Presence推進企業智能體
重點摘要
OpenAI推出名為Presence的新服務，旨在讓AI智能體在企業生產環境中可靠運作，主要應用於客戶服務和內部流程。該服務目前僅限符合條件的企業客戶使用，並由Forward Deployed Engineers協助部署，但尚未公開，且對歐盟AI法案等合規要求的具體處理方式仍不明確。
企業導入人工智慧代理（AI Agent）的過程中，如何讓系統在真實商業環境中穩定運作，始終是令許多資訊主管頭痛的問題。即便大型語言模型的能力持續躍進，但從展示階段的技術驗證，到正式承載客戶服務或內部流程的生產環境，中間仍存在著巨大的鴻溝。為了填補這道落差，OpenAI 近期推出了名為 Presence 的全新解決方案，目標明確鎖定企業客戶，試圖將 AI 代理從實驗性質的輔助工具，推進為真正可部署、可依賴的生產力基礎設施。 OpenAI 其實已有名為 Workspace Agents 的產品線，這些可高度客製化的「GPT」工具，主要被設計用來處理企業內部的日常事務，例如整理文件、回答內部知識庫問題或協助行政流程。然而，Presence 的定位明顯更進一步。它的重點不在於輔助個別員工的生產力，而是直接承擔起對外客戶服務與關鍵內部工作流程的執行責任。換句話說，當一個 AI 代理需要直接面對外部顧客，或是在供應鏈、訂單管理等核心系統中負責特定任務時，Presence 便是針對這類高標準的生產環境所設計。 不過，Presence 並非一套萬能的標準化軟體，企業的營運流程通常高度複雜且各自不同。當客戶的需求超出 Presence 原本就能夠處理的範疇時，OpenAI 便會派遣其「前線部署工程師」（Forward Deployed Engineers）團隊介入。這些工程師不會只是提供技術文件或線上支援，而是直接進駐客戶端，與企業內部的資訊團隊和使用者並肩工作。他們的主要任務是協助客戶辨識出最適合自動化的流程，並將 AI 代理與企業既有的資料庫、客戶關係管理系統或其他老舊系統進行深度整合。 除了技術串接之外，這套服務也涵蓋了營運規則的設定。如何讓 AI 代理在面對不同情境時遵循企業的政策與倫理界線，需要細緻的配置。前線部署工程師會與客戶共同擬定這些指導原則，確保 AI 的行為模式符合品牌調性與法規要求。更重要的是，這並非一次性交付的專案，他們也會負責管理後續的反覆測試，從內部模擬到小規模上線，逐步驗證系統的準確性與穩定度，直到確保一切無誤後，才正式將系統推向全面生產環境。 這項服務的推出，反映了 OpenAI 對於企業市場策略的轉變。過去，企業若要將先進的模型應用於特定場景，往往需要自行聘請昂貴的顧問或系統整合商來進行客製化開發。現在，OpenAI 透過 Presence 與前線部署工程師團隊，將這套導入的專業知識內部化，直接向客戶提供從規劃、建置到維運的一站式服務。這不僅降低了企業導入 AI 代理的技術門檻，也讓 OpenAI 能夠更直接地掌握企業客戶的真實需求，並反饋到後續的產品開發中。 然而，關於這項新服務的細節，OpenAI 仍有許多資訊尚未公開。目前 Presence 僅向符合特定資格的企業客戶提供，並非一項開放給所有公司行號申請的公開產品。對於企業最關心的法規遵循問題，特別是在歐盟人工智慧法案（EU AI Act）的框架下，Presence 究竟如何確保合規，OpenAI 目前並未給出明確的說明。公司方面僅在聲明中籠統地提到具備信任機制，但對於審計流程、資料處理的法律基礎、以及在不同司法管轄區的責任歸屬等具體法律細節，並未進一步透露。 這種資訊上的模糊地帶，在某種程度上反映了當前企業級 AI 應用仍處於發展初期的現狀。雖然像 Presence 這類服務象徵著 AI 從「會說話」進化到「會做事」的關鍵一步，但對於肩負資安與法遵重任的企業決策者而言，等待更明確的規範與產品細節，或許是他們在擁抱這項新技術之前必須經歷的過程。對於有能力且符合資格的企業來說，現在或許是搶先體驗未來工作模式的時刻，但對於整個市場而言，AI 代理要真正達到全面普及，仍需一段時間的磨合與觀察。
Related
相關文章
生成模型也能端到端訓練了？核心竟是一個for循環
賬號設置我的關注我的收藏申請的項目退出登錄登錄搜索36氪Auto數字時氪未來消費智能湧現未來城市啟動Power on36氪出海36氪研究院潮生TIDE36氪企服點評36氪財經職場bonus36碳後浪研究所暗湧Waves硬氪氪睿研究院媒體品牌企業號企服點評36Kr研究院36Kr創新諮詢企業服務核心服務城市之窗政府服務創投發佈LP源計劃VClubVClub投資機構庫投資機構職位推介投資人認證投資人服務項目推薦36氪Pro創投氪堂企業入駐創業者服務創投平臺AI測評網 首頁快訊資訊推薦財經AI項目推薦廣東最新創投汽車科技專精特新直播視頻專題活動搜索項目推薦我要入駐城市合作生成模型也能端到端訓練了？核心竟是一個for循環機器之心·2026年08月03日 11:49參數和數據之後，生成模型解鎖預訓練第三根軸 2012 年，AlexNet 用一場壓倒性的勝利終結了一個時代。在此之前，做圖像識別要靠人手工設計一層層特徵提取的流程；AlexNet 證明瞭一件後來被反覆驗證的事：把整個任務端到端地交給模型自己學，幾乎總是打得過人類精心設計的分階段流水線。 從圖像分類到目標檢測再到圖像分割，深度學習的每一次躍遷背後，都是同一句話：讓它自己一口氣學完。 只有一個領域始終是例外：生成模型。 今天最強、最能擴展的生成模型（無論是自迴歸還是擴散模型）都不是端到端的。 它們訓練時只學預測「一小步」，推理時卻要像循環網絡那樣把這一步反覆展開幾百上千次。 訓練和推理用的不是同一套採樣方式。這個裂縫帶來了一個老問題：每一步的誤差會喂進下一步，輸入逐漸漂離訓練時見過的分佈，誤差層層累積。學術上管它叫「暴露偏差」（exposure bias）。 換句話說，「端到端更好」這條深度學習最核心的經驗，十幾年來始終沒能真正落到生成模型頭上。 而就在最近，一篇來自 UIUC 與哈佛大學的論文，試圖把這塊最後的拼圖補上。 作者
王慧文家族辦公室押注的AI版圖：從大模型到AI Agent
王慧文家族辦公室Lollapalooza Capital已投資24個AI項目，從大模型公司月之暗面到AI Agent創業公司蝴蝶效應，覆蓋AI基礎設施、內容生成、教育和硬體等產業鏈關鍵環節。這顯示其投資布局從早期的大模型能力競爭，逐漸轉向AI應用落地與生態建設。
天下苦閉源模型久矣，MiniMax要做多模態領域的Deepseek
MiniMax發布多模態生成模型H3，支援2K解析度、15秒影片生成，性能與Seedance 2.5相當，但定價僅每秒0.8元人民幣，具備價格競爭力。H3將開源，打破影片生成市場由閉源模型主導的局面，可私有化部署，有望取代部分傳統後製工序。
微信、支付寶會給豆包手機“開門”嗎？AI手機背後的入口之爭
如果這些規則沒有明確，即使技術接口存在，超級App們也沒有動力把最有價值的部分交給一個可能架空自己的外部Agent。如果豆包遲遲無法拿到阿里和騰訊等企業的深度授權，字節並非完全沒有退路。相比其他公司，字節最大的優勢之一，是它本身已經擁有一套規模龐大的互聯網產品生態。在內容領域，字節擁有抖音和今日頭條；在辦公與創作領域，擁有飛書、剪映等工具；在消費場景中，抖音電商和抖音生活服務也已經形成了相當規模的商品和本地商戶供給。
天下苦閉源模型久矣，MiniMax要做多模態領域的Deepseek
MiniMax發布新一代多模態生成模型H3，支援2K解析度與原生雙聲道，性能與Seedance 2.5同級，但每秒定價僅0.8元人民幣，並宣布數日內開放模型權重。H3透過自研VAE與全模態理解管線降低算力成本，能一次生成含配音、字幕與動效的成片，可能取代部分傳統後期工序。此舉打破視頻生成市場由閉源模型主導的局面，為中小團隊與重視數據主權的B端客戶提供新選擇。
阿里企業級 Agent 產品“千問辦公”開啟公測，集成最新旗艦模型 Qwen3.8
阿里巴巴企業級Agent產品「千問辦公」正式開啟公測，個人與企業用戶可透過官網體驗，並整合了QoderWork、MuleRun、悟空三款產品，成為業界首款同時支援桌面端、雲端與企業協同Agent的產品。該服務搭載最新旗艦模型Qwen3.8，並提供免費版、個人標準版、個人高級版及企業版等多種訂閱方案，其中個人標準版與高級版目前有8折優惠。