DeepSeek把自家生产级推理系统开源，AI服务竞争重心进一步转向推理成本控制，且同时覆盖英伟达与昇腾两套算力生态。

• 影响企业自建或私有化推理服务可参考其开源实现降低技术门槛；英伟达与昇腾双平台兼容为国产算力上的大模型部署提供现成框架选择；KVCache管理与负载均衡未开源，完全复刻其成本水平仍有缺口。
• 参考可考虑先测算现有推理服务的每卡吞吐与单位成本，再评估DeepInfer在自有负载上的适配空间；使用或计划采用昇腾算力的团队值得验证该框架的迁移可行性。

DeepSeek 的开源从模型延伸到决定服务成本的推理框架层，实质是把官方生产级部署经验开放给企业自建部署使用。

• 影响自建推理服务的企业可参考官方生产级经验优化吞吐与延迟，压降算力与电力成本；兼容英伟达与华为昇腾，走国产算力路线多一个现成选择；官方称新模型推理代码将在此持续更新。
• 参考可考虑用自身业务负载实测 DeepInfer 的吞吐与延迟，估算私有化部署的成本空间；值得对照 deepseek-recipe 核查自家 API 编解码逻辑差异；选型国产算力的团队可把昇腾兼容纳入验证清单。

技能平台的竞争点不在收录数量而在可信度，美团用大众点评式真实评价机制解决Agent技能选型难题

• 影响企业选型第三方Agent技能时多了带真实使用记录的参考，可降低试错成本；简历等敏感数据的上传泄露仍是引入前的主要顾虑；平台属美团对外输出能力的新尝试，文中称其效果需经市场检验
• 参考可考虑在客服、面试准备等流程固定场景试点时，优先挑选带公开真实运行记录的Skill；值得把是否上传用户输入、是否调用外部工具列入技能引入前的审查清单

推理服务优化的重心正从单实例性能转向集群调度，有效Token产出与单位产出成本成为算力运营方新的比拼指标。

• 影响用国产算力做推理服务的企业，单位有效Token成本存在调度层面的压缩空间；选型不绑定模型厂商的第三方运营商可保留模型更换余地；评估算力服务时，尾部延迟与达标吞吐应纳入验收指标。
• 参考可考虑先统计现网推理服务中超时、取消与重复计算的占比，算出被浪费的算力份额；在采购或续约算力服务时，用自身真实负载测试首Token尾部延迟与达标吞吐，作为供应商对比的验收项。

提示语收藏闲置的瓶颈在检索而非存储，把挑选交给Agent按场景路由，比依赖人脑记忆更可行。

• 影响个人和团队的提示语资产常因检索负担被闲置；把高频提示语skill化可降低复用门槛；直接改写成工程流程会破坏原有约束设计，迁移时需要谨慎。
• 参考可考虑先盘点团队收藏夹里高频却闲置的提示语，选一个场景做成带路由的skill试点；改造时保留原句约束，避免压缩成短指令。

把资深投资人的判断标准固化为 54 项可自动执行的评分规则，AI 开始承担投资输出质检环节。

• 影响投研与风控类输出可交给按规则打分的智能体做前置质检，减轻资深人员逐份复核的压力；88.6% 的吻合度同时说明仍有一成以上偏差需人工兜底。
• 参考可考虑先把机构内资深判断标准整理成评分清单，选一条投研或风控质检流程小范围试用；值得同步测算智能体检出偏差与人工复核结果的重合度。

OpenAI 将演示文稿制作整合进 ChatGPT 并支持团队协作，产品形态从对话助手延伸到团队办公工具。

• 影响汇报材料的初稿可由对话或文件直接生成，制作方式从手工搭建转向指令生成；功能仅对 Pro、Business、Enterprise 套餐开放，采用范围受订阅档位约束；成品可导出到 PowerPoint 与 Google Slides，与现有办公流程兼容。
• 参考可考虑选一份高频汇报材料，用 Slides 试做并对比生成质量与改稿效率；值得先盘点团队现有的 Pro、Business、Enterprise 席位，确定试点范围。

设计类 AI 的竞争点正从出图质量转向承接完整流程，对设计师个人风格与习惯的记忆成为 Lovart 2.0 的差异化押注。

• 影响设计团队的调研找参考、多尺寸批量出图等案头与重复工作可以交给 Agent 承接；按积分和档位计费使设计产能可直接折算为预算；团队风格与流程会逐渐沉淀在工具记忆里，更换工具的迁移成本随之上升。
• 参考可考虑选一个大促多 SKU 物料的批量出图场景做委托试点，先跑少量确认效果再放量并记录积分消耗；值得整理品牌规范与常用设计稿作为记忆素材，让工具更快对齐团队风格。

3D 模型的局部修改从重生成整模或专业软件手动建模，简化为圈选加一句话描述的自助操作，单次修改时间从数小时降到约一分钟。

• 影响手办潮玩、文创和游戏美术类团队产出模型变体的时间成本被压缩，改动可只做局部而不动已定稿部分；非建模人员也能自行调整 3D 资产，减少对专业建模技能的依赖；按次 20 积分计费让修改成本可量化，高频迭代需计入内容预算。
• 参考可考虑让 3D 打印或游戏美术团队挑一个已定稿模型试点局部编辑，记录与 Blender 手动修改的耗时对比；值得先算高频修改场景下的积分开销，并确认现有模型是否为 Meshy 6 或 7.1 生成的高精度版本。

赛豆把AI体验作为核心差异点切入20万元以上纯电SUV市场，但支撑这一差异的智能化配置至今未公开。

• 影响公示意味着新车量产上市节奏临近，20万元以上纯电SUV市场竞争会进一步加剧；赛豆能否立足取决于后续披露的智能座舱和辅助驾驶能力；该价位消费者可选项继续增多。
• 参考可考虑将AIVA ME7纳入20万元以上纯电SUV的竞品对比清单，等其智能座舱与辅助驾驶参数披露后，再评估AI交互卖点对自家产品的实际差异。

Agent技能平台的核心卖点正从收录规模转向真实任务验证与信任机制，美团以点评式众包切入技能分发。

• 影响企业选第三方技能时，开发者简介不足以判断适配性，能力边界与数据安全需单独审查；真实使用反馈可降低试错成本；开放社区正成为获取Agent能力的一条供给路径。
• 参考可考虑为引入第三方技能建立内容审查步骤，明确敏感材料是否会上传；值得选型时参考真实任务运行记录而非简介；先列出计划交给Agent的敏感场景清单再筛工具。

达摩院正把RISC-V从单核基准成绩推向多核、AI推理与车规安全的工程验证，争取进入客户芯片选型清单。

• 影响服务器与车规芯片设计企业多了一组可评估的IP选项；推理性能与安全认证数据均为厂商口径，选型前需独立实测；车规高性能产品2027年底才推出，短期影响的是芯片规划节奏。
• 参考可考虑在服务器或车规芯片选型时把玄铁IP纳入对比清单，要求厂商提供与自身业务同类的Agentic、Java负载数据；涉及安全岛、车载网关的项目值得核对E908A的安全等级匹配度。

STEPX Neo把智能体接管任务流从演示推向可售卖实物，3999元实质是模型公司以硬件贴换Token订阅和交互习惯的获客投入。

• 影响硬件让利绑定12个月Token额度，模型公司把手机变成模型订阅入口；MCP路线换取应用方配合但让渡入口独立性；AI付费率9.8%叠加40个月以上换机周期，大众市场转化有不确定性。
• 参考可考虑评估向MCP开放接口对企业流量入口与数据边界的影响；开发者团队值得以3999元试水端侧智能体开发；先算清12个月Token用尽后的按量付费成本再决定采购。

机器人通用模型开始按小时计费对外服务，具身智能从厂商深度定制走向 API 调用模式，路径对标大模型开放。

• 影响拥有机器人硬件的企业无需机器学习团队即可接入通用控制能力；官方写明当前为研究 Beta 版，只决定夹爪终点、不控制手臂路径，产线使用需先评估适配风险。
• 参考可考虑先用 Robot Playground 在浏览器里实测真机表现，再判断自有场景是否适配；硬件厂商可准备一条 5 分钟演示轨迹，通过官方 FaaS 流程测算新任务的适配成本。

微软把智能体视为不可信内部威胁并做成产品线，管控权与智能体供给分离正在成为企业安全的新采购原则。

• 影响企业部署的智能体手握高权限、可访问敏感数据，威胁模型从外部攻击扩展到内部失控；员工自带智能体进入工作环境已被纳入检测范围；安全采购需考虑独立于模型供应商的监控工具。
• 参考可考虑先盘点组织内已在运行和员工带入的智能体清单，评估其数据与系统权限；值得参照审计独立原则，检验现有管控工具与智能体供应商是否分离；高风险场景可先设置人工审批。

微软把智能体定位成类似内部人的安全威胁，Agent 治理正在从模型商的口头承诺转向企业自建的独立监控层。

• 影响能接触敏感数据、执行关键操作的智能体需按特权内部人管理；员工私自引入的智能体会成为影子 IT 风险点；安全投入可能要为智能体监控单列预算。
• 参考可考虑先盘点已部署和员工私自接入的智能体清单；值得对高风险操作设置人工审批；选购智能体时把可监控、可限权列入供应商评估项。

亚马逊此番进攻的实质在软件层，通过降低 PyTorch 应用的迁移门槛来松动 NVIDIA 靠 CUDA 建立的默认绑定，而非单纯拼芯片。

• 影响使用 PyTorch 的 AI 团队换用非 NVIDIA 芯片的改造成本可能下降，算力比价范围可扩大到 Trainium 等选项；迁移后能否少改代码取决于实际工具链成熟度；若上游移除芯片绑定，相关开发与运维流程也需跟着调整。
• 参考可考虑先挑一个非核心的 PyTorch 场景，实测改一行配置迁到 Trainium 的工作量与单位算力成本；值得在下一轮算力采购前，把训练加推理整段工作负载的账算出，再与现有 GPU 方案比较。

消费级个人 AI 助手开始分化，Wabi 以多线程加多人共用切入，把个人软件的搭建交给了智能体。

• 影响个人助手产品的差异化集中在交互形态与数据接入深度；这类产品允许接入邮箱、日历乃至银行账户，个人数据授权范围成为主要风险点；免费且无商业模式，产品存续存在不确定性。
• 参考可考虑试用其按线程拆分任务、按聊天范围授权数据的机制，评估是否适用于企业内部 Agent 的权限设计；消费端相关布局可待其商业模式明朗后再做预算。

用 AI 测试 AI 正成为物理 AI 安全测试的一条新路线，Laplace 把人工找边缘场景换成智能体在仿真中主动施压，并已有付费客户。

• 影响部署自动驾驶或机器人的企业多了一个测试供应商选项，极端场景测试可以搬进仿真完成；卖方目标是让仿真证据获得客户、保险和监管信任；赛道上已有 Applied Intuition 这类融资 12 亿美元、投后估值 150 亿美元的对手。
• 参考可考虑把仿真压力测试列入机器人或自动驾驶上线前的验收清单；值得对比 Laplace 与 Applied Intuition 的场景生成方式和项目制计费差异；先算清目前人工设计边缘用例花费的时间和成本。

亚马逊以自有购买数据为底牌降低程序化投放门槛，实质是把更多中小广告主引向自家 DSP 并抬高数据壁垒。

• 影响中小广告主试水程序化的操作和学习成本下降；现有效果数字出自亚马逊自家 beta，迁移预算前要自行验证；投放执行自动化后，差异竞争会转向素材与测量能力。
• 参考可考虑在小额预算上对比新平台与现有 DSP 的 CPM 和 CPA；值得盘点投放团队花在人工定向与调优上的工时；先弄清自家客群与亚马逊购买图谱的重合度。

OpenAI 将低资源编程语言与 COBOL 迁移纳入正式改进和评测范围，遗留代码迁移成为其 AI 编程能力的明确方向。

• 影响维护 COBOL 等遗留系统的企业多了一个值得跟踪的主流工具能力方向；配套评测为比较这类能力提供了官方基准；本次摘要未给出任何结果数字。
• 参考可考虑先盘点自有系统中 COBOL 等低资源语言的存量与维护成本；值得等官方评测结果或独立实测出现后，再把迁移场景纳入 AI 编程试点范围。

DeepSeek 把联网搜索从模型免费附赠的能力变成按次计费的独立产品，用约一折于海外方案的价格切入 Agent 基础设施。

• 影响已有工作流 11 月 1 日起新增按次搜索支出，重度联网的编程 Agent 场景需要重算预算；搜索质量指标未公布，能否替代 Google 等成熟引擎要自行检验；数据管道绑定单一厂商，多云团队需评估依赖风险。
• 参考可考虑先统计现有 Agent 工作流的联网调用频次，按 5 元/千次估算新增成本；值得在编程场景做小规模对比测试，检验其对文档和 issue 类查询的返回质量，再决定是否替换第三方搜索 API。

个人智能体赛道主流走云端虚拟机路线，Conway押注本地运行，用隐私差异化对冲性能落后，属早期探索。

• 影响本地方案若跑通，涉密数据和内网场景使用Agent会多一条合规路径；免订阅加交易分成的模式说明不采集用户数据也可能变现；但产品仅邀测、性能不及Muse和Dot，短期更多是方向信号。
• 参考可考虑盘点现有云端AI助手的Token开销与数据上传范围，作为评估本地方案的基准；涉敏感数据的会议纪要、邮件处理等场景值得申请邀测试用对比。

DeepSeek把联网搜索从模型附赠变成按次计费的独立生意，沿着Agent技术栈向搜索基础设施层下沉。

• 影响编程智能体的高频联网调用将从免费转为按次计费，自动化任务的搜索支出需要重新入账；搜索质量尚无公开指标，每秒5次限速对企业级高并发是硬约束；数据管道进一步向单一厂商集中，多云团队多一层依赖。
• 参考可考虑在11月1日前盘点现有Agent工作流的搜索调用频次，估算计费后的月度成本；值得对查文档、看报错等场景做一轮结果质量抽测，再决定保留默认接入还是配置备选搜索源。

高性能互连芯片这一算力集群短板环节出现规模量产的国产供应商，算力建设的供应链二选一困境开始松动。

• 影响服务器与算力集群采购方在博通之外多出本土供应选项，断供风险有了对冲手段；厂商宣称的性能与可靠性数据均为自述，替换决策前需要独立测试；互连效率决定集群有效算力，只堆单卡和卡数的投资回报边际递减。
• 参考可考虑在存储或非核心推理场景用自有负载对比国产与国际互连方案的带宽和时延；值得把本土供应能力纳入服务器采购评估清单；扩容前先测算互连效率对集群有效算力的折损。

达摩院以车规安全认证为切入点把RISC-V推向自动驾驶和具身智能，高性能RISC-V正从可用走向量产落地。

• 影响车载电子与具身智能团队多了一个带安全认证的CPU IP选项；Arm和X86之外的高性能架构选择增多；GCC与OpenJDK生态贡献数据可降低迁移适配顾虑。
• 参考可考虑让车载或嵌入式团队把玄铁E908A纳入IP选型备选，核对其工具链与操作系统支持；值得先测算现有产品对Arm或X86架构的替换成本。

电商平台正从撮合交易转向承包大件买卖的履约服务，家居换新的竞争重点由价格转向服务确定性。

• 影响家电家装品牌可借平台履约网络补齐服务短板，省去自建送装体系的投入；服务疏通后换新需求被释放，恒洁订单与客单价提升即是案例；存量房换新成为主市场后，末端履约能力直接关联增长。
• 参考家居家电商家可测算接入平台送装网络与自建体系的成本差异，优先在拆旧需求高的品类试点；同时值得评估AI实景预览对降低大件下单犹豫和退换成本的作用。

微信正把小微从附加功能变成贯穿聊天、内容与浏览的默认 AI 入口，微信的使用方式在向 AI 入口收敛。

• 影响公众号靠分享带来的阅读可能被 AI 解读分流，微信内内容运营的点开率逻辑需要重算；用户也会习惯让 AI 总结群聊和私域聊天记录，触达与沟通方式的预期随之改变。
• 参考可考虑用自家公众号文章和朋友圈实测 AI 解读后的实际呈现；值得盘点微信内的内容与私域触点清单，先算出摘要入口出现后的阅读转化口径。

Agent 提效的着力点正从训练模型转向外部 Harness 工程，谷歌开源此框架降低了尝试门槛，但收益要靠更多测试时算力换来。

• 影响不改权重也能优化 Agent，给缺少训练资源的企业多一条路径；递归搜索会成倍增加 Token 与调用成本，Benchmark 提升未必在生产环境划算；允许 Agent 自动修改提示词和工具，需要配套沙箱、回滚与评估机制。
• 参考可考虑选一个内部任务小规模试用，记录每轮递归的 Token 消耗与通过率变化，算清单次任务成本；评测时按官方提醒限制 executor 网络访问，并评估是否给候选 Harness 修改加人工审核入口。

腾讯以公益补贴推动通用 Agent 垂直化，教育版既是普惠尝试，也是 WorkBuddy 从通用办公走向行业定制的信号。

• 影响教师与学校可零成本获得一年期 AI 教学工具额度；行业专属版本模式若复制到医疗、制造、电商等领域，企业试用行业 Agent 的门槛会下降；公益期之后的收费安排原文未提。
• 参考可考虑让教学相关团队申请额度，试点课件动画、班级主页等场景并记录替代的人工耗时；值得把 WorkBuddy 的行业版本节奏纳入工具选型评估，预判自家行业专属版出现时的接入路径。

WorkBuddy 把付费从单一订阅拆成订阅加按需买积分两轨，用付费方式给用户分层，前提是它 C 端个人用户占比高。

• 影响轻量用户获得了不订阅也能持续使用的低价入口，付费门槛降到 10 元级别；对同类办公 Agent 产品，收入模式开始随用户结构分化，订阅之外多了按需付费这一层。
• 参考企业采购或团队选型时可按使用频次分层算账，低频成员配积分包、高频成员保订阅，对比整体成本；做类似产品的团队可考虑小范围测试小额档位的转化与订阅冲击。

腾讯以免费积分和专家库把 AI 教学助理铺进教师日常，实质是用公益投入换取教育场景的用户习惯。

• 影响教师备课与课件制作门槛被拉低，教育内容工具厂商多了一个背靠高校资源的免费替代；积分补贴加专家拆分加文档协同的组合，是 AI 助理争取日常用户的可参照打法。
• 参考教育或企业培训团队可考虑实测其课件制作与分层教学效果，再决定是否引入；做 AI 助理产品的团队值得研究其专家拆分与免费模型兜底的续用设计。

腾讯把AI内容生成与内容社区模式复制到少儿教育场景，检验普通家长和教师能否成为互动内容的供给方。

• 影响互动内容生产门槛降低后，教育内容供给可能从专业机构扩展到家长和教师个体；AI生成的知识内容若不经人工校验存在误导儿童的风险；产品仍在内测，用户留存与商业化均未经过市场验证。
• 参考做儿童教育或内容业务的团队可考虑实测内测版本，评估生成内容的准确性是否达到教学要求；也值得先观察其社区能否持续沉淀创作供给，再判断是否跟进同类产品形态。

设计 AI 的卖点正从单次生图转向记忆、调研与流程自动化，按项目周期沉淀经验成为新的竞争维度。

• 影响大促等重复性设计任务的沟通与改稿开销有机会压缩；同类项目的经验复用可降低反复教 AI 的人力；订阅叠加积分计费意味着设计工具预算需要按积分消耗重新核算。
• 参考可考虑让设计团队挑一个大促素材筹备场景做单次试运行，记录耗时与积分消耗后再决定是否开长期任务；值得盘点历史项目中可封装成 Skill 的交付标准。

推理提速的竞争已下沉到内核编写层面，同等 GPU 能跑出更高吞吐，成本红利更多来自工程优化而非换新硬件。

• 影响对在自有 GPU 上跑开源模型的企业，同等硬件吞吐提升意味着单位 token 服务成本下降；优化合入 vLLM 上游，需要跟进框架版本才能兑现收益。
• 参考可考虑把 vLLM 升级排入推理基础设施的迭代计划，并参考 423 tok/s/user 这类公开吞吐数据先算出自家场景的成本基准；值得核对目标模型是否已有现成内核优化，避免重复投入。

DeepSeek 把实时网页搜索和抓取做成按成功请求计次的独立 API，Agent 与 RAG 应用接入外部网页信息的成本从此可按用量核算。

• 影响在 Harness、Claude Code、Codex 中高频调用网页的团队，11 月 1 日起会新增一笔可按量核算的费用；Agent 与 RAG 团队多了一个自研搜索源的官方选项，可与第三方搜索或自建抓取方案比价后再定。
• 参考可考虑先统计现有工作流中 Search / Fetch 的调用量，按每 1000 次 5 元折算月度成本；值得把该接口与现有搜索抓取方案在结果结构和时效上做一次对比，再决定是否接入。

122B 级大模型以 30W 功耗本地运行的桌面设备进入预约阶段，私有化部署的硬件门槛正向桌面级下沉。

• 影响对数据不出内网有要求的场景，桌面级本地跑大模型提供了新的部署选项；30W 功耗与 300g 重量使办公桌面即可摆放，不必专门准备机房；目前仅官方规格，无定价和实测信息。
• 参考可考虑先盘点哪些业务确有本地部署大模型的数据合规需求，形成场景清单，待 1024 发布后结合定价与实测推理表现，再决定是否小范围试点。

把多项目隔离、记忆白盒和强弱模型调度整合成一个开源系统，实质是用架构手段压低Agent长任务的成本与失控风险。

• 影响同时跑多个AI项目的团队可减少记忆串台与反复交代背景的损耗；长任务成本有了可对标的测算口径；AGPL-3.0许可证对商用集成有约束，接入前需评估。
• 参考可考虑在社媒运营这类格式化任务上先复算省钱账，对照$12.58与$2.83口径估算自家场景；接入前值得评估AGPL-3.0与现有商用许可的兼容性。

消费端旧模型的退场节奏在加快，免费和个人付费用户被引向成本更低的新版，API 与企业侧保留旧模型作缓冲

• 影响通过 Free、Pro、Max 套餐调用该模型的工作流会在 10 月 29 日后被自动切到 Haiku 5.5，输出表现需重新验证；走 API 或 Team、Enterprise 的调用不受波及；官方成本口径降约 75%，相关调用预算可据此重新测算
• 参考可考虑在 10 月 29 日前盘点哪些流程正经消费端套餐使用 Haiku 4.5，用同一批任务对比 Haiku 5.5 的输出质量和花费后再定迁移节奏；依赖旧对话的业务资料值得提前用数据导出留档

微信把 AI 自建小工具升级为可分享、可二创的轻量小程序形态，承接不值得做 App 的分散个人需求。

• 影响简单工具类小程序和 App 的流量与变现会多一个用户自建的替代路径；转给朋友一起用的小工具数据在参与者间同步，若借该形态做客户协作需先弄清数据可见范围与所有权规则。
• 参考可考虑盘点自家产品里高频、无差异化的纯工具功能，评估哪些环节可能被用户自建替代；值得先体验安装包分享和二创的完整流程，弄清所有权与使用权边界再做取舍。