AI 主编日报The Editor's Brief

OpenAI 推出 Workspace Agents，面向 Business/Enterprise/Edu 用户，支持在无人值守状态下自动执行业务任务。产品集成 Slack、Salesforce、Google Drive、Notion 等主流企业工具，由 Codex 云执行基础设施驱动，支持代码运行、跨会话持久记忆与定时调度。免费试用至 5 月 6 日，之后转积分制。

这不是 ChatGPT 的又一次小更新，而是产品形态的代际跃迁。Custom GPTs 本质上还是"用户提问、AI 回答"的对话模式；Workspace Agents 则是"用户下指令后离开，AI 在后台持续工作"的异步执行模式。这直接威胁了 Zapier、Make 等工作流自动化工具的生存空间，也让 Salesforce 的 Agentforce 面临来自上游的降维竞争。

Google 在 Cloud Next 发布第八代 TPU，首次分为 TPU 8t（训练专用）和 TPU 8i（推理专用）。TPU 8t 相比上代提升 2.8 倍 FP4 算力，通过 Virgo 互联技术可扩展至百万芯片；TPU 8i 实现 9.8 倍 FP8 算力跃升，实时 LLM 采样延迟降低 5 倍。Google AI 基础设施 SVP Amin Vahdat 直言："一年一块芯片已经不够了。"

这不只是一次硬件升级，而是 Google 垂直整合战略的关键落子。训练和推理拆分为两芯的设计表明 Google 正在针对 agentic 推理场景做深度优化——低延迟采样是 agent 实时决策的前提。更深层看，不向 Nvidia 支付高额芯片利润意味着 Google 在 cost-per-token 上正形成竞争对手难以复制的结构性优势。

Google 在 Cloud Next 2026 上集中发布：Gemini Enterprise Agent Platform（企业 agent 构建平台）、Chrome auto browse（浏览器 agent 化）、Workspace Intelligence（办公 AI 化）、Gmail AI Overviews、Google Meet 跨平台 AI 笔记。同时 Vertex AI 更名为 Gemini Enterprise Platform，CEO Pichai 透露 75% 新代码由 AI 生成。

这不是零散的产品更新，而是 Google AI 全栈战略的系统性展示。从底层 TPU 芯片，到中间的 Gemini Enterprise Platform，再到面向终端用户的 Chrome/Workspace/Gmail——Google 正在构建一条从硅片到像素的完整 AI 链条。与 AWS 在 agent 技术栈上走向分野（Google 选择治理控制、AWS 选择执行加速）则揭示了企业 AI 基础设施的路线之争。

Microsoft 在 Word、Excel、PowerPoint 中正式推出 Agent Mode（内部代号 vibe working），是 Copilot 的重大升级。副总裁 Sumit Chauhan 承认早期 Copilot 受限于基础模型能力只能被动回答问题，Agent Mode 则能主动在画布上执行操作。

从"顾问"到"执行者"的升级看似渐进，实则是产品范式的根本转变。早期 Copilot 被广泛批评为"很贵的搜索框"，Agent Mode 试图解决这个核心痛点。考虑到 Office 在全球企业中的渗透率，这可能是 AI agent 触达最多终端用户的一次部署。

VentureBeat 深度报道 Salesforce 推出 Agentforce Vibes 2.0，核心创新是 Abilities 和 Skills 功能，帮助企业将 agent 行为约束在自身数据模型和代码库范围内。这一设计直接回应了企业 agent 部署中"context bloat"（上下文膨胀）导致推理质量下降、延迟升高、成本失控的普遍问题。

"给 agent 更多信息不等于更好的结果"——这一洞见看似简单，却是当前企业 agent 部署中最被忽视的真理。当工作流复杂度上升时，agent 获取的数据和工具指数级增长，但推理能力是有限的。Salesforce 选择了"约束范围"而非"压缩信息"的路径，与 Claude Code 和 OpenAI Codex 的"自主扩展再压缩"策略形成了有趣对比。

Stanford 最新研究系统性对比了单 agent 与多 agent 在复杂多跳推理任务上的表现，发现在控制 thinking token 总量的情况下，单 agent 往往持平甚至优于多 agent 架构。研究建议：只要任务能在单一连贯上下文窗口内处理，应将单 agent 作为默认选择。

当整个行业都在推销"AI swarm"和"multi-agent orchestration"时，这份研究指出了皇帝的新衣：多 agent 的性能优势可能只是因为花了更多钱（更多 token），而非架构更聪明。对于正在评估 agent 架构的企业决策者而言，这意味着"先把单 agent 做好"远比"急着上多 agent"更明智。

OpenAI 在 Hugging Face 发布 Privacy Filter 开源模型（Apache 2.0），基于 gpt-oss 架构，采用稀疏 MoE 设计，总参数 15 亿但每次推理仅激活 5000 万，支持 128K token 上下文，可在普通笔记本或浏览器 WebGPU 中运行。在 PII-Masking-300k 基准上达到 96% F1，支持八类 PII 检测与遮蔽。

这是一个精准解决真实痛点的产品：企业想用 GPT-5 等强模型但担心数据隐私泄露，Privacy Filter 在数据上传前就在本地完成脱敏，解决了 GDPR/HIPAA 合规的最后一公里。更有意义的是，5000 万激活参数 + WebGPU 运行意味着真正的零门槛部署，不需要企业搭建额外基础设施。

Anthropic 发布 Claude Code 桌面端重大重设计，核心是全新侧边栏会话管理系统，支持多个 agent 同时跨 repo 并行工作。新功能包括集成终端、in-app 文件编辑器、重建后的 diff 查看器、HTML/PDF 扩展预览、side chat（不干扰主线程的临时提问）、三种视图模式（Verbose/Normal/Summary），并完全对等 CLI plugins，新增 Mac SSH 远程会话支持。

这次重设计的核心理念是让开发者从"执行者"变为"编排者"——多个 agent 任务同时在飞，你负责掌舵和审查。这与 Google、OpenAI 在企业端推出 agent 化产品的方向完全一致，但 Anthropic 选择了开发者生态作为主战场。侧边栏按状态/项目分组、已合并 PR 自动归档等设计细节，显示出对真实开发工作流的深入理解。