72 小时，5 款重磅 AI 产品/技术密集登场——OpenAI 三档分层、Grok 联手 Cursor、PrismML 把 270 亿参数塞进 iPhone、美团在国产算力上训出万亿模型。AI 工具导航站帮你看清：谁是真创新，谁是炒冷饭。

一、72 小时五连发：一张时间轴看清这一周

如果把 2026 年 7 月 8-10 日这 72 小时单独拎出来，会发现这是 2026 年以来 AI 行业节奏最密的一段——五款来自不同玩家、不同定位的产品/技术密集落地：

还没完——同期 Meta 宣布 9 月量产自研 AI 芯片 Iris、字节发布兆瓦级 AI Rack 3.0 算力柜、Anthropic 拟在澳洲建 1.4GW 数据中心。7 月这第一周，AI 行业正同时在模型层、硬件层、商业层三个维度加速洗牌。

二、OpenAI GPT-5.6 三档分层：旗舰 30 美元/百万 Token 的算账逻辑

7 月 9 日，OpenAI 通过 ChatGPT、Codex 与 OpenAI API 正式向全球开放 GPT-5.6 系列三个版本：

同步的还有两个动作：微软 Copilot 全量接入 GPT-5.6、8 月 9 日关停 Atlas 浏览器（去年 10 月才发布的 AI 原生浏览器运营不足一年即终止）。

三、OpenAI GPT-Live-1：1.5 亿周活背后的”全双工”真相

7 月 9 日同期发布的 GPT-Live-1 与 GPT-Live-1 mini，把 ChatGPT 的语音体验做了”全双工”重构：

🔹 核心机制

每秒进行多次”说话 / 倾听 / 暂停 / 打断”状态切换

配套”嗯””对””明白”等轻回应语模拟真人倾听

语音交互层与推理层解耦——复杂任务后台交给 GPT-5.5，前台维持流畅

付费用户可切换”即时 / 中等 / 高”三档推理强度

🔹 用户规模

每周已有 1.5 亿人使用 ChatGPT 的 Voice 功能

GPT-Live-1 → ChatGPT Go / Plus / Pro 付费用户

GPT-Live-1 mini → 免费用户

🔹 与传统语音助手的关键差异

传统语音助手是”半双工”——必须等它说完才能继续说，体感僵硬。GPT-Live-1 的”全双工”可以同时输入输出、实时打断，配合轻回应语形成类真人的对话节奏。这是语音 AI 走向”工具→伙伴”的关键工程化突破。

四、SpaceX AI × Cursor 600 亿联姻：Grok 4.5 是嫁妆还是彩礼？

7 月 8 日，马斯克在社交平台宣布两件大事：

🔹 一是 SpaceX AI 正式发布 Grok 4.5

基于 1.5 万亿参数 V9 基础模型

数万台英伟达 GB300 GPU 训练，Cursor 真实开发数据回灌

SWE Bench Pro 64.7%、DeepSWE 1.0 62%

Harvey 法律智能体基准排名第一

同任务 Token 消耗仅为 Opus 4.8 的 1/4

定价：2 美元输入 / 6 美元输出（每百万 Token）

🔹 二是 SpaceX 拟以 600 亿美元全股票收购 Cursor

这是 2026 年 AI 编程赛道最大单笔交易。从产品形态看，Cursor 已经不只是一个”代码补全”工具，而是一个专业开发者工作流操作系统——这是 Grok 4.5 选择 Cursor 数据回灌训练的根本原因。

五、PrismML 1-bit 压缩：270 亿参数跑 iPhone 的工程奇迹

7 月 9 日，加州理工孵化的 AI 初创 PrismML 宣布，把一个 270 亿参数大模型（基于阿里开源的 Qwen 3.6）压缩到在 iPhone 17 Pro 上原生运行。这个事件被 The Information 称为”设备端 AI 的分水岭”。

🔹 核心技术：原生 1-bit 压缩

权重仅用 {-1, +1} 表示

模型体积压缩至全精度版本的 1/14

内存占用降低 90%+

推理速度最高提升 8 倍

能耗降低 75%-80%

🔹 商业进展

苹果已与 PrismML 接洽，探讨在 Apple Intelligence 中落地的方案。如果合作达成，将是苹果在设备端 AI 赛道补上的最关键拼图——之前 Apple Intelligence 主要依赖云端 Private Cloud Compute，端侧模型规模一直受限。

六、美团 LongCat-2.0：国产五万卡训万亿，标志拐点已至

7 月 9 日，美团技术团队发布 LongCat-2.0 模型——业界首个在五万卡国产算力集群上完成全流程训练与推理的万亿参数模型。

🔹 模型规格

总参数 1.6 万亿，动态激活 330 亿至 560 亿（MoE 架构）

原生支持 100 万 Token超长上下文

聚焦 Agentic Coding 深度优化

🔹 训练与开放

全部使用五万卡国产算力集群（昇腾/海光/天数等）

模型全面开源，同步开放国产卡推理代码

提供 BF16 / FP8 / INT8 多精度版本，覆盖不同算力平台

🔹 行业意义

这不是一个普通的开源大模型发布——它证明了两件事：

国产算力已具备支撑世界级大模型全流程训练的能力——在英伟达 GPU 出口管制的当下，这是产业安全的根基

大厂不再只卷参数，开始卷”工程化”——MoE 动态激活 + 多精度版本 + 国产推理代码全套交付，比单纯秀万亿参数更有商业价值

七、对国内 AI 工具选型的 5 条启示

启示一：按需选档，别再用”一把钥匙”

OpenAI 三档分层定价后，国内企业也该反思：不是所有任务都该用旗舰模型。高频小任务用 Luna 级（国产对应模型如 Qwen-Lite / DeepSeek-V4-Flash），主力业务用 Terra 级（Qwen-Plus / DeepSeek-V4），关键决策才用 Sol 级（旗舰满血版）。

启示二：全双工语音是 2026 下半年必追的工程化方向

1.5 亿周活证明 ChatGPT 语音已成主流入口。国内做智能助手、AI 客服、车载 AI 的团队必须跟进全双工架构——否则会像 2024 年还在做”文字版 ChatPDF”的团队一样，错失下一代用户习惯。

启示三：编程工具的”赢家通吃”窗口只剩 12-18 个月

Cursor 被 600 亿收购后，AI 编程赛道的整合会加速。国产 Cursor 替代品（Trae / CodeBuddy / 通义灵码 / 文心快码）必须在这 12-18 个月内建立真实开发者数据壁垒，否则会被生态绑架。

启示四：1-bit 压缩是设备端 AI 的胜负手

PrismML 的 1-bit 方案不是”实验室 Demo”，而是苹果准备落地的产品级技术。国内端侧 AI 团队（vivo/OPPO/小米/荣耀）应该立即跟进——这是 AI 手机、AI PC、AI 眼镜 三大赛道共同的胜负手。

启示五：国产算力 + 万亿模型是国运级机会

美团 LongCat-2.0 第一次在五万卡国产集群上训出万亿模型——这与同期 Meta 自研 Iris 芯片 9 月量产、字节发布兆瓦级 AI Rack 3.0 算力柜一起，构成了”算力国产化 + 模型自主化 + 工程开源化“的三位一体战略。

下周 WAIC 2026（7/17-20）开幕，华为 Atlas 950 超节点真机首展、阶跃 Agent 操作系统发布、全球首款 AI 智能体手机亮相——可以预见，国内 AI 工具赛道会迎来又一轮密集催化。AI 工具导航站（cn.xcoolevdb.site）会持续跟进，第一时间给到深度横评。

本文由 xcoolevdb 智能写作整理自 36 氪、新智元、IT 之家、华尔街见闻、证券时报、第一财经、钛媒体、虎嗅、雷锋网、The Information、TechCrunch 等公开报道（2026 年 7 月 8-10 日）。观点仅供参考，欢迎留言讨论。

WAIC 2026完整前瞻：7月17-20日上海，300+AI新品首发、华为Atlas 950亮相、具身智能首设专馆

7月7日上海政府发布会披露：2026世界人工智能大会（WAIC）将于7月17-20日举办，展览面积首次突破10万㎡，300+款AI产品全球首发。本文带你一次看懂WAIC 2026六大看点、企业参展指南与行业风向标。

一、规模再创新高：10万㎡+300+新品+1100+企业

7月7日，上海市政府召开新闻发布会，宣布2026世界人工智能大会暨人工智能全球治理高级别会议（WAIC 2026）将于7月17日至20日在上海举办。本届大会创下多项”历届之最”——

大会由上海市委常委、副市长陈杰介绍，本届WAIC联动12个国家部委、8个国家级重点实验室、10余个国际组织，9位图灵奖/诺贝尔奖得主确认参会，征集到来自9个国家的284篇优质论文。WAIC Academic学术会议为首次设立，标志WAIC从产业展会向”产业+学术”双引擎升级。

二、六大首发重磅：华为Atlas 950 / 阶跃Agent OS / MiniMax M3

上海市经济信息化委主任汤文侃介绍了本届大会的首发首秀亮点，全部是国内AI产业的”硬核家底”——

这六大重磅中，”算力（Atlas 950、近存计算）+ 模型（MiniMax M3）+ OS（阶跃Agent OS）+ 端侧（AI手机、机器人）”四条主线齐头并进，标志着中国AI产业从”模型单点突破”走向”全栈协同”。

三、具身智能首设独立专馆：100+机器人同台

本届WAIC最大变化是首次设立”具身智能专馆”，预计100+款人形/四足/机械臂机器人同台展示。上海浦东同步发布《具身智能产业地图》——

已集聚130+家具身智能企业

核心零部件国产化率目标：70%

智元、宇树、优必选、傅利叶等头部企业全部参展

智算、具身两大赛道各汇聚超200家企业

组委会还首次把”具身智能”从分论坛升格为独立专馆，背后的产业逻辑很清晰：随着宇树科技科创板IPO路演7月8日启动（拟募资42.02亿元、估值约420亿元），具身智能正从”技术demo”走向”商业化兑现”，WAIC 2026是这一拐点的产业阅兵式。

四、Token调用量”两年涨千倍”：中国AI产业破万亿

国家发展改革委创新和高技术发展司副司长王若蒙在发布会上披露了一系列关键数据：

最震撼的是Token调用量的指数级增长：

2024年初：中国日均Token调用量 1000亿

2025年底：跃升至 100万亿（增长1000倍）

2026年3月：突破 140万亿

2026年7月：达到 数百万亿/日

这意味着中国AI产业已经从”技术展示”全面进入”规模化落地”阶段，应用层爆发才是真正的主角。WAIC 2026作为产业阅兵式，展出的300+新品大多会在接下来一年里影响每个人的工作与生活。

五、全球治理主战场：WAIC高级别会议升格

人工智能全球治理是本届WAIC的重要主题。外交部人工智能事务协调员孙晓波介绍，今年将邀请几十个国家和国际组织派高级别代表出席”人工智能全球治理高级别会议”，围绕AI发展和治理的前沿性、焦点议题深入交换意见。

WAIC 2026的国际信号有三层：

主宾赛道：具身智能从分论坛升格为独立专馆

学术首发：WAIC Academic首届学术会议，9国284篇论文

治理协同：高级别会议+多国代表+国际组织参与

这意味着WAIC已经不只是”中国的AI展会”，而是全球AI治理的重要对话场——这一点对计划出海的中国AI企业尤其关键。

六、企业参展指南：3类观众+3条路线

结合WAIC 2026议程，给三类典型观众画了”观展路线”——

路线A：技术决策者（CTO/架构师/技术负责人）

D1：华为Atlas 950超节点 + 近存计算3D芯片（智算主线）

D2：阶跃Agent OS + MiniMax M3（模型+OS主线）

D3：AI手机拆解 + 灵巧手Demo（端侧主线）

路线B：产品经理/创业者

D1：300+首发新品巡馆，重点看”已商业化”产品

D2：具身智能专馆100+机器人同台，看硬件供应链

D3：产业对接会，对接140+企业生态

路线C：投资者/产业研究员

D1：国家发改委数据发布专场（产业规模/Token量）

D2：具身智能专馆 + 上海浦东产业地图

D3：宇树/智元/优必选融资路演对接

总结：WAIC 2026传递的5个产业信号

从300+款全球首发产品、9位图灵/诺奖得主、140+场论坛、1100+企业、10万㎡展览规模里，能读出5个清晰的产业信号——

WAIC 2026不只是”看新品”，更是”看产业”——300+全球首发的背后，是中国AI产业从”能不能做”走向”做多大”的临界点。7月17-20日上海，拭目以待。

📌 数据来源：上海市政府新闻发布会（2026-07-07）、国家发改委披露、CSDN AI科技热点日报（2026-07-08）、Yietion《AI日报·2026-07-08》、经济参考报、网信河北报道。

华为DevEco Code深度测评：鸿蒙开发进入AI Agent”自动驾驶”时代

6月12日华为开发者大会HDC 2026上，华为正式发布DevEco Code与DevEco CLI两款鸿蒙AI辅助研发工具。这不是又一个通用AI编程助手——它是第一个深度嵌入鸿蒙工具链、实现从需求到部署全流程闭环的专属编程智能体。编译成功率80%+，任务完成率60%+，Goal模式让AI从”辅助工具”升级为”自主开发者”。

一、为什么鸿蒙需要专属AI编程智能体？

2026年的AI编程赛道已经卷到白热化——OpenAI Codex、Claude Code、小米MiMo Code、智谱ZCode 3.0轮番登场。但一个尴尬的现实是：这些通用编程AI，写鸿蒙代码经常翻车。

核心痛点有三个：

鸿蒙使用ArkTS语言和分布式架构，与安卓/iOS开发逻辑完全不同，通用AI模型缺乏鸿蒙专属接口和规范的理解

多终端适配是鸿蒙最大卖点也是最大开发负担——手机、折叠屏、车机、手表、平板，一套代码适配十余种设备形态

编译构建、真机调试、日志排查等工程环节，通用AI完全插不上手，只能停留在”写代码”层面

华为终端BG软件部总裁龚体在HDC 2026上用了一个精准的比喻：DevEco Code相当于把鸿蒙资深研发专家的经验”蒸馏”出来，将产品专家、项目经理、架构师、开发专家和测试专家一整套团队，直接带给每个开发者。

这不是夸张。鸿蒙6升级率已超过98%，TOP应用用户满意度提升超50%，生态在加速膨胀，但开发者缺口巨大。专属AI编程智能体不是锦上添花，而是生态扩张的刚需基础设施。

二、DevEco Code vs DevEco CLI：两款工具分别干什么？

华为这次同时发布了两款产品，定位清晰互补：

DevEco Code：懂鸿蒙的编程智能体

基于华为毕方大模型和OpenCode构建，开箱即用。覆盖需求设计、代码生成、测试、维护等研发全流程，支持自定义模型。核心亮点是编程智能体增强技术——聚焦关键研发环节，完成工具和Skills自动调优，实现快速验证与修复自闭环。

DevEco CLI：给Agent用的鸿蒙开发命令行

支持市面主流编程Agent，把鸿蒙开发全流程工具、知识和精品Skills开放出来，从创建工程、语法检查、编译构建到运行调测全流程做到Agent调用友好。华为还将2000多万字鸿蒙官方文档转化为可被Agent调用的知识资源。

三、DevEco Code核心能力深度拆解

3.1 内置工具链：7大核心工具

DevEco Code基于OpenCode扩展开发，保留了终端交互、配置体系、Provider/MCP/Skill/Plugin等通用能力，并针对HarmonyOS工程深度定制了7个核心工具：

这7个工具覆盖了鸿蒙开发从”写代码”到”跑起来”的完整链路。通用AI编程助手只能帮你写代码，DevEco Code能帮你写完代码后自动编译、自动推到模拟器、自动验证UI是否正确——这才是真正的全流程闭环。

3.2 精品Skills：一句话搞定复杂任务

DevEco Code开放了覆盖鸿蒙开发全旅程的精品Skills，按需加载，快速调用最佳实践中的”专家经验”：

四、Plan+Build双Agent协同：精准执行的全流程自动化

DevEco Code为HarmonyOS ArkTS应用打造了Plan和Build双Agent协同机制，形成一条完整的AI Coding开发流水线。

Plan Agent：理解意图，拆解任务

深度理解开发者意图，将复杂需求拆解为可执行的子任务列表，明确每一步的输入、输出和验收标准。

Build Agent：执行落地，验证闭环

按照Plan生成的任务列表，依次完成代码生成、语法检查、代码修复、构建出包、推送模拟器等一系列操作。

这种双Agent协同的核心价值在于：Plan负责”想清楚”，Build负责”做到位”。两者各司其职，避免了单一Agent在长程任务中”想不清楚就动手”或”做到一半忘了目标”的常见问题。

五、Goal模式：AI”自动驾驶”式开发

这是DevEco Code最令人兴奋的高阶能力。Goal模式实现了从”人提需求”到”AI自主达成目标”的范式跃迁。

工作原理：

开发者提供Spec文档，定义需求和验收标准

Goal模式自动解析需求，完成需求分析和任务拆解

自动进行架构设计

闭环覆盖：代码生成 → 语法校验 → 编译打包 → 真机/模拟器部署 → 自动化验证 → 问题修复

循环迭代直到用户确认完成

以”首页基础文本组件快捷入口”为例：Goal模式自动启动设备推包运行 → 代码生成 → 语法检查 → 代码修复 → 构建出包 → 推送模拟器 → 功能自验证 → 循环直到完成。整个过程开发者只需在最后确认。

Goal模式的本质是把AI从”辅助工具”升级为”自主开发者”。它不是在旁边给建议，而是在工具链里替你把机械步骤推进去。当然，代码能跑只是底线，产品稳定性、性能、权限与兼容处理仍然需要人把关。

六、Harness工程化体系：从调提示词到优化工程资产

DevEco Code背后是一套名为Harness的系统化工程框架，这是它区别于”调提示词”式AI编程的关键。

Harness整合了五大核心要素：

Agent角色定义与协作边界

HarmonyOS领域的Skills、Tools、知识库管理

ArkTS/ArkUI代码生成能力

构建与真机反馈的闭环数据

轨迹分析与评测数据记录

在此基础上，DevEco Code还引入了TRACE框架，通过量化归因Coding Agent轨迹，识别规划、检索等维度的干扰因子，锁定五大变量：系统Prompt、RAG检索、模型、Skills/Tools设计、Agent循环控制。实现自动化策略迭代，系统性破解组合爆炸难题。

七、性能实测：编译成功率与任务完成率双提升

华为公布了对比测试数据，在相同任务下：

对比方案是OpenCode + DeepSeek-V4-Pro，DevEco Code在两个核心指标上均实现明显提升。编译成功率80%+意味着10次编译有8次能直接通过，任务完成率60%+意味着超过一半的任务AI可以端到端自主完成，不需要人工干预。

对于鸿蒙开发这种有大量工程规范和设备适配需求的场景，这个数据相当有说服力。通用AI编程工具在鸿蒙场景下的编译通过率通常只有30-40%，因为它们不懂ArkTS语法规范，也不理解鸿蒙的工程结构。

八、大厂实战数据：抖音、快手怎么用的？

HDC 2026现场，抖音和快手分享了真实业务数据，比实验室跑分更有参考价值：

快手的数据尤其亮眼：开发阶段AI代码生成率80%，意味着10行代码有8行是AI写的；测试用例采纳率84%，意味着AI生成的测试用例大部分可以直接用。最夸张的是性能优化——以前两个人干一周的活，现在半天搞定，冷启动还提升了16%。

九、DevEco CLI：让第三方Agent也能”懂鸿蒙”

如果说DevEco Code是华为自己的AI编程智能体，那DevEco CLI就是华为给整个AI编程生态递出的一把钥匙。

核心价值：

把鸿蒙开发全流程工具能力开放给市面主流编程Agent（Claude Code、MiMo Code、Codex等）

2000多万字鸿蒙官方文档转化为可被Agent调用的知识资源

从创建工程、语法检查、编译构建到运行调测全流程Agent调用友好

这一步的战略意义在于：它把鸿蒙生态从”靠人翻文档”变成”让工具链也能查标准答案”。即使你不用DevEco Code，用你习惯的编程Agent + DevEco CLI，也能高效开发鸿蒙应用。

华为还宣布将全部鸿蒙AI辅助研发Skills开源至OpenHarmony社区，期待更多开发者贡献自己的Skills，共创能力、共享收益。

十、与竞品对比：DevEco Code vs MiMo Code vs ZCode 3.0

三者各有侧重：DevEco Code胜在鸿蒙深度定制和工程闭环，MiMo Code胜在开源和通用性，ZCode 3.0胜在GLM模型深度适配。如果你是鸿蒙开发者，DevEco Code是唯一能提供全流程闭环的选择。

十一、谁应该用？谁暂时不需要？

✅ 强烈推荐：

鸿蒙原生应用开发者——全流程闭环直接提升开发效率

需要适配多设备的团队——多设备Skill节省50%适配时间

鸿蒙开发新手——AI降低学习门槛，快速上手ArkTS

企业级鸿蒙项目——本地运行保障代码安全

⚠️ 暂时观望：

纯安卓/iOS开发者——等跨平台方案成熟再说

非鸿蒙生态的开发者——工具链深度绑定鸿蒙，通用场景用MiMo Code或ZCode更合适

对AI生成代码质量要求极高的场景——60%任务完成率意味着仍有40%需要人工介入

十二、总结与展望

DevEco Code的发布，标志着鸿蒙开发从”IDE插件辅助”正式迈入”Agent可驱动的工具链”阶段。三个核心突破：

但也要清醒认识到：工具越强，流程纪律越不能省。AI现在是把”体力活”接走一部分，不是把判断力外包掉。代码能跑只是底线，产品能不能稳、性能会不会回退、权限与兼容处理对不对，仍然需要人把关。

鸿蒙6升级率98%、1200+设备兼容认证、3万+社区Star——生态在加速，DevEco Code是华为给这个加速生态装上的AI引擎。对于鸿蒙开发者来说，这可能是2026年最值得认真体验的工具。

一、MiMo Code是什么？

2026年6月11日，小米mimo技术团队正式发布了一款探索性AI编程助手——MiMo Code。这是小米MiMo首次进入Coding Agent领域，标志着小米在AI编程工具赛道的正式布局。

MiMo Code的发布背景很有意思。小米此前已经推出了MiMo V2.5大模型，主打多模态能力和高性价比（注册即送15元免费额度，约2.5亿token）。而MiMo Code则是基于MiMo V2.5模型能力，专门面向编程场景的Agent工具。

小米选择此时入局AI编程赛道，时机点非常微妙。2026年上半年，AI编程工具领域已经呈现出”三足鼎立”的格局：OpenAI的Codex、Anthropic的Claude Code、以及国内的DeepSeek+Claude Code组合。小米的入局，意味着国产AI编程工具赛道又多了一个重量级玩家。

二、核心功能实测

2.1 代码生成与补全

MiMo Code的核心能力之一是自然语言到代码的生成。用户可以通过自然语言描述需求，MiMo Code会自动生成对应的代码实现。

根据目前公开的信息和实测反馈，MiMo Code在以下场景表现较好：

• 常见算法实现：排序、搜索、数据结构等基础算法生成准确率高
• Web开发：HTML/CSS/JavaScript代码生成较为流畅
• Python脚本：数据处理、文件操作等日常脚本生成速度快
• API调用：基于文档描述生成API调用代码

不过，作为探索性产品，MiMo Code在复杂业务逻辑、大型项目架构设计等方面的能力仍有待验证。这与Codex和Claude Code相比，确实存在一定差距。

2.2 代码解释与优化

除了代码生成，MiMo Code还支持代码解释和优化建议功能。用户可以上传现有代码，让MiMo Code进行：

• 代码逻辑解释（用自然语言说明代码做了什么）
• 性能优化建议（识别性能瓶颈并给出优化方案）
• 代码重构建议（改善代码结构和可读性）
• Bug排查辅助（分析潜在问题和修复方案）

2.3 多模态能力

得益于MiMo V2.5的多模态能力，MiMo Code支持图片输入。这意味着用户可以：

• 上传UI设计图，让AI生成对应的HTML/CSS代码
• 上传代码截图，让AI识别并解释或转换
• 上传流程图，让AI生成对应的实现代码

这一能力在目前的AI编程工具中并不多见，是MiMo Code的一个差异化亮点。

三、与Claude Code、Codex的横向对比

为了更直观地了解MiMo Code的定位，我们将其与当前主流的AI编程工具进行横向对比：

四、适合谁用？使用建议

4.1 推荐人群

基于当前的产品能力，MiMo Code更适合以下用户群体：

• 编程初学者：需要快速理解代码逻辑、获取代码示例
• 前端开发者：需要快速生成HTML/CSS/JavaScript代码
• Python数据分析师：需要快速生成数据处理脚本
• 国内开发者：不方便使用海外AI工具，需要国内替代方案
• 预算有限的个人开发者：需要免费或低成本的AI编程辅助

4.2 不推荐人群

• 大型项目架构师：需要复杂的系统设计和代码架构能力
• 资深全栈开发者：对代码质量和Agent能力要求极高
• 需要处理超长代码库的用户：上下文长度有限

4.3 使用建议

五、总结与展望

MiMo Code的发布，是小米在AI编程领域的一次重要尝试。虽然与Claude Code、Codex等国际顶尖产品相比，在代码能力和Agent成熟度上还有差距，但MiMo Code也有其独特的优势：

• 国内直连：无需翻墙，访问稳定
• 限时免费：降低用户尝试门槛
• 多模态能力：图片转代码等创新功能
• 生态潜力：与小米生态的联动想象空间

对于国内开发者来说，MiMo Code提供了一个新的选择。尤其是对于那些不方便使用海外AI工具、或者预算有限的开发者，MiMo Code可以作为一个入门级的AI编程助手。

未来，我们期待看到MiMo Code在以下方面的改进：

• 提升代码生成的准确性和复杂度处理能力
• 增强Agent自主执行能力，减少人工干预
• 扩展支持的编程语言和框架
• 与VS Code、JetBrains等主流IDE深度集成
• 建立更完善的代码安全审查机制

总的来说，MiMo Code是一款值得关注的国产AI编程工具。虽然它还不是最强的那一个，但在国产替代的大背景下，它的出现无疑为国内开发者提供了更多选择。如果你正在寻找一款免费的、国内可用的AI编程助手，不妨给MiMo Code一个机会。

2026安全生产月：5款AI巡检工具实测，隐患排查效率翻5倍

今年6月是第25个全国安全生产月，主题”排查整治风险隐患”直指一线痛点。传统巡检靠人眼、靠经验、靠纸质台账，效率低、闭环差、追溯难。AI巡检工具能不能解决这些问题？我们实测了5款主流工具，给出最真实的选型建议。

一、为什么今年安全生产月必须上AI巡检？

2026年安全生产月的主题是“人人讲安全、个个会应急——排查整治风险隐患”。这个主题直指当前安全管理的核心痛点：隐患排查不到位、整改闭环不及时。

但现实是，大多数企业的巡检还是这样的：

• 安全员拿着纸质检查表，走一圈打几个勾，回来手动录Excel
• 夜间、节假日巡检流于形式，有没有真去现场全凭自觉
• 发现隐患后口头通知、微信转发，整改有没有落实没人跟踪
• 月度总结时翻台账，数据零散，统计全靠手动汇总

更要命的是政策倒逼：

简单说：不上AI巡检，不是落后的问题，是不合规的问题。

Gartner预测，2026年将有40%的企业应用嵌入任务型AI智能体，中国企业级AI智能体市场规模突破480亿元。安全巡检，正是AI Agent落地的最佳场景之一。

二、5款AI巡检工具逐个实测

三、横评对比表：一图看清差异

四、不同场景怎么选？给你3套方案

方案A：中小企业”轻量起步”组合

适合员工50-500人的制造企业、食品加工、物流仓储等。

方案B：危化品/化工企业”合规必备”组合

适合有重大危险源、需要对接政府监管平台的化工企业。

方案C：建筑工地”灵活定制”组合

适合建筑企业、市政工程等有深度定制需求的场景。

五、AI巡检的3个坑，踩过才知道

六、写在最后：AI不是替代你，是帮你看

有人说，AI巡检会不会让安全员失业？

恰恰相反。AI解决的是”看得见”和”记得住”的问题——它帮你拍下水印照片确保真实性，帮你自动生成检查表节省时间，帮你跟踪整改闭环不遗漏，帮你分析数据找到隐性风险。

但判断和决策，仍然需要人的经验。AI告诉你”这个区域风险偏高”，但哪个风险要先处理、需要调配什么资源、如何平衡生产和安全，这些是安全员的价值所在。

AI不会替代安全员，但会用AI的安全员，会替代不会用AI的安全员。

2026年安全生产月，不妨从一个最简单的功能开始——拍照查隐患、微信写周报、AI写报告，慢慢解放自己，把时间用在真正值钱的安全管理上。

觉得有用，转发给身边还在熬夜做台账的同行 🤝

xcoolevdb.site

@xcoolevdb · AI工具导航站

当大模型遇上安全生产，HSE管理正在经历一场静默的革命。从”事后追责”到”事前预防”，AI隐患识别系统正在让安全管理从经验驱动走向数据驱动。本文深度解析AI在HSE领域的落地案例、核心技术与选型建议。

一、HSE管理的现实困境：为什么需要AI？

“我们缺的不是责任心，是专业判断力没办法在每一刻都拉满。”

这句话，道出了多数企业HSE管理的真实困境。从现场拍下一张照片，到开出一份依据清晰的整改指令单，中间的鸿沟曾让很多企业的安全管理迟迟走不出纸面。

传统安全管理依赖人工巡查、现场旁站监督、事后追责整改，存在三大核心痛点：

经验依赖严重：隐患识别高度依赖个人经验，”老师傅”的火眼金睛难以复制，新安全员面对复杂场景常常心里没底。

监管覆盖不足：人工视野有限，偏远现场、隐蔽作业的小违章很难第一时间发现，巡查覆盖面存在天然盲区。

闭环周期漫长：从发现隐患到整改销项，传统流程往往需要数天甚至数周，整改效率低下。

二、AI隐患识别：从”拍脑袋”到”秒级判定”

AI隐患识别系统的核心能力，可以概括为”一看、二判、三建议”：

以赛为安全的AI隐患识别系统为例，在央企化工事业部三个厂区试运行三个月后，隐患检出率提升了40%，整改闭环周期从五天压缩到一天半。

三、国内AI+HSE落地案例深度盘点

3.1 赛为安全：AI视频安全隐患识别系统

赛为安全是国内最早将AI大模型引入HSE领域的企业之一。其AI视频安全隐患识别系统深度融合前沿AI行为分析技术，搭载深度优化的人体姿态估计算法、行为轨迹分析模型、动作特征识别技术。

系统可精准识别的高频违章场景包括：

高处作业安全带低挂高用

验电不佩戴绝缘手套

吊装作业手扶吊物

高处向下抛物

动火作业未设监护人

3.2 大庆油田：AI智能识别+远程对讲

大庆油田电力运维分公司在电网运维作业中部署AI智能识别系统，聚焦高频违章行为，实现自动预警、溯源存档、远程干预。

系统依托固定监控、移动布控球、无人机等设备，实现全域作业场景无死角、全覆盖监管。当AI识别到违章操作时，系统自动完成画面抓拍、云端存档、弹窗预警，安全监督员通过远程对讲机叫停现场不规范作业。

3.3 天泽智联：蓝塔安全行业大模型

天泽智联依托蓝塔安全行业大模型，整合14万+服务客户积淀，构建超大规模安全高质量数据集，深度覆盖高层建筑、化工企业、新能源场站、仓储物流等细分场景。

其创新采用”标准隐患+现场隐患”分层管理模式，形成其他通用模型难以复制的垂域数据壁垒，有效解决通用大模型高幻觉、数据安全性弱、辨识不准确等问题。

四、技术拆解：AI隐患识别系统如何工作

4.1 技术架构

典型的AI隐患识别系统包含四层架构：

1. 感知层：多源数据采集

固定摄像头、移动布控球、无人机、手机拍照等多模态输入，覆盖不同场景和视角。

2. 识别层：AI视觉分析

基于计算机视觉的目标检测、人体姿态估计、行为轨迹分析等技术，精准识别人员、设备、环境状态。

3. 决策层：大模型推理

融合安全行业知识库的大模型，进行语义理解、风险判定、法规匹配，生成结构化判定结果。

4. 应用层：闭环管理

对接企业安全管理系统，自动同步隐患信息，触发整改、复核、归档全流程管理。

4.2 核心技术栈

技术模块          典型方案
─────────────────────────────────
目标检测          YOLOv8 / RT-DETR
人体姿态估计       MediaPipe / OpenPose
行为识别          SlowFast / ST-GCN
大模型推理        蓝塔安全 / 自研垂域模型
知识库           法规标准库 + 企业SOP
部署架构          边缘计算 + 云端协同

五、选型指南：企业如何搭建AI安全体系

5.1 自研 vs 采购：如何选择？

5.2 选型 checklist

企业在选择AI安全系统时，建议重点关注以下维度：

识别准确率：是否支持企业特定场景的精准识别？误报率、漏报率如何？

法规匹配：是否内置最新的安全生产法规标准库？能否自动匹配对应条款？

闭环能力：是否支持从发现到整改销项的全流程管理？能否对接现有OA/ERP？

部署方式：支持私有化部署还是仅SaaS？数据是否出域？

持续迭代：模型更新频率？是否支持企业自定义训练？

六、未来展望：从单点识别到全链路预判

当前AI在HSE领域的应用，主要集中在”事后识别”和”事中干预”。未来的发展方向，是从”单点识别”走向”全链路预判”：

1. 风险预测

基于历史数据和实时监测，AI提前预测高风险时段、高风险区域、高风险作业，实现”防患于未然”。

2. 数字孪生

构建工厂/现场的数字孪生体，在虚拟空间中进行安全演练、应急预案推演，降低真实场景中的试错成本。

3. 智能体协同

AI安全智能体与巡检机器人、无人机、可穿戴设备等深度协同，形成”天、地、人、机”一体化全天候监督防护网。

写在最后

2026年安全生产月的主题是”人人讲安全、个个会应急——排查整治风险隐患”。AI技术的引入，让”人人”都能成为安全管理的参与者和发现者。

从赛为安全的央企实践，到大庆油田的远程智能监管，再到天泽智联的行业大模型，AI正在HSE领域走出一条从”辅助工具”到”核心能力”的进化之路。

对于安全管理者而言，拥抱AI不是选择题，而是必答题。关键不在于技术有多先进，而在于能否找到适合自身场景的最佳实践路径。

当国产大模型还在参数和价格上缠斗时，腾讯混元用一款Hy3给出了不一样的回答——不是更大，而是更”好用”。

核心数据：一张图看懂Hy3

一、正式版 vs Preview版：到底升级了什么

2026年5月，腾讯混元悄悄上线了Hy3 Preview，当时在开发者圈里已经引起不小骚动——一个从FAIR引进的首席科学家（姚顺雨），一个”快慢思考MoE”的新架构概念，直接就把期待值拉满了。

但Preview终究是Preview，很多能力是”有但不够稳”。今天正式版来了，把三个最让人头疼的短板全补齐了——幻觉、速度、生态。

1.1 幻觉率：对半砍，再对半砍

Preview版的幻觉率是12.5%，正式版直接干到5.4%——降幅近57%。常识错误率从25.4%降到12.7%。

5.4%这个数字放在今天的国产大模型里是什么水平？目前公开数据的其他国产模型普遍在8%-12%之间。5.4%做到了接近GPT-5.5级别的幻觉控制，但参数量远小于GPT-5系列。

要知道混元Hy3只有21B激活参数，能做到这个幻觉水平，说明MoE的”快慢思考”结构在信源分辨上确实起作用了——不急着答，先想靠谱不靠谱。

1.2 WorkBuddy：真实的生产力提升

腾讯内部有一个叫WorkBuddy的办公任务评测集，用来测试模型在真实工作场景中的问题解决能力。Preview版的任务解决率是72%，正式版直接跳到90%，平均任务耗时缩短34%。

90%的解率意味着什么？在大多数办公场景（文档摘要、数据分析、文案写作、代码生成），Hy3已经能做到”一次过”——不需要人工反复纠错。对企业来说，这意味着省掉的不是单次推理的几分钱，而是一个全职员工反复检查的时间和精力。

1.3 开源 + 开放生态

Preview版只通过API对外开放，正式版则直接上了Apache 2.0协议开源——GitHub、HuggingFace、ModelScope三站同步上线，权重文件全开放。

这一步很关键。在国内大模型市场，”开源”和”不开源”正在快速分化——开源的模型更容易获得开发者和企业的信任，也更容易被集成到各种第三方产品中。Hy3这一放权，直接让它在OpenRouter上冲到全球调用量第一的位置（2.68万亿Token/周），说明开发者社区是真买账。

二、快慢思考MoE架构：小模型如何打赢大模型

Hy3用的不是传统MoE，而是姚顺雨团队提出的“快慢思考融合MoE”架构。

这里简单拆一下：

传统MoE

把大模型分成多个”专家”子网络，输入进来时只激活部分专家。优点是同样的算力可以做更大的模型，缺点是”专家”之间互不沟通，每个问题都走固定路线。

快慢思考融合MoE

Hy3的思路是：先把问题走一遍”快思考”路径——用轻量级判断快速评估问题类型和复杂度，然后决定调用哪些专家、走多深的推理链路。遇到简单问题就走完”快思考”直接出结果；遇到复杂问题才触发”慢思考”——更多专家参与、更深推理链条。

这种设计对推理效率的影响有多大？OpenRouter的数据是最干脆的证明——27%的Qwen模型调用正在向Hy3迁移，迁移带来的推理成本直降40%。

用姚顺雨自己的话说：”我们在做的是一个”端到端协同设计”的快慢思考融合MoE——不是用两个模型拼拼凑凑，而是在训练阶段就设计好了快慢两条路径的协同工作方式。”

三、实测数据拆解：幻觉率5.4%意味着什么

可能有人会问：5.4%和12.5%的差距，在实际使用中到底差多少？

我们换个角度来看——

场景一：企业知识库问答

HR部门用AI回答员工关于公司政策的提问。幻觉率12.5%意味着每8次回答就可能有1次出现错误信息——员工误以为”年假15天含周末”，后果可能是后续仲裁纠纷。

幻觉率5.4%时，这个风险降低了一半以上。虽然不能说100%可靠，但已经可以在大多数非关键问题上接近”可信”边界。

场景二：客服自动化

一个每天处理10万次会话的客服系统，12.5%的幻觉率意味着每天12,500次会话可能给出不准确的信息——其中至少几百次会引发客户投诉升级。

降到5.4%后，这个数字缩小到5,400次每天——仍然不是零，但已经大幅降低了需要人工介入的比例。

场景三：代码生成

12.7%的常识错误率在代码场景中非常恐怖——变量命名混乱、函数签名错误、API调用方式不对，这些在Preview版中是常态。正式版的12.7%（降了50%）意味着生成的代码”像人写的”而非”像AI胡编的”，开发者的审查负担大幅降低。

四、Hy3 vs DeepSeek-V4：落地战斗机 vs 性能猛兽

Hy3发布的时间节点非常有意思——前脚DeepSeek-V4刚在6月全网上线，后脚腾讯混元Hy3就跟上了。两者都是国内顶级MoE大模型，但走的路线完全不同。

这就引出了一个重要判断：2026年下半年的国产大模型竞争，正在从”谁更强”转向”谁更好用”。比着刷MMLU榜单的日子过去了，现在拼的是API价格、幻觉率、上下文长度、企业级售后——这些”非炫技”但决定实际采购决策的指标。

五、131款产品接入：腾讯的Agent帝国

Hy3正式发布会上，腾讯公布了最大的落地数据：已接入131款内部产品。这个数字可能比任何基准测试都有说服力——在大厂内部，一个模型的好坏不是靠PPT，而是靠PM和开发者的”用脚投票”。

目前已知的接入产品矩阵：

这131款产品覆盖的不只是”对话”场景——游戏NPC的实时对话、微信读书的AI书评、QQ浏览器的页面摘要、腾讯云的API推理、元宝的个人助手……每个场景对模型的要求都不一样：游戏需要低延迟，读书需要高”理解质量”，企业云需要安全合规。

Hy3能做到一统这131个场景，靠的正是MoE的灵活性——同一个模型基础，通过不同的专家组合和路由策略适配不同场景。

生态对比：企业微信”大员”

值得一说的是，腾讯企业微信同日宣布推出AI智能体”大员”，但它基于的是DeepSeek大模型，而非Hy3。这个选择很有意思——腾讯内部有多条AI产品线，Hy3负责”主力底座+开源生态”，而对办公协作这类生产力场景，企业微信选择了DeepSeek的差异化能力。说明腾讯对模型的策略是”不拘泥于一花独放”。

六、对开发者和企业的建议

对开发者来说

Hy3开源的Apache 2.0协议是目前业界最宽松的开源协议之一，意味着你可以自由修改、二次分发甚至商用它。对于想要自建AI能力的中小团队来说，Hy3是目前性价比最高的基座模型选择之一。

建议关注的重点：

GitHub仓库的Fine-tuning指南——用LoRA微调适配垂直场景

256K上下文的处理策略——长文档/长代码/长对话场景是Hy3的强项

缓存输入仅0.25元/百万tokens的定价——高频重复查询场景成本极低

对企业来说

如果你正在做企业级AI选型，以下场景建议重点评估Hy3：

客服/对话类：低幻觉、高可靠性、价格低廉

办公助手类：WorkBuddy 90%解决率已经验证了文档和数据处理能力

知识库检索：256K上下文支持长文档理解

代码生成：常识错误率降至12.7%后，辅助编程体验明显提升

本文由 xcoolevdb 智能写作，基于腾讯混元7月6日发布会、钛媒体、36氪、CSDN等公开报道整理。观点仅供参考，欢迎留言讨论。

AmberTreelet

@AmberTreelet · 2026年7月

AI工具导航站2026深度横评：谁才是真正”AI工具第一入口”？

2026年，AI工具爆发式增长，从GPT Store到国产工具集合站，用户面临”选择困难症”。本文深度横评8大主流AI工具导航平台，从功能、体验、生态等维度全面对比，帮你找到最适合自己的AI入口。

一、为什么需要AI工具导航站

2026年的AI工具市场，早已不是ChatGPT一家独大的时代。从文本生成到图像创作，从代码辅助到数据分析，各类AI工具层出不穷。据统计，目前全球活跃的AI工具已超过10,000款，仅国内就有数百款产品在竞争。

对于普通用户而言，面对如此庞大的工具海洋，如何快速找到适合自己的工具成为首要难题。AI工具导航站应运而生，它们扮演着”AI世界的搜索引擎”角色，帮助用户高效发现、对比和选择工具。

二、评测对象与维度说明

本次评测选取了8个代表性平台，涵盖国际和国内市场：

• GPT Store（OpenAI官方）
• Poe（Quora旗下）
• There/Toolify（专业工具发现）
• OpenRouter（API聚合网关）
• Hugging Face（开源社区）
• 豆包工具箱（字节跳动）
• 通义晓蜜（阿里巴巴）
• 智谱清言 & 扣子Coze

评测维度：

• 工具数量与覆盖范围
• 搜索与筛选能力
• 用户体验与界面设计
• 社区与生态建设
• 商业模式与可持续性

三、GPT Store：OpenAI的官方生态

3.1 平台概况

GPT Store是OpenAI于2024年推出的官方GPTs应用商店，2026年已发展成为全球最大的对话式AI应用平台。截至2026年中，GPT Store上架的GPTs数量已超过500万个，涵盖写作、编程、设计、教育等数十个领域。

3.2 优势与不足

优势：

• 与ChatGPT无缝集成，用户基数庞大
• GPTs质量相对较高，审核机制完善
• 支持付费订阅，开发者收益可观

不足：

• 仅支持OpenAI生态，开放性不足
• 搜索功能相对简单，发现机制有待优化
• 对非英语用户支持有限

四、Poe：聚合型对话平台

4.1 平台概况

Poe由Quora推出，定位为”AI聊天机器人的应用商店”。与GPT Store不同，Poe聚合了多家AI模型的能力，包括GPT、Claude、Gemini等，用户可以在一个平台上体验不同的AI对话。

4.2 优势与不足

优势：

• 多模型聚合，方便对比使用
• 界面简洁，上手门槛低
• 支持自定义机器人创建

不足：

• 工具深度不足，更多是”对话”而非”应用”
• 订阅费用较高
• 社区活跃度一般

五、There/Toolify：专业工具发现引擎

5.1 平台概况

There和Toolify是2025-2026年崛起的专业AI工具发现平台。它们不局限于某个生态，而是致力于收录全球各类AI工具，提供全面的分类、筛选和评测功能。

5.2 优势与不足

优势：

• 工具覆盖面广，分类细致
• 搜索和筛选功能强大
• 中立的第三方视角，评测客观

不足：

• 工具质量参差不齐，审核机制待完善
• 用户互动功能较弱
• 部分工具信息更新不及时

六、OpenRouter：开发者首选API网关

6.1 平台概况

OpenRouter定位独特，它不是面向普通用户的工具导航站，而是面向开发者的API聚合网关。通过OpenRouter，开发者可以统一调用多家AI模型的API，简化开发流程。

// OpenRouter API调用示例
const response = await fetch("https://openrouter.ai/api/v1/chat/completions", {
  method: "POST",
  headers: {
    "Authorization": `Bearer ${API_KEY}`,
    "Content-Type": "application/json"
  },
  body: JSON.stringify({
    model: "openai/gpt-4o",
    messages: [{ role: "user", content: "Hello!" }]
  })
});

6.2 优势与不足

优势：

• 统一API接口，降低开发成本
• 支持模型自动切换和负载均衡
• 价格透明，按量计费

不足：

• 技术门槛高，不适合普通用户
• 缺乏工具发现功能
• 社区支持相对薄弱

七、Hugging Face：开源AI社区

7.1 平台概况

Hugging Face是全球最大的开源AI社区，拥有超过50万个模型和10万个数据集。虽然它并非传统意义上的”工具导航站”，但其模型库和功能已经使其成为AI工具发现的重要平台。

7.2 优势与不足

优势：

• 开源生态丰富，模型数量庞大
• 社区活跃，文档完善
• 支持模型在线体验和部署

不足：

• 技术门槛高，普通用户难以使用
• 模型质量参差不齐
• 商业化程度较低

八、国产工具集合站横评

8.1 豆包工具箱（字节跳动）

豆包工具箱依托字节跳动的生态优势，整合了豆包大模型及第三方工具，主打”AI工具一站式体验”。其优势在于与抖音、飞书等产品的深度整合，用户基数庞大。

8.2 通义晓蜜（阿里巴巴）

通义晓蜜是阿里巴巴推出的AI工具平台，依托通义大模型，提供写作、编程、设计等多类工具。其优势在于电商和企业服务场景的深度融合。

8.3 智谱清言 & 扣子Coze

智谱清言和扣子Coze代表了国产AI工具平台的两种路线：前者专注对话体验，后者主打Agent构建。两者都在快速迭代中，生态建设日趋完善。

九、综合对比与推荐

十、2026年AI工具导航趋势展望

展望未来，AI工具导航站将呈现以下趋势：

1. 智能化推荐

基于用户行为和偏好，AI导航站将提供更精准的工具推荐，从”人找工具”转向”工具找人”。

2. 垂直化细分

通用型导航站将让位于垂直细分平台，如专注编程的、专注设计的、专注写作的等。

3. 生态化整合

导航站将不仅仅是”目录”，而是与工具深度整合，提供从发现到使用的一站式体验。

4. 国产崛起

随着国产大模型的成熟，国内AI工具导航平台将迎来快速发展期，与国际平台的差距逐渐缩小。

豆包千问同日下线智能体：全球首部AI情感陪伴法规落地，国产AI进入强监管周期

7月4日，字节跳动豆包与阿里通义千问两大头部平台同步宣布7月15日下线用户自建智能体功能——恰与《人工智能拟人化互动服务管理暂行办法》施行日完全吻合。这不是巧合，而是中国AI行业从野蛮生长走向合规发展的标志性事件。

一、事件：两大头部平台同步关停智能体

2026年7月4日，字节跳动旗下豆包与阿里旗下通义千问，几乎在同一时间发布功能调整公告——用户自建智能体功能将于7月15日正式下线。

豆包公告要点：

• 智能体功能7月15日下线，所有用户自定义智能体停止运行
• 7月15日至10月15日为数据备份窗口期，可查看并导出智能体配置与对话记录
• 10月15日后依据隐私政策永久清除相关数据
• 智能体创建功能迁移至字节旗下垂直App「猫箱」

千问公告要点：

• 7月10日先下线拟人化互动类及用户自建智能体
• 7月15日全量智能体功能与服务正式下线
• 同样设置数据备份过渡期，逾期数据永久删除
• 智能体业务将剥离主站，独立规划上线

二、新规解读：全球首部AI拟人化互动专项立法

7月15日，正是五部委联合发布的《人工智能拟人化互动服务管理暂行办法》（国家网信办等五部门令第21号）正式施行之日。这部法规是全球首部针对AI情感陪伴、虚拟伴侣等拟人化互动场景的国家级专门立法。

法规定位：递进式监管第四环

中国AI监管呈现清晰的递进链条：

前三个阶段管的是”AI生成什么内容”，第四环管的是”AI和用户建立什么样的关系”——监管重心从内容层升级到了关系层。

适用范围精准界定：

• 适用：模拟自然人人格特征、思维模式和沟通风格的持续性情感互动服务——虚拟恋人、AI陪伴、情感照护等
• 不适用：智能客服、知识问答、工作助手、学习教育、科学研究等不涉及持续性情感互动的服务

三、七条红线：哪些行为被明确禁止

《办法》第八条明确了七类禁止性活动，其中第五、六条是本次立法最有针对性的创新条款：

直接影响用户体验的硬性要求：

• 2小时强制提醒：连续使用超2小时，必须弹窗提醒使用时长
• AI身份全程标明：不得假装是真人，必须清晰提示交互对象为AI
• 未成年人保护：不得向未成年人提供虚拟伴侣服务，14岁以下需监护人同意
• 老年人专门保护：显著提示安全风险，加强健康使用指导
• 极端情绪干预：发现用户极端情绪时，需生成安抚内容并鼓励寻求帮助

四、平台应对：业务迁移与分层拆分

头部平台并非放弃智能体赛道，而是通过”业务物理隔离”实现合规转型：

字节跳动：豆包→猫箱

将拟人化智能交互业务迁移至专属垂直产品「猫箱App」，在独立产品中建立专项备案和专属风控审核体系，实现通用对话与拟人陪伴业务的物理隔离。

阿里巴巴：千问主站→独立产品

千问将合规智能体业务剥离出主站，后续独立规划上线。同时千问已先行一步——6月3日宣布面向全行业第三方企业和开发者全面开放Agent与Skill接入权限，瑞幸咖啡、肯德基、蜜雪冰城等已启动测试，战略重心从C端UGC生态转向B端企业服务。

五、用户行动指南：数据备份时间表

替代方案：

• 豆包用户可迁移至「猫箱App」继续创建智能体
• 千问用户需等待官方后续独立产品上线
• 第三方智能体平台（扣子Coze等）目前未受影响，但需关注后续政策动态

六、产业信号：从C端野蛮生长到B端优先

此次两大平台同步整改，释放出四大核心产业信号：

信号1：国内AI产业进入「先合规、后创新」强监管周期

过去一年行业野蛮生长的C端自定义Agent模式宣告终结。监管明确区分两类智能体：C端开放自建拟人智能体属高风险、强约束；企业标准化行业智能体和B端商用Agent属低风险、可备案。赛道估值逻辑分化——纯C端情感陪伴类AI估值承压，工业、算力、企业服务类专业智能体迎来政策友好窗口。

信号2：AI Agent飞轮出现结构性分层

此前市场统一炒作”智能体全赛道景气”，本次整改打破笼统估值逻辑。消费向情感拟人Agent短期降温，工业算力、政企数字化、硬件配套专业智能体无伦理成瘾风险，属于”赋能实体”政策鼓励方向，是AI飞轮长期核心增量。

信号3：AI内容审核与安全合规产业链迎来长期增量

新规要求智能体全生命周期备案、行为可追溯、实时内容拦截。平台需大规模投入AI安全审核、身份确权、行为溯源技术。数据安全、内容风控、大模型合规工具赛道订单确定性提升。

信号4：行业发展路线明确——B端商用优先，C端消费AI审慎发展

顶层导向清晰：AI技术优先落地制造业、算力、政务、实体经济；对易造成情感成瘾的C端拟人陪伴类功能实行严格准入。大厂资源倾斜将全面向产业端Agent转移。

七、对AI工具用户的实际影响

哪些功能不受影响：

• 豆包/千问的普通AI对话、知识问答、文档处理
• AI写作、翻译、编程辅助等工具功能
• 企业级智能体和标准化AI助手

哪些功能将受影响：

• 用户自主创建的角色扮演类智能体
• 虚拟恋人、虚拟朋友等情感陪伴类AI
• 仿名人/仿公众人物的拟人化智能体

后续值得关注的动向：

• 其他主流大模型平台（Kimi、DeepSeek、智谱等）是否会跟进同类整改
• 猫箱App等垂直拟人互动产品的合规备案进展
• 企业级智能体备案简化细则是否出台
• AI安全审核、合规工具赛道的投资机会