2026-10-09
1. 谷歌云发布 Gemini Agent：有独立企业身份的「通用工作智能体」，可写可跑代码、首发兼容 Claude
10 月 8 日，谷歌云在 Gemini at Work 2026 发布会上面向企业客户推出「通用工作智能体」Gemini Agent：用户只需给定目标，它即可自主拆解任务、调用子智能体、跨系统执行并交付成品——问答、知识型工作、图像与媒体生成、编写并运行代码都在范围内。可访问网页/移动端/Windows/Mac/CLI，打通 Google Workspace、Microsoft 365、Slack、Jira、Confluence、Git、ServiceNow、BigQuery、Databricks、Snowflake，并支持 MCP 协议接入内外部工具。三点关键变化：①为 agent 分配独立企业身份（专属邮箱、日历、Workspace 账号），其操作以 agent 身份留痕、独立审计，而非记在员工名下；②模型可选——首发即支持 Gemini 与 Anthropic Claude，未来兼容开源/闭源模型，配合智能路由与实时成本上限；③可无头运行，用户关机后仍在云端持续工作数天。谷歌称 Gemini 月活已超 10 亿、近 90% 的《财富》100 强在用 Gemini Enterprise，早期客户包括 On、Shopify、PayPal。目前为定向预览。
值得关注：这是企业级 agent 竞争的分水岭：谷歌不再只卖模型和聊天框，而是把「AI 同事」做成有身份、有权限、有审计、可跨 SaaS 系统执行的组织成员，并首次官方接入竞品 Claude，把「编排层」与「模型层」解耦。对开发者而言，agent 直接接手「写代码+跑代码+改结果」的端到端任务正在成为默认工作流；对采购方而言，评估重点将从模型能力转向身份治理、权限边界与成本控制。
2. K8s 联合创始人 Stacklok 开源 Mecatl：把 AI 编码循环从本地搬到云端集中运行
Kubernetes 联合创始人 Craig McLuckie 与 Joe Beda 创办的 Stacklok 发布开源项目 Mecatl——一个云原生、可自托管的编码 agent harness，目标是把 AI 编码循环从开发者本地机器搬到云端集中运行。Stacklok 的核心论点是：企业上下文（凭证、内网、私有依赖）本就源自开发者环境，因此绑定桌面的编码 agent「难以监控、难以隔离、难以加固」；把循环迁到云端后，安全与访问控制才能被统一施加、集中审计。Mecatl 走 open-source + cloud-native 路线，与近期 Claude Code、Codex 等桌面/CLI 形态形成互补与对照。
值得关注：编码 agent 的竞争正从「模型/提示」转向「运行在哪里、由谁管控」。当 agent 能读写生产仓库、持有长期凭证时，本地运行等于把攻击面留在每台开发机上；云原生 harness 把 agent 变成可编排、可隔离、可审计的基础设施组件。这与 10/8 微软把编码模型与 Agent 运行时搬进 Windows 本地形成有趣的路线对撞——「集中管控」还是「本地隐私」，将成为企业选型的核心分歧。
3. Claude Code 推出 Agent Teams 实验特性：lead 会话协调多个并行「队友」，token 消耗约 7 倍
Claude Code 新增实验特性 Agent Teams：由一个 lead 会话协调多个相互独立的 Claude Code「队友」，通过共享任务列表与点对点消息（SendMessage/ListAgents）协同工作，区别于只会向 lead 汇报的普通子智能体。每个队友拥有独立上下文窗口，可并行调查代码库的不同部分。官方与社区实测给出的定位是：适合读密集的评审、多假设并行的调试、跨层特性开发；不适合紧耦合的成对编辑。代价是资源消耗显著上升——在 plan 模式下 token 用量约为常规会话的 7 倍，且队友不继承 lead 的对话上下文，协调成本要由提示词与仓库文档承担。同期社区还演示了用 SendMessage 让两个 agent 就「AI 会带来毁灭还是解决问题」展开最多 20 轮自主辩论。
值得关注：这是从「AI 结对编程」走向「AI 项目协调」的一次范式试探：agent 之间开始有分工、有通信、有共享任务板，而不只是单点补全。但 7 倍 token 成本与团队协调开销提醒我们，并行 agent 的价值高度依赖任务能否被干净地分解——盲目 spawn 会迅速烧掉预算。开发者的新技能点正在从「写代码」转向「设计任务边界与协调协议」。
4. 国内具身「车企入场+资本加码」同日共振：长安 2.25 亿元成立机器人公司，厘清/本溯/灵生三笔融资曝光
具身智能的入场方在 10 月 8–9 日集中出现。①长安汽车董事会通过投资设立机器人公司议案，拟以自有资金出资 2.25 亿元参与设立「长安天枢智能机器人科技」（注册资本 4.5 亿元，长安汽车持股 50%、长安科技持股 10%），定位为公司机器人产业的战略载体，以智能人形机器人技术为牵引，对标「十五五」规划与汽车产业升级。②同日曝光三笔具身模型/基础设施融资：物理 AI Infra 平台厘清智能完成天使轮及天使+轮数亿元融资，蚂蚁集团连续两轮加码并领投天使+轮（创始人李一鸣为清华 AIR 助理教授、1997 年生）；具身基础模型公司本溯智能（BASAL）完成种子轮，五源资本领投、常春藤/线性/华山资本跟投，主攻「动作原生」In-Context 具身基础模型（团队此前 X-VLA 获 IROS 2025 挑战赛总冠军）；具身智能基础设施服务商灵生科技完成亿元级 A 轮（华方资本、道禾元启、苏文电能等），主打跨本体统一架构 RUDA。
值得关注：两条线同时收紧：车企把「造车供应链+自研 AI 芯片」复用到机器人，用制造能力抢「量产拐点」；资本则集体押注「跨本体/数据基建」这一层——即回答「换一种机器人是否需要重新采数、训练、部署」的通用底座。值得关注的是创始人画像高度年轻化（00 后博士、97 年生助理教授），说明竞争已进入「科研人才+全栈 infra」的早期卡位阶段，而真正待验证的是真实本体上的现场适应与可复现结果。
5. NVIDIA Halos 安全架构扩展至人形/仓储机器人，代工巨头 Jabil 直言「制造才是真瓶颈」
①NVIDIA 将其 Halos 安全系统从 2025 年首发的自动驾驶领域扩展至人形与仓储机器人，提供标准化的硬件+软件安全护栏（全栈安全架构），目标是降低机器人部署中的物理事故，让机器人公司无需自建完整的风险缓解栈。②与此同时，全球代工巨头 Jabil 披露正与 Apptronik 等人形机器人厂商合作，给出「面向制造的设计」视角：造一台人形是研究问题，造一千台是制造问题——执行器能否撑过 1 万次工况循环、手部总成能否不靠技师逐台调校、电池包能否通过近人作业认证，才是真正的门槛。Jabil 认为产业瓶颈正从「会不会走」转向「能否以可靠、低成本的方式批量制造」，价值也将从硬件向软件、数据与部署经验迁移。
值得关注：一边是安全护栏被标准化（Nvidia Halos 把「安全」做成可采购的组件，而非每家自研的成本中心），一边是制造能力被点名为真瓶颈（代工厂视角比 demo 视频更能说明行业真实进度）。两者共同指向具身智能的成熟标志：从「性能炫技」转向「可制造性+可认证+可规模化」。对投资与工程决策而言，2027 年前应重点跟踪执行器/减速器价格是否快速下降、以及人机协作的安全认证里程碑——这些而非演示视频，决定工厂试点能否变成订单。
