OpenAI 与 AWS 扩大合作：企业 AI 入口继续向云平台集中
Amazon 官方确认，OpenAI 将使用 AWS 基础设施，合作规模最高可达 1000 亿美元，并把 OpenAI 模型纳入 AWS 企业客户可采购的能力范围。
- OpenAI 的企业和政府市场扩张，不再只围绕单一云生态展开。
- AWS 把模型分发、算力、合规和企业采购流程打包成更完整的 AI 供应链。
- 企业客户会更关注模型能力背后的云依赖、成本结构、数据边界和服务连续性。
建议把 AI 能力拆成可替换的服务层：模型、工具调用、数据权限、日志审计、成本统计分开设计。真正重要的是让业务系统能承受模型和云平台的持续变化。
端侧多模态继续成熟：家庭设备会拥有更多本地判断力
MiniCPM-o 4.5 与 NVIDIA Nemotron 3 Nano Omni 都指向同一件事：视频、音频、图像和文本推理正在向更高效率、更低部署门槛移动。
MiniCPM-o 4.5 的重点在全双工全模态交互，强调边听、边看、边响应；NVIDIA Nemotron 3 Nano Omni 则把视频、音频、图像和文本放进统一推理模型，并用 30B/A3B MoE 与 256K 上下文强调效率和长输入能力。具体跑分可以继续观察，但方向已经清楚：多模态 Agent 的感知层正在从多个模型拼接，走向更统一的本地或边缘推理。
对智能家居来说，这比通用聊天能力更关键。摄像头、门锁、面板、传感器和中控屏需要理解“正在发生什么”，还要在隐私、延迟和误触发之间取平衡。端侧模型进步后，家庭设备可以先在本地完成初筛、识别和上下文压缩，再把必要信息交给云端模型做复杂决策。
- 为摄像头、门锁、安防、能源和老人看护场景建立本地推理优先级：哪些必须本地完成，哪些可以上云。
- 把多模态数据统一成事件流，例如“门口有人停留”“厨房异常用电”“夜间跌倒风险”，减少模型直接处理原始噪声。
- 提前准备评测集，覆盖误报、漏报、儿童/老人/宠物、弱光、噪声和隐私遮挡等家庭真实边界。
Warp 与 Poolside：研发工具正在从个人助手变成 Agent 团队
Warp 客户端开源并采用 AGPL 协议，Poolside 发布 Laguna 代码模型；两条消息合在一起看，说明开发环境、代码模型和人类监督流程正在重组。
- Warp 的开源仓库让终端工具本身变成可被社区审查和扩展的 Agent 工作台。
- Poolside 把 Laguna 定位为面向代码和 Agentic 软件工程的模型，开源权重版本降低了私有评估门槛。
- 软件开发的瓶颈会更多落在需求表达、任务拆分、验证、回滚、权限和审查上。
研发团队接下来要面对的，不只是“哪款 Coding Agent 更聪明”。真正会拉开差距的是工程流程能否承接多个 Agent 并行工作：谁给任务，谁看日志，谁验收测试，谁决定合并，谁处理生产风险。
这对内部数字化研发很现实。后台系统、售后工具、渠道看板、设备管理平台都有大量重复改动和测试回归。Agent 可以提高速度，但必须进入已有的版本、测试、权限和审计体系，否则速度会变成另一种维护成本。
- 把需求说明、验收标准、测试命令和回滚步骤写进任务模板，让 Agent 有明确边界。
- 优先在低风险仓库试点多 Agent 协作，例如文档、后台小功能、测试补全和页面巡检。
- 对开源代码模型做私有评测时，使用真实内部任务，不只看公开榜单分数。
Claude 进入创意工具链：跨应用编排会成为通用工作方式
Anthropic 发布 Claude for Creative Work，确认与 Adobe、Blender 等创意工具建立连接，让 AI 可以围绕素材、设计、视频和 3D 工作流执行多步任务。
这条新闻表面是创意行业工具，深层信号是 AI 正在学会连接专业软件。以前 AI 多数停留在“生成一段内容”，现在开始进入“打开工具、读取项目、修改素材、交付版本”的流程。这个模式会从设计、视频和 3D，扩展到施工图、门店物料、渠道培训、售后知识、项目交付等更多业务软件。
对智能空间业务来说，值得关注的是工作流编排方法。比如设计师根据户型图生成场景方案，渠道同事快速改门店物料，售后根据设备日志生成说明，安装团队根据项目模板整理交付清单。这些更接近 AI 连接多个工具后完成一串可验收动作。
- 梳理内部高频跨工具流程，优先找“复制、改图、查资料、填表、生成版本”这类低风险动作。
- 每个连接器都要有权限、确认和日志，尤其涉及客户户型、门店资料、项目报价和售后记录。
- 面向渠道和服务团队的 AI，不一定要从聊天入口开始，嵌入现有工具流可能更容易产生结果。
今日结论：AI 正在从“会回答”进入“会执行”。云平台争夺企业入口，端侧多模态提升设备本地判断力，研发工具开始组织 Agent 团队，专业软件连接器把多步工作流交给 AI。接下来最务实的准备，是把设备能力、工程任务和业务流程整理成可调用、可审计、可回滚的系统。