、提供可靠服务、提升性能并长期降低成本的基础，更是驱动其“AI 飞轮”的核心：更多算力 → 更好模型 → 更多使用 → 产品与收入提升 → 再投资于更多基础设施。随着来自消费者、企业、开发者和政府的需求加速增长，唯一负责任的应对方式就是更快地建设更多算力。 ## 生态系统协同作战 OpenAI 明确表示，**没有任何单一公司能独自为“智能时代”建设基础设施**。Stargate 计划的核心策略是 **以合作伙伴为中心**，整合云计算、数据中心、芯片、能源、建筑、金融和运营等领域的顶尖企业。通过与当地社区、公用事业、能源供应商、芯片制造商、云服务商、建筑公司及公共部门的广泛协作，OpenAI 希望整个生态系统能共同成功。这种合作模式不仅有助于加快产能上线，还能在技术和需求变化时保持灵活性。 ## 超越里程碑，面向未来 尽管融资模式和合作伙伴结构可能持续演变，但 OpenAI 的核心关注点始终是：**大规模、按时且灵活地让算力容量上线**。Stargate 的快速进展表明，全球对 AI 算力的渴求正在推动前所未有的基础设施投资。随着 AGI 时代的临近，这场算力竞赛才刚刚开始。
人工智能正在重塑网络安全的攻防格局。一方面，它帮助防御者更快识别漏洞、自动修复并加速响应；另一方面，恶意行为者也利用 AI 规模化攻击、降低门槛并提升攻击复杂度。面对日益变化的网络威胁环境，OpenAI 于 4 月 29 日发布了一项基于与联邦、州政府及主要商业实体安全专家对话的行动计划，旨在通过五大支柱加强智能时代的网络安全。 ## 五大支柱概览 1. **民主化网络防御**：扩大可信行为者对防御工具的获取，让更多人能利用 AI 保护自身系统。 2. **政府与行业协调**：建立跨部门合作机制，确保信息共享与协同响应。 3. **加强前沿网络能力安全**：围绕前沿 AI 模型本身的安全防护，防止其被用于恶意目的。 4. **保留部署中的可见性与控制**：在 AI 系统部署过程中保持透明度和可控性。 5. **赋能用户自我保护**：通过教育、工具和最佳实践帮助用户提升自身防护能力。 ## 战略核心：民主化防御 OpenAI 认为，在智能时代建立韧性不仅需要依靠民主机构和流程，更要**扩大对关键防御技术的获取**，使社区、关键系统和国家安全的保护者都能受益。该计划是 OpenAI 现有承诺的深化，重点在于建设支撑网络安全防御者的基础设施。 ## 背景与意义 这一计划的发布正值网络威胁环境快速演变之际。AI 的双重用途特性使得防御者与攻击者之间的竞赛日趋激烈。OpenAI 的举措反映了行业领先者主动承担责任的趋势，也暗示了未来网络安全政策可能向**更广泛地普及 AI 防御能力**倾斜。通过协调政府与行业、强化模型安全、保持部署透明度以及赋能用户，该计划试图构建一个多层次的防御体系。 值得注意的是，OpenAI 还同时宣布了其他进展，包括其服务获得 FedRAMP Moderate 授权，以及与 Hyatt 等企业合作推进 AI 应用，显示其在企业级安全合规方面的持续投入。 ## 小结 OpenAI 的“智能时代网络安全行动计划”不仅是一份政策建议，更是对其自身产品安全策略的公开承诺。它将民主化防御作为核心，试图在 AI 能力快速扩散的背景下，为防御者提供不对称优势。未来，这一计划能否有效落地，将取决于政府、行业和用户的协同程度，以及技术本身在安全性与开放性之间的平衡。
OpenAI 与 AWS 宣布扩大战略合作，将 OpenAI 的 GPT 模型、Codex 编程助手以及托管智能体（Managed Agents）引入 AWS 平台。企业现在可以在 Amazon Bedrock 上直接调用 OpenAI 前沿模型（包括最新的 GPT-5.5），并在 AWS 的安全、合规和运营框架内构建 AI 应用。同时，Codex 也已入驻 AWS，企业可将其与 OpenAI 模型结合，加速软件开发、代码现代化和文档工作流。这一合作旨在为企业提供从实验到生产的一体化路径，降低 AI 落地门槛。
面对日益严峻的现实暴力威胁，OpenAI 近日详细披露了其在 ChatGPT 中构建的多层安全防线。从模型训练阶段的规则设定，到实时检测系统的风险识别，再到与心理学、执法及公民自由专家合作的政策执行，OpenAI 正试图在开放对话与安全边界之间找到平衡。 ## 安全基石：从模型规范到训练引导 OpenAI 的核心指导文件 **Model Spec** 明确了模型行为原则：在最大化有用性和用户自由的同时，通过合理的默认设置降低风险。具体到暴力相关话题，模型被训练为**拒绝提供可能切实助长暴力的指令、策略或行动计划**。例如，当用户询问“如何制作炸弹”时，模型会拒绝回答；但如果用户出于历史研究或教育目的询问“历史上著名炸弹袭击是如何实施的”，模型则可能提供有限度的、不包含可操作细节的客观信息。 这种“微妙的分界线”正是安全训练中最具挑战的部分。OpenAI 强调，他们持续与心理学家、精神科医生、民权专家和执法专家合作，不断优化模型对语境的理解能力，使其能够区分“安全的边界内回答”与“可能导致现实伤害的可操作步骤”。 ## 动态检测：识别随时间累积的风险 部分安全风险并非来自单条消息，而是随着对话的推进逐渐显现。OpenAI 在博文中指出，一个用户可能先表达对某事件的愤怒，再询问相关人物的公开信息，最后才流露出具体威胁意图。针对这种“渐进式风险”，ChatGPT 的安全系统被设计为**持续监控对话上下文**，而非孤立判断每一条消息。当系统检测到潜在的危害信号——例如从情绪宣泄转向具体计划——便会触发更严格的审核或直接中断对话。 ## 政策执行与专家协作 当用户明确违反 OpenAI 的使用政策（如发出具体威胁、宣扬暴力行为）时，系统会采取包括警告、限制账户功能乃至封禁在内的行动。但 OpenAI 也承认，自动检测并非完美，因此他们引入了**人工审核与专家咨询机制**。与执法机构的协作也仅限于法律要求的范围内，同时兼顾隐私保护与言论自由的平衡。 ## 行业视角：AI 安全治理的缩影 OpenAI 此次的公开说明，本质上是整个 AI 行业安全治理困境的一个缩影。一方面，大语言模型必须保持开放以提供价值；另一方面，它们又可能被恶意利用为“暴力指南”。与 Meta、Google 等同行类似，OpenAI 的选择是**在技术层面加强模型对齐**，同时建立外部专家网络来应对灰色地带。 值得关注的是，OpenAI 特别提到了“长期风险”的检测——这暗示其系统已具备一定的对话记忆与行为模式分析能力。未来，随着模型上下文窗口的扩大，这种“跨轮次风险识别”将成为所有对话式 AI 的标配能力。 ## 小结 社区安全不是一劳永逸的开关，而是一场持续的博弈。OpenAI 此次披露的细节让我们看到：**技术红线、动态检测与人类专家判断的三重组合**，是目前应对 AI 安全威胁最务实的路径。对于用户而言，了解这些边界不仅有助于合规使用，也能更理性地看待 AI 在敏感话题上的“拒绝”与“开放”。
OpenAI 于 2026 年 4 月 27 日宣布，其 **ChatGPT Enterprise** 和 **API 平台** 已获得 **FedRAMP 20x Moderate** 授权。这意味着美国联邦政府机构现在可以在满足严格安全、隐私和治理要求的前提下，使用 OpenAI 的先进 AI 能力。 ## 里程碑意义 FedRAMP（联邦风险与授权管理计划）是美国政府为云服务安全评估设定的标准。此次授权标志着 OpenAI 正式进入联邦市场，让公务员无需在“前沿 AI”与“安全合规”之间做取舍。此前，许多政府机构因安全顾虑无法直接使用 ChatGPT 等工具，而现在他们可以合法、合规地部署。 ## 实际应用场景 根据 OpenAI 的公告，各机构已在多个领域试点 AI： - **加速许可审批**：通过自动化处理文书工作 - **起草居民通信**：生成政策通知、回复等 - **前沿科学研究**：辅助文献分析、实验设计 - **公共卫生分析**：快速汇总疫情数据 - **软件加速开发**：代码生成与测试 - **翻译服务**：多语言文档处理 - **知识检索**：在政策与项目材料中快速查找答案 ## FedRAMP 20x 的加速路径 本次授权采用 **FedRAMP 20x** 新流程，该流程由美国总务管理局（GSA）于 2025 年 3 月推出。相比传统路径，20x 更注重云原生安全证据、关键安全指标（KSI）、自动化验证和持续运营可见性。OpenAI 的安全与工程团队通过实施 KSI、收集证据、验证和审查，最终完成了授权。 ## 对联邦机构的影响 获得 Moderate 级别授权后，联邦机构可以将 OpenAI 的托管产品用于内部运营、任务支持和核心业务。**项目团队**可使用 ChatGPT Enterprise 加速研究、起草、翻译和分析；**技术团队**可通过 API 将 AI 功能集成到现有系统、辅助工具和案件管理平台中。 > “公务员不应等到安全访问权限到位，才能使用那些正在改变其他经济领域的先进 AI 能力。”——OpenAI 官方公告 ## 行业背景 OpenAI 此举紧跟 AI 安全合规趋势。此前，微软 Azure 的 OpenAI 服务已在 2023 年获得 FedRAMP Moderate 授权，但 OpenAI 自有平台的直接授权进一步降低了政府采用门槛。随着各国对 AI 监管日益严格，获得政府级安全认证将成为 AI 厂商竞争的关键差异化因素。
微软与OpenAI于2026年4月27日宣布达成一项修订后的合作协议，旨在简化双方关系，为长期合作注入更多确定性，并支持AI创新持续规模化。这一调整标志着两家科技巨头在快速演进的AI领域中，正主动优化合作模式以适应市场变化与未来机遇。 ## 核心变化：从排他性走向灵活性 新协议最显著的变化在于**微软的IP许可从独占变为非独占**。此前，微软独家持有OpenAI模型与产品的知识产权许可，而修订后微软仍保有至2032年的许可权，但不再具备排他性。这意味着OpenAI可以更自由地将其技术授权给其他云平台或合作伙伴。 同时，协议明确了**Azure仍是OpenAI的主要云合作伙伴**，OpenAI产品将优先部署在Azure上——除非微软无法或选择不支持所需能力。这既巩固了Azure作为核心基础设施的地位，也为OpenAI在必要时转向其他云服务留下了空间。 ## 财务条款调整：收入分成与股东角色 财务安排方面，**微软不再向OpenAI支付收入分成**，但OpenAI向微软的收入分成支付将持续至2030年，比例保持不变，但设有总上限。这一机制将OpenAI的财务贡献与自身技术进展脱钩，为双方提供了更可预测的财务预期。 此外，**微软将继续作为主要股东直接参与OpenAI的增长**，维持其在OpenAI治理中的战略影响力。这种“股东+合作伙伴”的双重身份，使微软在分享OpenAI成功的同时，也能在战略层面保持对齐。 ## 行业背景：AI合作模式的拐点 此次修订发生在AI行业竞争白热化的背景下。OpenAI面临来自Google、Anthropic等对手的激烈竞争，同时其自身估值已超千亿美元，需要更灵活的商业策略以最大化技术价值。对于微软而言，Azure的AI业务已成为增长引擎，但过度依赖单一合作伙伴也带来风险。新协议通过**引入非独占性、解除收入分成义务**，平衡了双方的利益诉求。 分析人士指出，这一调整可能成为AI行业合作模式的范本。传统科技巨头与前沿AI公司之间，正从“绑定式合作”转向“平台化协作”——基础云服务仍是核心，但技术许可、收入分成和战略投资的关系被重新解耦，以应对技术路线和市场需求的快速变化。 ## 未来展望：从数据中心到下一代硅 尽管协议简化了合作框架，双方的实际协作力度并未减弱。根据公告，微软与OpenAI将继续在**扩建千兆瓦级数据中心、研发下一代芯片、推进AI网络安全**等前沿领域深度合作。这些项目需要长期资本投入和技术协同，而新协议提供的确定性正是支撑此类大规模创新的基石。 对于企业客户和开发者而言，这一变化意味着**更广泛的产品可用性**——OpenAI模型将能通过更多云平台触达用户，而Azure仍将享有优先部署权。短期来看，服务体验不会出现剧烈波动，但长期竞争格局可能因OpenAI技术扩散而重塑。 修订后的协议既是对过去合作经验的总结，也是对未来不确定性的主动对冲。在AI能力指数级跃迁的时代，这种“简化关系、保留弹性”的做法，或许正是科技巨头与创业公司共建AI生态的最优解。
食品分销平台 Choco 借助 OpenAI API 部署 AI 代理，将手动订单录入减少 50%，销售团队效率提升 2 倍，年处理订单超 880 万条、AI Token 超 2000 亿。这一案例展示了 AI 在传统供应链中的落地路径与商业价值。 ## 痛点：非结构化输入与隐式知识 食品分销行业长期依赖电话、邮件、短信、图片甚至手写笔记下单，这些非结构化信息需要人工转录为企业资源计划（ERP）系统可识别的订单。随着业务增长，Choco 服务超过 **21,000 家分销商** 和 **100,000 家买家**，覆盖美国、英国、欧洲和海湾地区，手动处理的瓶颈愈发明显。 更核心的挑战在于“隐式上下文”——每位客户的 SKU 映射、单位偏好、配送模式等知识只存在于订单员脑中。Choco 工程副总裁 **Narbeh Mirzaei** 指出：“将隐式知识编码为推理层，在订单捕获点消解歧义，才是真正的工程难题。” ## 方案：以 OpenAI API 构建 AI 代理 随着生产级大语言模型（LLM）成熟，Choco 将 OpenAI API 嵌入平台核心，推出 **OrderAgent**——一个能处理邮件、短信、图片、文档等多模态输入的 AI 代理，自动将其转化为结构化 ERP 订单。 关键突破在于动态上下文学习基础设施：系统结合每位客户的订单历史与产品目录，在推理时消解歧义。Mirzaei 强调：“转录和提取能力是基础，但动态上下文学习才是从自动化走向智能的分水岭。” ## 成果：效率倍增与规模扩展 部署 AI 代理后，Choco 实现了： - **年处理订单超 880 万条**，AI Token 消耗超 **2000 亿**（生产环境） - **手动订单录入减少 50%** - **销售团队效率提升 2 倍**，且未增加人员编制 “始终在线”的 AI 代理让 Choco 能够 7×24 小时处理订单，突破了人工操作的时间与精度限制。 ## 行业启示：AI 代理落地的关键 Choco 案例为传统行业提供了 AI 落地的范本： 1. **找准高价值场景**：将重复、低效的手动流程作为切入点 2. **解决隐式知识问题**：利用 LLM 的上下文学习能力，而非简单规则 3. **端到端闭环**：从输入到 ERP 系统全链路自动化，而非单点替换 随着 AI 代理在供应链、客服、销售等领域的渗透，类似 Choco 的实践将加速传统行业的数字化转型。
六个月前，OpenAI 内部团队做了一个在当时颇具争议的决定：构建一个**完全由 Codex 生成代码**的仓库，不写一行人工代码。为了实现这一目标，他们重新设计了工程工作流，打造了代理友好的仓库，并大量投入自动化测试与护栏。在解决了初始挑战后，团队遇到了新的瓶颈——**上下文切换**。为此，他们开发了 **Symphony**，一个开源代理编排规范，能将 Linear 等项目管理面板变成编码代理的控制平面。每个未完成任务都有一个代理持续运行，人类则专注于审查结果。这一变革使部分团队的合并请求数量提升了 **500%**。 ## 交互式编码代理的天花板 尽管编码代理（如 Codex）通过网页或 CLI 使用起来越来越便捷，但它们本质上仍是**交互式工具**。随着 OpenAI 内部代理工作规模的扩大，工程师们发现了一种新的负担：每人同时管理 3-5 个 Codex 会话后，上下文切换变得痛苦不堪。生产力下降，工程师需要记住每个会话的任务、在终端间跳转调试，代理快速但**人类注意力成了系统瓶颈**。团队意识到，他们打造了一群能力极强的初级工程师，却让人类工程师变成了“微观管理者”。 ## 视角转变：从会话到任务 团队意识到，他们优化的对象错了。软件工作流本质上是围绕**可交付物**（问题、任务、里程碑）组织的，而不是围绕编码会话或合并 PR。如果不再监督代理，而是让代理围绕任务自动运行，会怎样？ ## Symphony：问题追踪器即编排器 Symphony 正是基于这一理念的开源规范。它将 Linear 等项目管理工具作为**控制平面**：每个未完成任务触发一个代理，代理持续运行、自动迭代，人类仅在关键节点进行审查。这种“**永远在线**”的代理模式消除了上下文切换，让工程师从“管理代理”回归到“审查产出”。 ## 实践效果与开源 在部分团队中，Symphony 使合并请求数量提升了 **500%**。团队将 Symphony 开源，希望帮助更多组织将问题追踪器转变为全天候代理编排系统。Symphony 不仅是一个工具，更是一种工作流哲学的体现：**让代理围绕任务持续运转，而非让人类围绕代理切换注意力**。 ## 小结 Symphony 展示了 AI 工程化的新方向：通过开源编排规范，将问题追踪器变为智能体系统的控制中心。这不仅是效率的提升，更是对“人机协作”模式的重新定义——人类从操作者变为监督者，代理从工具变为自主的团队成员。
OpenAI 于 2026 年 4 月 23 日发布了 GPT-5.5 系统卡，详细介绍了这一新模型的能力、安全评估结果和防护措施。GPT-5.5 被定位为面向复杂现实工作的模型，能够编写代码、在线研究、分析信息、创建文档和电子表格，并跨工具完成任务。相比前代模型，GPT-5.5 能更早理解任务、减少对用户指导的依赖、更高效地使用工具，并能自我检查直至完成工作。 在安全方面，OpenAI 表示对 GPT-5.5 进行了全面的部署前安全评估，包括针对高级网络安全和生物学能力的定向红队测试，并收集了近 200 家早期访问合作伙伴的真实用例反馈。GPT-5.5 配备了迄今为止最强的一组安全防护措施，旨在减少滥用风险，同时保留高级能力的合法有益用途。 值得注意的是，OpenAI 指出 GPT-5.5 Pro 版本（利用并行测试时计算）在安全结果上通常与标准版 GPT-5.5 具有强代理性，但在某些情况下会单独评估，因为设置可能显著影响相关风险或适当的安全防护姿态。系统卡中描述的结果均来自离线评估环境。 此次发布伴随一系列安全相关博文，包括加速网络防御生态系统、下一代网络防御的可信访问等，体现了 OpenAI 在安全与能力平衡上的持续投入。
OpenAI 今日发布 Codex 入门指南，帮助用户快速上手这款 AI 编程与任务自动化工具。指南从下载桌面应用开始，逐步讲解创建线程、设置项目、配置权限以及完成首个任务的全流程。 ## 第一步：下载与登录 首先，从 OpenAI 官网下载 Codex 桌面应用，并使用你的 ChatGPT 账户登录。启动应用后，你会看到左侧边栏和主工作区。左侧边栏用于管理项目和对话历史，主工作区则显示当前线程及与 Codex 协作的聊天界面。 ## 创建项目：连接本地文件夹 Codex 的核心概念是“项目”，每个项目对应你电脑上的一个文件夹。建议在电脑上创建一个名为 `Codex` 的根文件夹，再为每个具体任务建立子文件夹。如果你希望 Codex 处理特定文件，只需将它们拖入对应文件夹；如果文件夹为空，Codex 会在此处生成新文件。 ## 选择任务与模型 对于初学者，推荐从简单任务开始，例如整理笔记、清洗小型数据集或对比两份文档草稿。Codex 默认使用推荐模型，遇到更复杂的问题时可手动切换到高推理能力模型。 ## 权限设置：安全第一 在项目模式下，输入框下方会显示“Work locally”标识，表示 Codex 只能在你指定的文件夹内操作。权限下拉菜单提供“默认权限”和“完整权限”两个选项。**默认权限**将 Codex 限制在项目文件夹内，适合入门；**完整权限**允许 Codex 访问系统更多资源，适合高级任务，但需谨慎使用并征得管理员同意。 ## 第一个提示词 官方推荐的首个提示词如下： > 检查这个文件夹，告诉我你看到了什么。然后建议一个可以安全完成的小任务。在我批准之前，不要做任何更改。 通过这种“询问-批准”模式，你可以逐步建立对 Codex 的信任，再逐步分配更大任务。 ## 持续学习 OpenAI Academy 还提供更多 Codex 相关课程，包括“什么是 Codex？”、“自动化”等主题，帮助用户深入掌握 AI 工具的实际应用。
OpenAI 于 2026 年 4 月 23 日通过 Academy 发布了 Codex 的详细使用指南。Codex 是一款面向开发者的智能工作台，核心设计理念是将 ChatGPT 式的对话能力与本地文件操作相结合，让用户通过自然语言驱动代码生成、文件编辑和任务自动化。 ## 工作区概览 打开 Codex，你会看到四个核心区域：**侧边栏菜单**、**项目区**、**设置**和**聊天窗口**。侧边栏用于在对话线程、项目和工具之间导航；项目用于组织工作，每个项目对应电脑上的一个文件夹，Codex 仅对该文件夹内的文件进行修改；设置则控制权限、个性化以及是否允许电脑休眠时继续运行任务。 ## 线程与项目 在 Codex 中，“线程”相当于 ChatGPT 中的“对话”。你可以创建独立线程，也可以将线程嵌套在项目中。新建线程时，可选择关联已有项目、创建新项目或保持为独立对话。搜索功能可查找历史任务和项目。插件（Plugins）能扩展 Codex 的能力，例如执行重复流程或连接外部工具。 项目是 Codex 的核心组织单元。每个项目绑定一个本地文件夹，Codex 只会在该文件夹内创建或修改文件。项目文件夹初始可以空置，新建文件会自动存入该文件夹。 ## 聊天窗口与操作 Codex 的聊天窗口与 ChatGPT 类似，支持自然语言交互。你不需要完美的提示词或技术指令，只需告诉 Codex 你想要什么、使用哪些文件、以及“完成”的标准。关键区别在于 Codex **可以执行动作**——根据任务和权限，它能检查文件、创建新文件、编辑文档、整理信息或构建完整项目。 注意：如果电脑进入休眠状态，Codex 可能会停止运行。对于耗时任务，可在设置中调整休眠权限。如果中途忘记交代细节，也无需中止 Codex，随时补充即可。 ## 小结 Codex 通过对话式界面降低了自动化工作流的门槛。对于开发者而言，它不仅是一个代码助手，更是一个**可执行任务的项目管家**。结合项目隔离和插件系统，Codex 有望成为本地开发环境中的智能协作中枢。
OpenAI 在 Codex 中引入了丰富的设置选项，帮助用户根据个人需求定制工作流程。本文将带你了解如何通过调整个性化、防止睡眠、详细程度和外观等关键设置，让 Codex 更高效、更少干扰地为你服务。 ## 快速上手核心设置 对于初次使用 Codex 的用户，建议优先关注以下四个设置项，它们能显著改善使用体验： - **个性化（Personalization）**：与 ChatGPT 的个性化功能类似，你可以选择 Codex 的沟通风格——是友好亲切还是直接高效。同时，还可以添加自定义指令，让 Codex 更贴合你的工作习惯。 - **防止睡眠（Prevent sleep while running）**：位于“General”设置中。启用后，Codex 在执行长时间任务时会让电脑保持唤醒状态，避免因系统休眠导致任务中断。 - **详细程度（Detail level）**：控制 Codex 在工作时显示的信息量。**Coding 模式**会展示正在执行的具体命令，适合需要调试或监控细节的场景；如果信息过多，切换回 **Default 模式**可以让对话界面更简洁。 - **外观（Appearance）**：在“Avatar”选项中，你可以为 Codex 设置一个友好的虚拟形象。它会浮动在屏幕上，让你在切换窗口时也能随时了解任务进度。点击头像即可快速返回 Codex 界面。 ## 灵活调整，循序渐进 OpenAI 强调，用户无需掌握所有设置后再开始使用 Codex。**建议从上述核心设置入手，保持权限的保守设置，随着对任务类型的熟悉再逐步调整**。这种渐进式的学习路径既能降低上手门槛，又能确保安全性和效率。 ## 持续学习与资源 Codex 的设置只是 OpenAI Academy 系列教程的一部分。该平台还提供了“如何开始使用 Codex”、“什么是 Codex？”以及“自动化”等专题指南，帮助用户系统性地掌握 AI 编程技能。无论你是开发者还是 AI 爱好者，都可以通过这些资源将 Codex 融入日常工作中。 > 小贴士：Codex 的设置入口位于界面左下角的菜单中。首次使用时，不妨花几分钟调整这些选项，你会发现 AI 助手的工作方式可以如此贴合你的节奏。
OpenAI 近日通过其 Academy 平台发布了一篇关于 **Codex** 的深度介绍文章，清晰地定义了这款 AI 产品的定位：**它不是一个聊天机器人，而是一个能接手实际工作的 AI 智能体**。文章明确指出，ChatGPT 擅长的是“帮你思考工作”，而 Codex 则专注于“帮你推进工作”——两者形成互补，而非替代关系。 ### 核心定位：从“对话”到“执行” Codex 的设计初衷是**超越单次问答**，处理那些需要跨文件、跨工具、跨重复流程的复杂任务。用户无需具备编程背景即可使用，因为它的能力不仅限于代码生成，而是扩展到**文档、幻灯片、电子表格**等常见办公产出的自动化创建与更新。文章特别强调，Codex 并非要取代用户的判断力，而是像一个“第一天上班、充满干劲的助理”——速度快、效率高，但需要你指明方向，并在最终成果出炉前进行审核。 ### 典型应用场景 文章列举了 Codex 能够胜任的多种实际工作场景，例如： - **信息整合**：从邮件、Slack、笔记和仪表盘中提取数据 - **内容生成**：根据素材自动制作幻灯片 - **日常管理**：创建数字助手来规划日程 - **快速原型**：构建简单的仪表盘、落地页甚至可运行的应用程序 - **工作流修复与自动化**：修复有问题的流程、批量更新文件、自动化繁琐的重复任务 ### 行业背景与意义 在 AI 行业从“对话式助手”向“自主执行体”快速演进的当下，Codex 的定位恰好卡在了关键节点上。此前，GPT 系列模型虽然能生成代码或文本，但用户仍需手动复制、粘贴、整合到具体工具中。Codex 则试图**打通 AI 与现有工具链之间的最后一公里**，让 AI 真正“动手干活”。 这一策略也与 Anthropic 的 Claude（强调长文档处理与工作流集成）以及微软 Copilot（深度绑定 Office 生态）形成了差异化竞争。Codex 不局限于某个特定软件，而是以“智能体”形态灵活连接多种工具，这在一定程度上降低了用户的使用门槛，也拓宽了 AI 在办公自动化领域的想象空间。 ### 小结 对于正在探索如何将 AI 融入日常工作的用户而言，Codex 提供了一个明确的思路：**把重复性、多步骤的任务交给它，而自己专注于决策与创新**。正如 OpenAI 所建议的：“当你想找人帮你思考时，用 ChatGPT；当你想找人帮你推进工作时，用 Codex。” OpenAI Academy 还同步推出了《如何开始使用 Codex》《Codex 在工作中的十大用途》等配套指南，帮助用户更快上手。
OpenAI 的 Codex 不仅能写代码，还能成为你工作中的得力助手。本文基于 OpenAI Academy 最新发布的指南，整理了 **10 个实用场景**，涵盖自动化任务、生成交付物、整合多工具信息等，帮助你将想法快速转化为行动。 ## 1. 打造你的“每日参谋长” 每天早晨，你需要在日历、消息、邮件和笔记之间来回切换，才能理清当天最重要的事。Codex 可以自动整合这些信息，生成一份清晰的简报，让你**从“救火”转向“主动规划”**。 **尝试这个提示词：** > 设置一个工作日简报，从早晨开始持续监测。每天开始，查看今日日历、过去 24 小时的未读私信和提及、过去 24 小时的未读邮件、我的待办清单以及影响今日的其他上下文。生成一份简报，包含优先级、会议准备、需要回复的消息、我欠下的决策以及有用的周知信息。之后每小时检查一次，直到下班，仅在有变化或需要行动时更新。 **如何个性化：** 替换你的实际工具和待办来源，设定简报开始时间和检查频率，并指定 Codex 何时草拟回复。 ## 2. 自动生成会议纪要与待办 一次会议结束后，整理纪要和待办事项往往比会议本身更耗时。Codex 能**根据会议录音或文字记录**，提取关键决策、行动项和负责人，并自动同步到你的项目管理工具中。 ## 3. 快速创建仪表盘与报告 无需手动拉取数据、制作图表。只需告诉 Codex 你需要的数据源和指标，它就能**自动生成可视化仪表盘**，并定期更新。无论是销售周报还是团队进度看板，都能一键搞定。 ## 4. 智能邮件分类与回复 Codex 可以扫描你的收件箱，**按优先级、主题或发件人分类**，并针对常见问题（如会议邀请、进度询问）起草回复。你只需确认或微调后发送，大幅减少邮件处理时间。 ## 5. 跨工具工作流自动化 将 Codex 与 Slack、Google Drive、Notion 等工具连接，**构建跨平台的工作流**。例如：当 Slack 中有人提及某个关键词时，自动在 Google Docs 中创建页面并通知相关人员。 ## 6. 代码审查与调试助手 开发者可以粘贴代码片段，让 Codex 检查潜在错误、提出优化建议，甚至**自动生成测试用例**。它还能理解上下文，指出代码与项目规范不符之处。 ## 7. 生成演示文稿初稿 输入主题和要点，Codex 就能**生成包含标题、要点和备注的幻灯片草稿**。你只需调整设计风格和细节，即可快速产出专业演示文稿。 ## 8. 简历与职位描述定制 招聘时，Codex 可以根据岗位要求**优化职位描述**，并协助筛选简历。求职者也可以使用它来**针对特定岗位调整简历和求职信**，突出匹配的技能。 ## 9. 学习与知识库构建 Codex 可以从你提供的文档、网页或笔记中提取知识，**自动生成问答对、摘要或学习卡片**。对于团队来说，它可以维护一个持续更新的内部维基或 FAQ。 ## 10. 个性化日程规划 结合你的日历、任务列表和习惯，Codex 可以**智能安排深度工作时间、会议和休息**，避免冲突，并提醒你预留缓冲时间。 ## 小结 以上只是 Codex 在工作场景中的一部分应用。关键在于**将重复性、信息整合类任务交给 AI**，让自己专注于创造性决策和人际沟通。OpenAI 也提供了详细的提示词模板和个性化指南，帮助用户根据自身需求定制。 未来，随着 Codex 与更多工具深度集成，这类“AI 代理”将成为每个职场人的标配——不是取代工作，而是**重新定义我们如何工作**。