Loading...
Loading...
OpenAI把Codex“拆开卖了”文章转载于字母AI
OpenAI昨天一口气打出了四张大牌。
Agents API、GPT-Live-1 API、Data agent、ChatGPT for Financial Services，一天横跨Agent、语音、数据和金融四条产品线，每一条都值得单独拿出来说道。
但这四张牌里，最值得看的可能还是Agents API。
因为这一次，OpenAI把Codex“拆开卖了”。
原本藏在Codex背后、负责让Agent持续工作、调用工具、管理上下文和协同多个Agent的那套能力，被抽出来打包成了云端API，交给所有开发者调用。
1
Codex即服务？
其实，OpenAI早就在拆Codex了。
早在2025年4月，OpenAI刚发布o3和o4-mini那会儿，就把Codex CLI开源了。它有点像OpenAI版的Claude Code，直接就装在本地终端里。Agent怎么跑，怎么调用工具，都明明白白地放在GitHub上，你愿意折腾，就可以自己拿回去改，自己跑。
不过那个时候只是单纯地把东西给了出来，至于你会不会用、想怎么用，那都还是你自己的事。
一个月后，Codex云端版，也就是我们今天所熟悉的那个产品，才正式上线。用户可以把代码仓库交给它，一个任务对应一个独立的云端沙盒，Codex可以自己改代码、跑测试、修bug，还能同时处理多个任务。
又过了几个月，在2025年的10月份，OpenAI发布了Codex SDK。
简单来说，SDK就是给开发者的一套工具包，让Codex不只作为独立产品使用，也可以塞进别人的应用里。SDK允许开发者用几行TypeScript代码启动同一个驱动Codex CLI的Agent，拿到结构化输出，还能保留任务状态，在暂停之后继续跑。
但是呢，SDK主要适合在程序里调用Codex，还没有把完整的Codex交互能力开放出来。它很适合后台的工作流、自动化脚本、服务端的程序。但如果你想做一个像Codex IDE那样的完整客户端，还是有些困难。
于是到了2026年2月，OpenAI正式公开Codex App Server，第一次系统地把Codex里面那套Harness讲清楚了。
OpenAI明确解释，Codex Web、CLI、IDE扩展和Mac App看起来是不同的产品，但底下其实都在运行同一套Codex Harness，也就是负责Agent Loop、Thread、工具执行、认证和管理状态的那层东西。
App Server给这一整套Harness加了一套双向JSON-RPC接口。JetBrains、Xcode或者其他客户端，不需要重新造一个Agent Loop，直接启动App Server，就可以驱动完整的Codex。
有了App Server，其他产品就可以直接接上完整的Codex Harness。
不过走到这里，还有最后一个麻烦没解决。
SDK控制的是本地Codex Agent，App Server本身也是一个需要开发者启动和维持的常驻进程。虽然把Codex接进产品这事已经解决了，但想把它稳定地跑成一个线上的服务，还是有点困难。
举一个比较具体的例子，如果你用App Server做一个自己的Coding Agent网站，前端已经接上了Codex，但当用户点下“修复这个仓库”之后，后续的大量运行和基础设施问题，都还需要你自己想办法解决。
然后就到了8月19日，这一天，OpenAI把过去一年陆续开放的CLI、SDK、App Server统一放进了“开放Codex Harness”的平台叙事里，并明确把Codex从一个产品提升成了平台。
再然后就是（美国时间）9月10日，也就是昨天，Agents API正式开放公测。
这一次，开发者只需要告诉API四件事——任务、模型、工具、运行环境——就可以直接创建一个Agent。负责长会话上下文压缩、工具调度和subagent协作的Codex Harness由OpenAI自己托管和维护。
甚至就连Agent真正干活的机器都能自己选，是用OpenAI的沙盒、自己的基础设施，还是Cloudflare、E2B、Modal等第三方环境，都可以。Harness由OpenAI提供，执行环境由开发者决定。
官方的口径很明确，Agents API本身不额外收费。也就是说，Harness托管、长会话管理等能力，并没有再单独收一层Agent平台费。
开发者按实际使用的模型Token和工具付费；如果使用OpenAI自己的托管沙盒，计算资源另算。
把这一年多串起来，OpenAI一直在做同一件事：把Codex从一个具体产品，一层一层拆成可以被复用的能力，同时让开发者越来越不需要自己操心。
如果一定要给这条产品线起个名字，它其实很像当年的SaaS，只不过这次被服务化的不是软件，而是Codex。
Codex as a Service。
1
Harness也开始分叉了
盯上Harness的当然不止OpenAI。
DeepSeek Harness（后文简称DSH）发布的时候，就给出了一个非常响亮的等式：Agent ＝ Model + Harness。
在DeepSeek看来，模型只是Agent的一半，另一半则是负责让它理解环境、调用工具、管理状态、持续执行任务的Harness。两者互相协调，Agent才能真正执行任务。
DSH把Harness本身做成了一套高度模块化的开放框架：模型、工具、Skills、Session、沙盒、存储、Agent Loop、调度，甚至UI都可以替换。
“一切皆插件”的口号可不是说着玩玩而已，最好大家都来写插件，都来适配DSH，最后不管上面跑的是DeepSeek，还是别的模型，底下都可以是同一套Harness。
这和OpenAI现在走的方向刚好形成了一个挺有意思的对照。
OpenAI虽然也把Codex harness开源了，但Agents API明显是在往另一个方向走：Harness你可以用自己的，也可以拿走开源的，但如果你嫌麻烦，还可以直接不管，让我来替你安排。
所以我们认为，它更像是一种“服务”。OpenAI负责托管和持续维护Harness，开发者只需要决定要让Agent干什么、用什么工具、在哪里执行。甚至以后模型升级了，Harness怎么跟着改，OpenAI也准备一起包了。
某种意义上，现在Harness这一层隐约出现了两条路线：
以DeepSeek为代表的路线更像是在建设开放生态，把每一个零件都做成插件，让开发者自己组装；而以OpenAI为代表的一方则像在押注云服务，把钱和需求给到位，剩下的我帮你解决。
我们甚至可以认为，一个想让Harness越来越像Linux，另一个则想让Harness越来越像AWS。
当然了，这只是个比喻。OpenAI也开源了Codex Harness，DeepSeek未来也并非没有可能提供更多的托管服务。但至少在现阶段，两边产品的重心差别明显。
有意思的是，在把Harness变成服务的这条线上，Anthropic其实比OpenAI更早一步。
早在2025年9月，Anthropic就推出了Claude Agent SDK，把Claude Code背后的工具、上下文管理、权限系统和subagent能力开放给开发者，让别人也能拿这套东西做Agent。
今年4月，它甚至比OpenAI更早推出了Claude Managed Agents。Session、Harness和沙盒被拆成三个独立层：Anthropic负责托管harness和长任务，沙盒既可以由Anthropic提供，也可以接入别的执行环境。这个思路和今天的Agents API其实已经相当接近，Anthropic自己给它的定义就是“一个用于长期Agent任务的托管服务”。
所以某种意义上，OpenAI这次是在沿着Anthropic已经走过的路继续往前走，区别只不过是OpenAI手里有一个更“产品化”的Codex。
但因为Codex和Claude Code长期给人的产品印象还是不太一样，所以即使它们讲的是同一套故事，带来的感觉也大相径庭。Claude Code给人的感觉更像是让开发者坐在终端里和Agent一起写代码，而Codex App一开始强调的就是“同时监督多个长期Agent”的界面。
顺带一提，谷歌也早已加入这条路线。今年5月的I/O大会上，Gemini API推出Managed Agents，同样把Antigravity Harness和沙箱做成了托管服务。但谷歌的牌面不止于此，这一点咱们后面再讨论。
不过话说回来，谁先谁后好像也不是那么重要……最后当然是谁把自家的Harness变成开发者默认的那一层，谁才能吃下最大的蛋糕。
1
谁是大赢家？
说到底，为什么现在模型公司都开始抢Harness了？
就像是DSH给出的等式那样，Agent = Model + Harness，模型可以告诉Agent下一步应该做什么，但真要把一个任务从头跑到尾，它还得知道文件在哪里、需要调用哪个工具、出了错怎么恢复、结果最后要写在哪里。
换句话说，模型决定Agent的能力上限，而Harness越来越决定它到底能不能把活做完。
而一旦竞争的维度从“智力”走向“执行力”，最占优势的，未必是那些模型做得最好的AI公司。
因为Agent真正开始干活之后，需要的那些东西——邮件、文档、会议、通讯、账号权限等等——往往掌握在传统平台公司手里。
国内最近打得热闹的“办公Agent大战”，其实就是一个非常典型的例子：大厂在互联网平台时代积累下来的那些东西，以前更多只是各自生态里的部分功能，但到了Agent时代，这些东西恰好就是Agent真正干活时需要调用的工具。
现在大家做办公Agent，表面上是比谁家的AI员工更聪明、更有本事，背后其实也在重新利用自己过去积累的平台优势。谁手里有更多企业数据、文档、工具和权限，谁就更容易让Agent真正把事情做完。
模型公司需要一点点接入它们没有的入口，而那些做了十几年办公软件和互联网平台的公司，本来就掌握着这些入口。
换句话说，AI公司要重新连接现实世界，而平台公司手里原本就有一大串钥匙。
沿着这条路往前看，如果非要找一个最有优势的“全家桶”选手，谷歌恐怕是最夸张的那个。
从TPU、云基础设施、Gemini，到Search、Workspace、Chrome和Android，谷歌几乎覆盖了AI从底层技术到最终用户的所有关键环节。Search、Gmail、Calendar、Drive、YouTube、Maps等产品，又天然构成了一套可以被Agent调用的数字环境。这些资产在上一代互联网里是一个个独立入口，到了Agent时代，却可以被重新组织到同一个任务之下。
事实上，谷歌已经开始把散落在各个产品里的Agent能力，在底层往同一套执行系统里收。Gemini Spark、Gemini API里的Managed Agents，乃至Search里的部分Agent体验，背后正在逐渐共享同一套Antigravity Harness。
但到了用户这一端，事情还是有点乱。
今天谷歌同时有Gemini Spark、Workspace Studio、Antigravity、Gemini Enterprise，以及Search里的Information agents。它们面对的用户和场景各不相同，但对于普通人来说，当他们想把一件复杂的事情整个交给谷歌，还是不知道应该找谁。
对谷歌来说，它已经拥有完成这一切所需的大部分条件，缺的只是一个足够简单的产品答案。
而如果谷歌真把这件事做明白了——无论是做出了一个统一的Agent工作台，还是让同一个Agent执行系统穿透整个谷歌生态，让用户习惯“有问题找谷歌”，全球Agent市场的竞争格局恐怕都要再变一变。
话虽如此，谷歌就算真把这套“全家桶”塞进一个Agent，国内用户大概率也只能先围观一下。
还是先看看国内的Agent大战，接下来还会怎么打吧。
Gemini, MoonPay, Dallas Fed, BIS 这一周在 Agentic Finance 上交汇了作者 Charlie，常驻硅谷参与和观察前沿科技十五年，聚焦AI如何重构金融服务、支付网络、与资本市场。Fintechnize 与【沙丘路的毛圈狮子】创始人，Venture Partner @ Generative Ventures。曾任OSL美洲支付负责人，加密货币独角兽 Strike 副总裁（参与萨尔瓦多比特币法案，并负责拉美比特币闪电网络和稳定币支付业务），万亿级基金 Franklin Templeton 宏观与货币分析师，全球支付巨头Adyen早期成员。文章为个人观点，不是投资建议。
过去一周，金融行业里发生了几件表面上完全不在一个频道里的事情。
8月25日，Google Cloud推出了面向金融机构的Gemini Enterprise for Financial Services，把AI进一步推进KYC、信用分析、投资组合监控、债券发行和金融研究这些真正接近核心业务的工作流。
两天以后，MoonPay宣布把PayBox接入Solana上的Kamino，用户已经可以通过Claude或者ChatGPT这样的交互入口发起借贷和获取收益。
与此同时，Dallas Fed发布了一篇看起来没那么性感的研究，讨论如果存款可以24小时实时转移，而AI又能够自动替企业和个人比较收益，银行一直以来依赖的存款粘性会发生什么。
再往后一天，BIS在讨论稳定币与代币化存款时，又提到了刚刚完成真实资金测试的Project Agorá。
单独看，每一件事都可以被归到一个熟悉的新闻分类里：Google是企业AI，MoonPay是加密金融，Dallas Fed是银行研究，Project Agorá是央行和商业银行研究下一代跨境支付基础设施。
但如果把它们放在一起，能看到一条更值得注意的线索。
过去两三年，我们一直在讨论AI什么时候会真正改变金融。但我越来越觉得，这个问题问得不够准确。真正的分界线从来不是AI什么时候“更懂金融”，而是它什么时候开始被允许代表人去做金融决策，并且真的能够移动资金。
这两者之间的差别，可能比从搜索引擎到ChatGPT还大。
几年前我刚开始研究生成式AI和Fintech结合的时候，整体判断其实相对保守。那时候金融行业最现实的应用仍然是客服、报告、反欺诈、费用管理、内部知识检索和各种提高员工效率的工具。这些当然有价值，但基本都停留在“AI站在钱的旁边帮忙”，并没有真正碰到钱。
原因也很简单。一个模型写错一段市场文案，可以重新修改；一个模型如果替企业把500万美元转错了地方，显然不是点一下“撤销”就能解决。金融机构对黑箱的容忍度天然比普通软件公司低得多。准确性、权限、审计、责任归属、监管要求，任何一个环节没有解决，模型再聪明，也只能做助手。
而最近几个月真正值得注意的变化，并不是行业突然相信“全自动AI理财”马上会到来，而是越来越多公司开始把“让AI动钱”这件事拆成一系列更小、更可控的授权。
Robinhood今年推出Agentic Trading时，并没有让一个模型直接接管用户全部资产，而是专门设置一个允许AI操作的独立账户。到第二季度末，这类账户已经接近10万个，管理资产超过1亿美元。
Ramp走的路线更加不性感，却可能更接近真实企业财务的演化路径。它的AI并不是直接取代CFO，而是先读取公司的报销、付款和会计政策，对高把握度的情况自动处理，把异常情况交还给人。
Rocket Money最近推出的Rowan也体现了类似趋势：它不再只是给用户看一张“你这个月花了多少钱”的图，而是可以在后台发现订阅、发消息提醒、帮助取消服务、谈判账单，甚至按照预设规则完成储蓄转账。
这些产品放在一起看，会发现市场并没有从“人工操作”直接跳到“机器完全自主”，而是沿着一条更现实的路径前进：先观察，再建议，再准备动作，再由人批准，然后逐渐把那些规则清楚、风险可控的动作交给机器执行。
这也是为什么我觉得，Agentic Finance真正重要的概念并不是“自动化”，而是“授权”。
今天企业员工拿着一张公司信用卡，本身就是一种金融授权。他当然不能把公司银行账户里的钱全部花掉，但可以在一定商户类别、金额和审批规则内自主消费。基金经理、企业财务负责人、采购经理，本质上也都是在一个事先定义好的授权框架里替别人管理资金。
AI Agent真正要做的，并不是发明一种全新的金融制度，而是把这种我们早就习以为常的授权关系变成机器可以理解和执行的规则。
比如，一家公司完全可以告诉一个AI财务代理：必须保留至少30天运营现金；剩余资金只能放在指定银行或者高评级产品；不能产生外汇风险；单笔资金移动超过50万美元必须人工批准；只有当收益差超过20个基点时才值得切换；任何新出现的交易对手都必须经过人工审核。
一旦这些规则可以被机器直接理解，事情就发生了本质变化。AI不需要获得无限权力，也不需要成为一个完全不受监管的“机器人对冲基金”。它只需要在边界内自主行动。
这也是最近Google、MoonPay、Visa、Mastercard这些公司做Agent支付时越来越明显的共同方向。表面上大家都在讨论AI如何付款，真正花大量精力解决的却是权限：谁授权，授权多少，授权到什么时候，哪些商户和账户可以碰，什么情况下必须停下来重新找人确认，最后出了问题如何留下完整的审计记录。
所以我现在越来越相信，未来Agentic Finance最重要的产品之一，甚至不一定是某个更聪明的大模型，而是一套足够可靠的“金融授权系统”：它能把一句很模糊的人类指令——比如“帮我把公司闲钱管好”——翻译成几百条可以被机器严格执行的规则。
从这个角度再看MoonPay最近半年的动作，就比单独看它和Kamino合作有意思得多。
3月，MoonPay推出Open Wallet Standard，重点解决AI怎么安全使用钱包、怎么在不接触私钥的情况下获得有限的签名权限；5月，它收购DFlow，把交易执行基础设施补进来；6月又收购Entendre，增加对账、财务、资金管理和报表能力；7月推出PayBox，把卡和钱包直接接进Claude、ChatGPT这样的交互环境；到了8月，再通过Kamino把借贷和收益管理接进来。
单独看，每一步都不算惊天动地。连在一起看，却很像是在拼一套面向AI Agent的金融底层能力：先解决身份和权限，再解决执行，再解决财务运营，最后开始碰信用、借贷和资产配置。
这也是Agentic Payments和Agentic Finance真正的区别。
前者回答的是：AI怎么替我付钱？
后者问的是：AI怎么替我管理资产负债表？
一旦进入第二个问题，支付就只剩下其中一个动作。现金放在哪里、什么时候借钱、抵押什么资产、闲置资金赚多少收益、什么时候做再平衡、如何管理流动性和风险，这些原本需要企业财务团队、银行家或者投资经理不断做出的判断，都开始有可能进入机器的执行范围。
可是这里一直还有一个基础设施上的矛盾。
如果AI可以每秒计算一次最佳方案，钱本身却仍然只能按照银行营业时间、跨境代理行、批量清算和人工对账的速度移动，那么再聪明的Agent也没有太大意义。它像一辆性能极好的跑车，却只能开在一条坑坑洼洼的乡间土路上。
这也是Project Agorá值得放进这篇文章的原因。
Project Agorá本身不是一个AI项目。它是BIS Innovation Hub和国际金融协会联合推动的实验，研究如何把代币化的商业银行存款和央行准备金放进一个多币种、可编程的平台里，以改善批发跨境支付。
它与Agentic Finance之间真正的联系，并不是“BIS也开始做AI”，而是它正在研究AI最终需要调用的另一块金融基础设施：钱本身能不能变得更容易被机器读取、组合和执行。
今年7月，28家金融机构和央行已经在受控环境里完成真实资金测试，涉及瑞郎、欧元、英镑、日元、韩元和美元。测试规模本身非常小，远远谈不上生产环境，但它至少验证了一件事情：商业银行存款和央行货币并不是天然只能活在今天这些缓慢、彼此割裂的系统里，它们同样可以进入一个支持条件触发、原子结算和自动执行规则的环境。
BIS自己对此仍然非常谨慎。系统之间怎么互联，法律上的最终结算怎么认定，智能合约出了问题谁负责，网络安全、治理以及几十年旧系统怎么迁移，这些问题都远远没有解决。所以把Agorá写成“下一代全球金融系统已经建好了”，显然是夸大。
但它至少证明了一个容易被crypto叙事掩盖的问题：可编程货币并不一定等于稳定币，也不一定意味着银行被绕过去。传统银行存款本身，也可能变成可以被软件调用的金融资产。
而真正有意思的地方，也恰恰从这里开始。
因为银行今天正在投入大量资源消灭资金流动里的摩擦，但这些摩擦过去某种程度上本来就是银行商业模式的一部分。
这正是Dallas Fed那篇文章最值得注意的地方。
一家银行的存款为什么值钱？
当然有很多很高大上的原因。企业把5000万美元放在JPMorgan，不只是因为懒得开户，背后可能绑定着信贷额度、外汇、工资支付、现金管理、托管以及多年的客户关系。这些东西不会因为隔壁银行利率高了10个基点就突然消失。
但另一个原因没有那么高大上，却同样真实：搬钱太麻烦。
今天一家公司的账户里有200万美元暂时闲置，A银行给4.20%，B银行给4.35%。为了15个基点，财务团队是不是每天早上都要重新检查一次？是不是值得重新登录、比较交易对手风险、做资金划拨、考虑清算时间，再重新做一轮对账？还要保证明天工资和供应商付款不会受到影响。
绝大多数时候，答案都是算了。
钱就继续放在那里。
这就是金融体系里一个很少被单独拿出来讨论的资产：人的惰性。
Dallas Fed的文章说得很直接，运营存款之所以有粘性，一部分就来自资金无法快速重新配置的现实摩擦。如果未来即时结算、代币化存款和AI Agent同时成熟，寻求更高收益的客户理论上就可以在自己几乎不做任何操作的情况下完成资金切换。
AI不会觉得15个基点“不值得折腾”。
它没有周一早上的会议，不会忘记，也不会因为今天很忙就把这个事情拖到下周。对于它来说，不断比较不同金融产品的边际注意力成本几乎为零。
这当然不意味着未来所有企业存款都会像热钱一样每五分钟换一家银行。客户关系、信用额度、监管要求、风险管理仍然存在，资金切换也永远不会真正达到零成本。
但问题在于，它根本不需要发展到这么极端，才会影响银行。
Dallas Fed以美国银行体系接近17万亿美元的相关存款做了一个敏感度测算。如果存款的平均停留期限缩短10%，银行体系承担期限转换的能力可能减少大约5800亿美元的“十年期等值风险敞口”；如果存款利率对市场利率变化的敏感程度提高10%，银行可承担的久期风险可能减少约7000亿美元。
这并不是说AI会让美国银行突然少放7000亿美元贷款。把这个数字简单解释成“贷款能力减少7000亿美元”并不准确。
它真正说明的是另外一件事情：存款粘性本身就有巨大的经济价值。
如果未来可编程货币和AI Agent只是让这份粘性稍微弱一点，银行负债端的成本和期限结构就可能跟着变化。
过去大家谈可编程货币时，看到的通常都是好处：结算更快、对账更少、成本更低、可以全天运行，也可以把支付条件直接写进交易逻辑里。
但它还有一个很少被强调的另一面：钱一旦更容易移动，持有钱的人就拥有了更多选择权。
对于资产持有者来说，这是效率；对于把这些钱当作稳定资金来源的机构来说，却意味着更激烈的竞争。
银行为了让钱像软件一样运行，也可能必须接受一个结果：钱开始按照软件的速度比较价格。
这就把问题带到了我最近一直在思考的另一个方向。
过去我一直认为，金融本质上是一个分销（distribution）生意。
银行争的是谁拿到工资直接入账，信用卡公司争的是谁成为消费者最常用的那张卡，券商争的是谁占住投资者的手机屏幕，财富管理机构争的是谁拥有客户关系。大量Fintech产品花几十亿美元获客，本质上都在争夺同一个东西：谁能站在用户和金融产品之间。
因为谁拥有分销，谁就有机会决定哪个产品被看见。
但AI Agent可能会让这场竞争逐渐从“分销”（distribution）变成“资金路由”（routing）。
以前你会问：我最喜欢哪家银行？
未来更重要的问题可能是：我的财务Agent把哪些银行放在可接受交易对手名单里？
以前基金公司想办法让自己的货币基金排在App首页。
未来Agent可能直接判断：当收益差超过18个基点、流动性满足要求、交易对手风险低于某个阈值时，资金应该自动去哪里。
以前贷款机构拼广告、品牌和销售渠道。
未来Agent可能直接比较实际利率、抵押要求、提前还款条件以及企业当前的现金流状况，再决定应该调用谁的资金。
到了这里，真正值钱的东西就不再只是“用户有没有下载你的App”，而是你有没有进入机器的默认规则。
谁被写进授权范围，谁就有资格参与竞争；谁最终赢得资金路由，谁就拿到了资金流。
Agentic Commerce改变的是需求流向哪里。
Agentic Finance改变的是资本流向哪里。
所以如果今天我是一个银行CEO，我当然会关心AI能不能减少分析师写报告的时间，能不能把KYC和反欺诈调查自动化，这些都是非常现实的效率提升。
但更长期的问题可能是另外一个：
当我的企业客户拥有一个24小时工作的财务Agent以后，我凭什么继续拥有他的下一美元？
最聪明的银行未必会抵抗这场变化，反而可能最早把Agent放进自己的体系里。客户日常运营资金继续留在活期账户，暂时不用的钱自动进入收益更高的存款或者基金，需要流动性时再自动回来；外汇、贷款额度、抵押品和付款也都可以被一起优化。这样即使Agent不断寻找更优解，资金仍然可以留在同一家银行生态内部。
从这个角度来看，Project Agorá这样的探索未必会削弱银行，甚至可能帮助受监管的商业银行货币在稳定币时代继续保持核心地位。
所以这并不是一个“AI加Crypto最终干掉银行”的简单故事。真正危险的，未必是银行本身，而是那些长期以来把客户不愿意比较、不愿意切换、嫌麻烦，当成自己护城河的金融商业模式。
过去一家银行很重要的优势，是客户搬走太麻烦。下一阶段真正强的银行，可能必须证明一个完全相反的命题：客户随时都可以走，但他的AI算完以后，依然决定把钱留在这里。
过去十几年，Fintech最激烈的战争发生在手机屏幕上。大家争日活、争主账户、争最常用的那张卡，争谁离用户更近。
下一轮很多真正重要的金融战争，可能根本没有界面。
它发生在后台的一套授权规则里，发生在一张可接受交易对手名单里，发生在十几个基点的收益差里，也发生在AI判断“这笔钱此刻应该去哪里”的那一瞬间。
所以Agentic Finance真正值得问的问题，可能从来都不是：AI什么时候会替我们管理钱？而是，当越来越多的钱开始按照机器可以理解的规则，自动寻找自己的最佳去处以后——
谁还有资格决定，这些钱最终留在哪里？FirstService Residential任命Maria Hurst为高级副总裁，负责纽约公寓及合作公寓整体业务第一服务住宅（$FSV）任命玛丽亚·赫斯特为高级副总裁，负责统管纽约的公寓及合作公寓业务。此次人事调整被解读为旨在增强纽约住宅管理市场的运营效率和现场领导力。
据公司方面称，赫斯特将负责公寓与合作公寓业务部门广泛的资产组合，为房产管理团队提供经营领导、运营监督和战略咨询。纽约是美国境内公寓及合作公寓比例较高的市场，因此本次任命似乎聚焦于提升现场运营的稳定性和服务质量。
赫斯特于2003年加入第一服务住宅，此后历任多个领导职务，积累了丰富经验。在此期间，她主导了多个大型资本项目，并因其业绩、指导能力及协作型领导力获得公司“明星奖”的认可。
第一服务住宅通过此次任命，将经验经过验证的内部人才推向前台。相较于外部招聘，公司重用了对组织理解更深的内部人员，这被解读为在大规模住宅资产管理市场中同时追求连续性和执行力的战略。
在物业管理行业中，竞争能力不仅取决于简单的设施运营，更取决于住户服务、成本控制以及大型维修工程的管理能力。从这一点来看，赫斯特的项目经验及组织内的领导履历极有可能为纽约公寓及合作公寓业务的运营增添助力。
此次任命展示出大型物业管理公司在不确定的市场环境中，仍优先起用“经过验证的运营型领导者”。第一服务住宅将在纽约核心业务领域取得怎样的成果，备受关注。
TP AI 注意事项
本文基于TokenPost.ai语言模型进行了摘要。正文主要内容可能被遗漏或与事实不符。TreeCan Well Services：尽管销售额和现金流有所改善，但净利润因成本负担而减少。Trican Well Service（OTC：TOLWF）2026年第一季度营收达3.303亿美元。按韩元计算约合4918.6亿韩元，较去年同期的2.591亿美元大幅增长。虽然规模增长和现金创造能力有所改善，但由于成本增加的影响，净利润小幅下降。
业绩改善但净利润小幅下降
公司第一季度调整后EBITDA为7010万美元。这一数字高于一年前的6130万美元。自由现金流也达到4960万美元，现金创造能力进一步增强。不过净利润为3030万美元，略低于上年同期的3190万美元。
股票薪酬、技术投资和折旧拖累盈利能力
净利润下降的背景是"股票基础薪酬"扩大、与技术计划相关的支出以及Iron Horse相关的折旧费用。作为主营业务指标的营收和调整后EBITDA有所改善，但非现金费用和投资性支出对损益造成了压力。
另一方面，财务结构明显改善。净债务从2025年底的7990万美元降至2026年第一季度末的2980万美元。约合443.6亿韩元水平，在短期内大幅降低了借贷负担。这显示了公司在业绩改善的同时也确保了财务稳定性。
股息上调10%，持续回购股票
董事会宣布季度股息为每股0.055美元。这比前一年上调了10%。股息将于2026年6月30日支付。股东回报基调也在延续。Trican Well Service表示，第一季度回购了756,900股股票。这是根据正常发行人购股计划（NCIB）采取的措施。
业绩增长、财务改善、股息扩大和股票回购同时进行，这可以被市场解读为"股东友好型"信号。不过由于净利润因成本增加而小幅后退，未来投资扩大是否能带来实际盈利改善将成为关键看点。
2026年资本支出预算批准1.22亿美元
公司批准了2026年资本支出预算为1.22亿美元。按韩元计算约合1816.2亿韩元。其中包括基于"100%天然气燃料"的压裂设备扩大投资以及现有设备和技术现代化。
此类投资似乎反映了能源服务行业整体的效率提升和环保转型趋势。短期内可能带来成本负担，但中长期来看有可能成为提高运营竞争力和订单基础的因素。第一季度业绩显示，Trican Well Service在兼顾增长投资和股东回报的同时，也保持了财务空间。
TP AI注意事项
使用TokenPost.ai基础语言模型对文章进行了摘要。正文主要内容可能被省略或与事实不符。奥斯汀 'The Code' 运营由 FirstService Residential 负责…酒店式住宅竞争力面临考验北美地区住宅社区管理公司FirstService Residential已接手位于美国德克萨斯州奥斯汀Zilker地区的酒店式住宅社区"The Code"的运营。在短期住宿到长期居住需求日益增长的背景下，专业管理公司的介入被视为旨在同时提升资产价值和入住体验的举措。
该公告于5月7日在美国德克萨斯州奥斯汀发布。The Code是Pearlstone Partners与AvantStay合作开发的五层、共178个单元的酒店式住宅社区。它配备了家具齐全的单间、一居室和两居室居住空间，并设计为能够同时满足短期住宿和长期居住需求。
该社区位于奥斯汀市内备受青睐的市中心区域Zilker。其特点在于不仅提供居住空间，还提供"礼宾"服务、度假式游泳池、屋顶露台、共享办公空间、健康设施以及现场餐饮服务等。这种打破居住与住宿界限的形式，可视为近年来在美国主要城市兴起的"以生活方式为中心"的房地产趋势的一个案例。
Pearlstone Partners总裁Bill Kraus将高层建筑和综合用途社区运营经验，列为选择FirstService Residential的背景因素。他表示，该公司已成功管理过Pearlstone Partners的其他项目，因此可以期待其在The Code的日常运营乃至长期管理能力。
FirstService Residential方面也强调了此次合作的意义。负责德克萨斯州高层住宅业务的Susan Ward-Freeman总裁表示，能够支持The Code所展现的新型住宅概念意义重大。她接着说明，将致力于保持一致的运营质量，保护房地产的长期价值，并提高住户和业主的满意度。
住宅与酒店服务结合……运营专业性的重要性日益凸显
FirstService Residential将全面负责The Code的日常管理、运营和住户服务。融合了酒店式服务的复合社区，其运营结构比一般公寓或共管公寓更为复杂。这是因为需要同时处理预订需求、公共设施管理、住户接待、设施维护以及品牌体验管理。从这个角度来看，此次委托运营已超越单纯的合同承接，更接近于为维持高端住宅产品的竞争力奠定基础。
市场关注此类项目有可能随着城市住宅需求的变化而进一步增加。这是因为随着远程办公和灵活住宿方式的普及，人们对兼具工作空间、休闲空间以及短期住宿便利性的住宅产品的偏好正在上升。特别是在像奥斯汀这样人口流入活跃、创意产业基础雄厚的城市，此类实验性住宅模式被认为具备良好的落地环境。
FirstService Residential是一家在美国和加拿大全境管理住宅社区的企业，通过与董事会、业主和开发商合作，支持提升房地产价值和改善居住环境。该公司提供24小时客户服务、定制化生活项目、社区技术服务等，其业务隶属于母公司FirstService Corporation（$FSV）。
此次合同表明，酒店式住宅社区正从单纯的"房地产产品"转向运营能力本身即成为竞争力的市场。The Code能否将奥斯汀的特色与服务型住宅需求稳定地结合，值得关注。
TP AI注意事项
使用TokenPost.ai基础语言模型对文章进行了摘要。正文主要内容可能被遗漏或与事实不符。FirstService Residential 负责运营奥斯汀酒店式住宅 "The Code"FirstService Residential已接手管理位于美国德克萨斯州奥斯汀齐尔克地区的酒店式住宅社区"The Code"。该项目的开发由Pulestone Partners和AvantStay共同完成，通过此次签约，FirstService Residential将全面负责该社区的日常运营及居民服务。
The Code是一栋五层楼高、共含178个单元的全配套住宅社区。涵盖从开间到一居室、两居室等多种户型，其特色在于相比普通公寓，强化了住宿与礼宾服务元素，具有"酒店式住宅"的性质。
主要便利设施包括礼宾服务、度假风格泳池、屋顶露台、共享办公空间及健康空间。由于地处奥斯汀住宅偏好度较高的齐尔克地区，其重点在于超越单纯居住功能，同时提供生活便利性与灵活的居住体验。
此次运营交接也契合了美国主要城市中"全配套"住宅与酒店式服务相结合的住宅模式日益普及的趋势。开发商通过打造差异化的入住体验来降低空置率，而专业运营公司则通过服务标准化和效率提升来提高资产价值。
FirstService Residential的此次参与被解读为一个信号，表明The Code不仅要成为新建住宅社区，更要将运营品质作为其核心竞争力。在像奥斯汀这样人口持续流入的城市，此类酒店式住宅模式未来可能会受到更多关注。
TP AI 注意事项
本文使用基于TokenPost.ai的语言模型进行摘要。正文内容可能存在关键信息遗漏或与事实不符的情况。Tanium-ServiceNow 发布自主型 IT 运维解决方案… 故障应对实现“自动执行”网络安全软件企业Tanium与ServiceNow（$NOW）合作，推出了联合自主IT解决方案"ITOM AI Prime powered by Tanium"。此举备受关注，因为企业IT运营正从发现故障后响应的"事后处理"为中心，加速转向自行检测、解决、验证问题的"自主运营"体系。
该解决方案将Tanium的自主IT平台与ServiceNow的IT运营管理AI Prime整合为一体。其核心在于，结合Tanium提供的实时端点数据与ServiceNow的工作流自动化功能，使得无需人工干预即可处理IT问题。
Tanium指出，许多企业正面临"掌握发生了何种问题的能力"与"实际立即采取行动的能力"之间的差距。本次联合解决方案旨在缩小这一差距。据称，通过将实时终端信息连接到ServiceNow的工作流和AI代理，可以缩短调查时间，最大限度减少人工操作，并实现在大规模环境下的可控IT运营。
在技术上，其运作方式是将Tanium的实时端点数据供给ServiceNow的CMDB（配置管理数据库）。借此，ServiceNow能够基于更准确的资产状态执行自动化工作流，AI代理也能依据最新的遥测数据和恢复信息做出决策。这其中也包含操作系统和第三方软件补丁工作。所有程序均经过批准的变更管理流程自动执行。
ServiceNow数字业务服务与体验部门高级副总裁Sankha Nagchoudhury表示："与Tanium一起，从根本上改变了大规模端点管理和安全的方式。预计平均解决时间将减少60%，我们已经获得了通往自主补丁和‘零入侵’目标的明确路径。"
此次合作也顺应了市场趋势，即企业将IT运营和安全工具整合到更少的平台上，并让AI承担更多工作。过去一年，ServiceNow迅速扩展了AI代理产品线，而Tanium则强化了作为支撑自主IT的端点数据层的作用。
归根结底，此次发布不仅仅是简单的产品集成，更表明企业IT运营的重心正从"监控"转向"自动执行"。在实际场景中，故障响应速度和运营效率能提升多少，将成为衡量未来成果的关键点。
本次联合解决方案预计将于本周在美国拉斯维加斯举行的"ServiceNow Knowledge 2026"活动期间，在Tanium展台进行演示。
TP AI 注意事项
使用基于 TokenPost.ai 的语言模型对文章进行了摘要。正文的主要内容可能被遗漏或与事实不符。ServiceNow强化企业AI“控制塔”…整合治理、安全与执行力ServiceNow（$NOW）公布了其平台扩展方案，聚焦于人工智能（AI）在企业落地中日益凸显的核心挑战——“治理”、“安全”和“执行力”。此举直接回应了企业的普遍困扰：尽管AI正在快速渗透到一线，但能够有效管控它并确保实际工作闭环的体系仍然匮乏。
本次发布的核心在于“AI控制塔”的升级。ServiceNow表示，通过这一功能，企业能够在一个平台上对AI模型和代理型工作流进行监控、管理及保护。与此同时，自主安全功能以及由AI代理组成的组织——“自主劳动力”也同步得到扩展。
ServiceNow产品管理副总裁Nenshad Bardoliwalla表示：“客户告诉我们，AI已经部署到各处，但它们互不关联、缺乏治理，也无法真正完成实际工作。”他指出，AI控制塔正是针对这些问题的解决方案。
AI控制塔：从“监控者”进化为“统一指挥中枢”
于2025年首次推出的AI控制塔，已从初期的简易监控工具，扩展为统管企业AI运营的中央指挥体系。目前，该平台囊括“发现”、“治理”、“安全”、“可视性”和“成本计量”五大核心功能。
据ServiceNow介绍，该系统能够识别分散在多个云环境和企业应用中的AI资产，并对模型、数据集、提示词及代理实施策略管控。特别是其“运行时可视性”功能得到强化，可以追踪正在运行的AI代理的决策过程，并在必要时进行干预。
此外，该系统还能对接美国国家标准与技术研究院（NIST）网络安全框架及欧盟《AI法案》等监管标准下的风险框架。ServiceNow还新推出了“AI网关”，将实时控制范围扩展至外部AI系统，意图将管理边界延伸至自有平台之外的第三方AI。
这表明，企业正从各自为政、使用不同工具的“碎片化”模式，转向能够支撑大规模AI运营的统一管理体系。
应对非人类账户激增……自主安全功能同步加强
ServiceNow此次的扩展，也与IT环境中非人类身份和自主代理急剧增长的趋势相契合。随着基于AI的攻击速度加快，依赖人工检测和响应的传统安全模式已越发捉襟见肘。
ServiceNow核心产品管理高级副总裁John iCien表示：“基于AI的攻击者的行动速度，已经超过了团队能够人工响应或检测的速度。”
为此，ServiceNow推出了“自主安全与风险管理”服务。该服务结合了近期收购的Veza和Armis的技术，旨在同步掌握资产清单与身份、访问权限的关系。简而言之，它构建了一个能一目了然地映射“谁”或“哪个系统”可以访问特定数据和系统架构。
该平台通过关联资产、权限和决策过程中产生的信号，来识别未经授权的数据访问或策略违规等风险。必要时可自动执行修正措施，企业也可根据需要设置人工审批环节。ServiceNow借此强调，其目标是将安全模式从传统的“事后响应”转变为“持续性AI治理”体系。
AI从“建议”迈向“执行”……专司其职的业务代理大幅扩展
ServiceNow还对其“自主劳动力”进行了扩展，新增了涵盖IT、客户服务、客户关系管理及风险管理等领域的AI“专家”。这些代理的设计目标，不仅是提供信息建议，更要在既定的治理框架内，独立执行完整的实际工作流程。
公司方面解释，今年2月发布的“自主劳动力”是一种新型AI员工，能像人类团队的一部分一样进行思考、行动和工作。新加入的代理可以承担故障排除、处理服务请求、执行销售工作流等任务。
这些代理运行在同一个平台上，也是其特色之一。由于它们共享数据语境、工作流编排和策略管控，相比拼凑起来的独立工具，其运营一致性更强。这被解读为一项旨在弥补以往AI仅能提供洞察、却无法“落地执行”之缺陷的战略。
劳斯莱斯称“节省制造现场30万小时”……成果与挑战并存
发布会上也展示了实际落地案例。劳斯莱斯控股表示，利用ServiceNow的生成式AI平台“Now Assist”，仅IT运营一项就获得了5000小时的效率提升。其在整体制造工作流中的生产力也得到了改善。
劳斯莱斯全球商业服务主管Phil Priest特别强调了在AI部署过程中数据就绪状态和治理的重要性。他指出，如果基础数据和流程没有得到妥善整理，AI反而可能会放大现有的低效。
他介绍，在将Now Assist扩展到IT部门以外的其他职能领域时，他们正对现有的知识文档进行重新梳理，使其能够被AI理解和利用。这意味着，即使AI代理已经部署，用户要获得快速且准确的答案，归根结底还是需要“优质数据”。
Priest表示，AI带来的最大效益体现在制造业领域：“我们减少了30万小时的现场工作时间。这是一个能直接转化为成本削减的数字。”
企业AI竞争，核心终归是“统一运营层”
ServiceNow的战略核心，在于将数据、工作流和治理整合到一个统一的运营平台上，而非将AI功能拆解为一个个独立的点状解决方案。其逻辑是，随着基于代理的系统日益增多，仅靠割裂的工具难以应对由此而来的复杂性和扩展性挑战。
总而言之，本次发布表明，企业AI市场的竞争焦点正从单纯的模型性能，转向“可控的执行环境”。ServiceNow正试图通过结合可视性、身份治理和工作流自动化，抢先占据AI运营的“控制层”。对企业而言，能多安全、多一致地驱动AI运转，正在比部署了多少AI成为更重要的衡量标准。
TP AI注意事项
本文基于TokenPost.ai的底层语言模型进行摘要。正文主要内容可能被遗漏或与事实存在出入。
KIRAPAY 与 Solana Name Service（SNS）于香港 Web3 嘉年华圆满举办「Permissionless Drinks」，连结 Web2 商户与 Web3 建设者
KIRAPAY 与 Solana Name Service（SNS）于香港 Web3 嘉年华期间成功举办 Permissionless Drinks，在专属交流夜晚中汇聚 Web2 商户、Web3 建设者、AI 创新者及商务领袖，共同推动合作、产品探索与跨界对话。
香港 — 2026 年 4 月 — KIRAPAY（非托管跨链支付闸道） 与 Solana Name Service（SNS）于 2026 年 4 月 20 日在香港 Web3 嘉年华举办的邀请制交流活动 Permissionless Drinks 圆满落幕。
本次活动聚集涵盖 AI、稳定币、链上身份与支付等领域的建设者，并邀请探索新支付轨道以促进客户获取与跨境增长的 Web2 商户。现场氛围轻松而充满能量，促成了有意义的交流、即场产品对话与早期合作探索。
「真正的采用，来自让商户与用户都感到『支付毫不费力』，」KIRAPAY 表示。 「透过我们的非托管、意图驱动支付闸道，以及 KIRA SDK 与 API，我们正协助团队将稳定币结算与跨链支付落地为可用的结帐体验。让建设者与商户同场交流，能加速从基础设施走向实际效用。」
整晚期间，商户与建设者就无边界商务、以稳定币驱动的结帐流程，以及 AI 赋能的下一代消费者体验交换观点。赞助商与策略伙伴亦为交流注入动能，强化了整个生态圈的连结。
关于 LinkedIn Local Asia
LinkedIn Local Asia 是连结行业专业人士和领袖的领先社群,为更好的自我提供深入见解。我们专注于将数码连结转化为真实、高质量的面对面对话。
关于 KIRAPAY
KIRAPAY 是一个非托管 (non-custodial)、意图导向 (intent-based) 的跨链 (cross-chain) 支付闸道，使交易变得简单、快速且无国界 — 赋能企业连结用户、减少摩擦并解锁新机会。
透过 KIRA SDK 与 API，企业可以在各种链和系统之间无缝地发送和接收付款 — 从原生加密应用到电子商务和 SaaS — 使全球交易变得轻松普及。
关于 Solana Name Service (SNS)
Solana Name Service (SNS) 是建构于 Solana 上的使用者身分基础层，让使用者能透过建立可读性高和个人化的 .sol 域名 (如 sns.sol) 来取代冗长的钱包公钥，并进行各种链上互动，包括付款、Web3 使用者名称及数位身分识别等应用。
钻石赞助商
IPFlow
白金赞助商
Access Protocol、VirgoPAY
战略合作伙伴
Genius Coffee、PawX、Bilibala
媒体及社群合作伙伴
MetaEra、TecHub News、Monsterblock HK、9CAT Group、abcd、Activ8 Lab、BFM
Time、Blockmedia、Blocktempo、CoinEasy、DCAI、Kumami World、Let's Connect、
Mustaverse Studio、OTG、Remember Us、SBCA、Techflame News、The Unpaid
Company、Yellow MediaServiceNow业绩超预期……但因中东合同延迟，盘后股价暴跌12%服务现在公司($NOW)虽然交出了超出市场预期的第一季度财报，但因中东地缘政治变数而受挫，股价在盘后交易中暴跌。关于伊朗战争长期化的余波导致中东地区部分大型合同被推迟，从而对订阅收入造成压力的说明，打压了投资心理。
公司第一季度调整后每股收益(EPS)为0.97美元，超出市场预期的0.96美元。营收较去年同期增长22%，达到37.7亿美元，略微高于市场预期的37.4亿美元。按韩元计算，规模约为5.5819万亿韩元。净利润为4.69亿美元，高于一年前的4.6亿美元。
中东合同推迟动摇订阅收入
然而，核心的订阅收入受到了地缘政治风险的影响。首席执行官(CEO)比尔·麦克德莫特(Bill McDermott)在财报电话会议上表示，中东地区"多个大型本地部署合同"的结束被推迟，造成了约75个基点(1bp=0.01个百分点)的逆风。原因在于围绕伊朗的战争长期化。
麦克德莫特特别解释说，中东部分国有及政府客户偏好非云端的自建型"本地部署"方式。由于此类合同在签约时一次性确认收入，业务一旦推迟或取消，就会立即反映在业绩上。他表示："如果中东业务放缓或被取消，就会产生即时影响。"
不过，公司认为最糟糕的阶段已经过去。麦克德莫特透露，中东地区的情况比之前"稍微正常化了一些"，客户也在重新讨论恢复业务。事实上，第一季度订阅收入为36.7亿美元，略微超过了市场预期的36.5亿美元。按韩元计算约为5.4347万亿韩元。
年度业绩指引上调
服务现在公司提供了第二季度订阅收入指引，范围为38.15亿至38.2亿美元。这超过了市场共识预期的37.5亿美元。年度订阅收入展望也从此前的155.3亿至155.7亿美元上调至157.4亿至157.8亿美元。
首席财务官(CFO)吉娜·马斯坦图奥诺(Gina Mastantuono)就年度展望解释说，这是"审慎评估地缘政治环境后的结果"。这被解读为，虽然业绩本身稳健，但并未完全排除中东变数等外部冲击的影响。
公司表示，第一季度回购了约2000万股库存股。这一数字超过了2025财年计划回购总量的两倍。此前一个季度，公司已额外批准了50亿美元用于股票回购。此外，当期剩余履约义务(RPO)为126.4亿美元，超出了市场预期的125.6亿美元。年度合同价值(ACV)超过500万美元的交易有16笔，同比增长了80%。
尽管有AI预期，股价仍下跌逾12%
投资者对"中东风险"以及笼罩整个软件行业的对人工智能(AI)的担忧，反应比预期的良好业绩更为敏感。服务现在公司股价在盘后交易中下跌超过12%。自年初以来的累计跌幅已超过32%。
近期，软件行业正因AI可能蚕食传统软件公司业务模式的担忧而面临压力。对此，服务现在公司选择将AI作为正面突破的牌。公司将充当自主AI代理集成管理"控制塔"的角色，作为其平台的核心价值。
麦克德莫特表示，第一季度，每年在Now Assist AI产品套件上支出超过100万美元的大型客户数量增长了130%。他强调，客户信任服务现在平台，并且公司能够连接各种AI模型、云、数据源和软件系统，正成为"业务创新的AI控制塔"。
他表示："在新技术同时创造机会和风险的情况下，我们基于过去20年积累的工程能力和对业务背景的深刻理解，能够协调并保护代理型企业环境。"他补充道："AI的增长势头超出了公司内部预期，并再次印证了服务现在是增长最快的企业软件公司之一。"
扩大谷歌合作·完成收购Armis
服务现在公司本周还宣布了与谷歌云扩大合作。此外，对网络安全初创公司Armis高达77.5亿美元（按韩元计算约11.4747万亿韩元）的收购也比预期更快地完成了。
本次财报表明，服务现在在主业增长势头和AI扩展战略方面仍然展现出强劲的韧性。然而，只要地缘政治风险和AI引发的行业重新评估持续存在，股价波动性在短期内可能难以轻易消退。
TP AI 注意事项
本文使用基于 TokenPost.ai 的语言模型进行摘要。正文的主要内容可能被遗漏或与事实不符。微软开源Kubernetes原生AI工作负载堆栈TauGridTechub News 消息，微软开源了TauGrid，这是一个Kubernetes原生堆栈，用于简化GPU AI工作负载的部署与管理。TauGrid整合了tau CLI、Kueue队列、KubeRay编排、GPU健康监控和可观测性工具，通过单一Helm安装即可部署。该平台采用MIT许可证，要求Kubernetes 1.30+集群配备GPU节点，支持研究人员提交工作负载而无需直接配置Kubernetes。
TauGrid的设计将平台团队与研究人员职责分离：平台团队管理计算资源与可观测性，研究人员通过tau.yaml文件描述工作负载并使用CLI提交。工作负载经过队列调度、执行监控、故障恢复等阶段，并生成包含配置、日志、指标和检查点的证据记录，确保可复现性与可审计性。
微软表示TauGrid默认不向微软发送遥测数据，部分可观测性集成仍依赖Azure Data Explorer，但计划支持非Azure环境。该堆栈已于2026年8月28日在GitHub开源。（MarkTechPost）Waymo 在圣安东尼奥重启自动驾驶服务，此前因洪水暂停五个月Techub News 消息，Waymo 在圣安东尼奥的自动驾驶服务已重新启动，此前因洪水问题暂停了五个月。该公司在今年四月暂停了该城市的服务，因其一辆自动驾驶出租车被洪水冲走。
（TechCrunch）国王查尔斯三世主持AI安全峰会，OpenAI、Anthropic等高管出席讨论Techub News 消息，英国国王查尔斯三世在其苏格兰庄园召集了OpenAI、Anthropic、英伟达和谷歌等公司的高级高管，举行AI安全峰会，讨论如何确保人工智能技术“服务于人类”。此次会议在行业领袖呼吁放缓AI发展几天后召开。（Decrypt）Moonshot AI 推出金融版 Kimi，连接顶级数据提供商Techub News 消息，Moonshot AI 正式推出面向金融服务的 Kimi 产品，并已连接多家顶级数据提供商。该产品旨在重新定义金融工作流程，提升全球机构金融的效率和竞争力。
（Crypto Briefing）World 推出全球支付与投资超级应用 World MoneyTechub News 消息，World 宣布推出名为 World Money 的超级应用，旨在通过整合身份验证与去中心化金融服务，革新全球支付与投资领域。该应用致力于提升安全性与可访问性，为用户提供一体化的全球金融解决方案。（Crypto Briefing）美国众议院两委员会通过战略比特币储备法案与数字资产税收法案Techub News 消息，美国众议院金融服务委员会以 28 比 21 的投票结果通过了《美国储备现代化法案》（H.R. 8957）。该法案旨在将联邦政府没收的比特币纳入财政部储备并至少持有 20 年，并为其他数字资产设立单独储备。根据 Arkham Intelligence 数据，美国政府目前持有约 324,527 枚比特币，价值约 248 亿美元。
同日，众议院筹款委员会以 38 比 5 通过了《数字资产税收确定性法案》（H.R. 10357）。该法案旨在为数字资产建立清晰的税收框架，并将洗售规则扩展至数字资产。筹款委员会主席 Jason Smith 表示，这将是有史以来第一部解决加密货币实质性税收待遇的联邦法律，影响约 6700 万持有加密货币的美国人。
两项法案在参议院 CLARITY 法案程序性投票失败后次日于委员会层面获得通过，后续仍需经过众议院全体投票、参议院通过及总统签署才能成为法律。（BeInCrypto）Snap 联手英伟达、AWS 与 Salesforce，面向企业市场推广 AR 眼镜Techub News 消息，Snap 宣布与英伟达、亚马逊云科技（AWS）及 Salesforce 合作，以推动其售价 2000 美元的 Specs AR 眼镜进入企业市场。此次合作旨在将 Snap 的增强现实技术与合作伙伴的 AI、云及客户关系管理平台相结合，为企业客户提供解决方案。
（CNBC）黑客劫持 HBO Max 官方 Reddit 账号，传播窃取加密货币的恶意软件Techub News 消息，攻击者通过流媒体服务 HBO Max 的已验证 Reddit 账号发布了 108 条恶意广告，引导用户下载虚假软件以窃取加密货币。这些广告伪装成合法软件更新，旨在感染用户设备并盗取数字资产。
（Decrypt）Circle x402 Facilitator 服务在 Arc 上线，并支持 Base 与 Polygon POSTechub News 消息，Circle 的 x402 Facilitator 服务现已在 Arc 主网上线。该服务旨在为智能体和 API 提供支持，同时也可处理来自 Base 和 Polygon POS 的交易。
（@jerallaire）Iris 完成超 4000 万美元融资，以在 Avalanche 上扩展 ALVA 金融服务Techub News 消息，区块链电信服务商 Iris 宣布完成超 4000 万美元融资，资金将用于在 Avalanche 区块链上扩展其 ALVA 金融服务。Iris 旨在通过将区块链技术整合至电信领域，革新金融服务，以在波动市场中降低客户流失率并提升客户价值。
（Crypto Briefing）文章转载于字母AI OpenAI昨天一口气打出了四张大牌。 Agents API、GPT-Live-1 API、Data agent、ChatGPT for Financial Services，一天横跨Agent、语音、数据和金融四条产品线，每一条都值得单独拿出来说道。 但这四张牌里，最值得看的可能还是Agents API。 因为这一次，OpenAI把Codex“拆开卖了”。 原本藏在Codex背后、负责让Agent持续工作、调用工具、管理上下文和协同多个Agent的那套能力，被抽出来打包成了云端API，交给所有开发者调用。 1 Codex即服务？ 其实，OpenAI早就在拆Codex了。 早在2025年4月，OpenAI刚发布o3和o4-mini那会儿，就把Codex CLI开源了。它有点像OpenAI版的Claude Code，直接就装在本地终端里。Agent怎么跑，怎么调用工具，都明明白白地放在GitHub上，你愿意折腾，就可以自己拿回去改，自己跑。 不过那个时候只是单纯地把东西给了出来，至于你会不会用、想怎么用，那都还是你自己的事。 一个月后，Codex云端版，也就是我们今天所熟悉的那个产品，才正式上线。用户可以把代码仓库交给它，一个任务对应一个独立的云端沙盒，Codex可以自己改代码、跑测试、修bug，还能同时处理多个任务。 又过了几个月，在2025年的10月份，OpenAI发布了Codex SDK。 简单来说，SDK就是给开发者的一套工具包，让Codex不只作为独立产品使用，也可以塞进别人的应用里。SDK允许开发者用几行TypeScript代码启动同一个驱动Codex CLI的Agent，拿到结构化输出，还能保留任务状态，在暂停之后继续跑。 但是呢，SDK主要适合在程序里调用Codex，还没有把完整的Codex交互能力开放出来。它很适合后台的工作流、自动化脚本、服务端的程序。但如果你想做一个像Codex IDE那样的完整客户端，还是有些困难。 于是到了2026年2月，OpenAI正式公开Codex App Server，第一次系统地把Codex里面那套Harness讲清楚了。 OpenAI明确解释，Codex Web、CLI、IDE扩展和Mac App看起来是不同的产品，但底下其实都在运行同一套Codex Harness，也就是负责Agent Loop、Thread、工具执行、认证和管理状态的那层东西。 App Server给这一整套Harness加了一套双向JSON-RPC接口。JetBrains、Xcode或者其他客户端，不需要重新造一个Agent Loop，直接启动App Server，就可以驱动完整的Codex。 有了App Server，其他产品就可以直接接上完整的Codex Harness。 不过走到这里，还有最后一个麻烦没解决。 SDK控制的是本地Codex Agent，App Server本身也是一个需要开发者启动和维持的常驻进程。虽然把Codex接进产品这事已经解决了，但想把它稳定地跑成一个线上的服务，还是有点困难。 举一个比较具体的例子，如果你用App Server做一个自己的Coding Agent网站，前端已经接上了Codex，但当用户点下“修复这个仓库”之后，后续的大量运行和基础设施问题，都还需要你自己想办法解决。 然后就到了8月19日，这一天，OpenAI把过去一年陆续开放的CLI、SDK、App Server统一放进了“开放Codex Harness”的平台叙事里，并明确把Codex从一个产品提升成了平台。 再然后就是（美国时间）9月10日，也就是昨天，Agents API正式开放公测。 这一次，开发者只需要告诉API四件事——任务、模型、工具、运行环境——就可以直接创建一个Agent。负责长会话上下文压缩、工具调度和subagent协作的Codex Harness由OpenAI自己托管和维护。 甚至就连Agent真正干活的机器都能自己选，是用OpenAI的沙盒、自己的基础设施，还是Cloudflare、E2B、Modal等第三方环境，都可以。Harness由OpenAI提供，执行环境由开发者决定。 官方的口径很明确，Agents API本身不额外收费。也就是说，Harness托管、长会话管理等能力，并没有再单独收一层Agent平台费。 开发者按实际使用的模型Token和工具付费；如果使用OpenAI自己的托管沙盒，计算资源另算。 把这一年多串起来，OpenAI一直在做同一件事：把Codex从一个具体产品，一层一层拆成可以被复用的能力，同时让开发者越来越不需要自己操心。 如果一定要给这条产品线起个名字，它其实很像当年的SaaS，只不过这次被服务化的不是软件，而是Codex。 Codex as a Service。 1 Harness也开始分叉了 盯上Harness的当然不止OpenAI。 DeepSeek Harness（后文简称DSH）发布的时候，就给出了一个非常响亮的等式：Agent ＝ Model + Harness。 在DeepSeek看来，模型只是Agent的一半，另一半则是负责让它理解环境、调用工具、管理状态、持续执行任务的Harness。两者互相协调，Agent才能真正执行任务。 DSH把Harness本身做成了一套高度模块化的开放框架：模型、工具、Skills、Session、沙盒、存储、Agent Loop、调度，甚至UI都可以替换。 “一切皆插件”的口号可不是说着玩玩而已，最好大家都来写插件，都来适配DSH，最后不管上面跑的是DeepSeek，还是别的模型，底下都可以是同一套Harness。 这和OpenAI现在走的方向刚好形成了一个挺有意思的对照。 OpenAI虽然也把Codex harness开源了，但Agents API明显是在往另一个方向走：Harness你可以用自己的，也可以拿走开源的，但如果你嫌麻烦，还可以直接不管，让我来替你安排。 所以我们认为，它更像是一种“服务”。OpenAI负责托管和持续维护Harness，开发者只需要决定要让Agent干什么、用什么工具、在哪里执行。甚至以后模型升级了，Harness怎么跟着改，OpenAI也准备一起包了。 某种意义上，现在Harness这一层隐约出现了两条路线： 以DeepSeek为代表的路线更像是在建设开放生态，把每一个零件都做成插件，让开发者自己组装；而以OpenAI为代表的一方则像在押注云服务，把钱和需求给到位，剩下的我帮你解决。 我们甚至可以认为，一个想让Harness越来越像Linux，另一个则想让Harness越来越像AWS。 当然了，这只是个比喻。OpenAI也开源了Codex Harness，DeepSeek未来也并非没有可能提供更多的托管服务。但至少在现阶段，两边产品的重心差别明显。 有意思的是，在把Harness变成服务的这条线上，Anthropic其实比OpenAI更早一步。 早在2025年9月，Anthropic就推出了Claude Agent SDK，把Claude Code背后的工具、上下文管理、权限系统和subagent能力开放给开发者，让别人也能拿这套东西做Agent。 今年4月，它甚至比OpenAI更早推出了Claude Managed Agents。Session、Harness和沙盒被拆成三个独立层：Anthropic负责托管harness和长任务，沙盒既可以由Anthropic提供，也可以接入别的执行环境。这个思路和今天的Agents API其实已经相当接近，Anthropic自己给它的定义就是“一个用于长期Agent任务的托管服务”。 所以某种意义上，OpenAI这次是在沿着Anthropic已经走过的路继续往前走，区别只不过是OpenAI手里有一个更“产品化”的Codex。 但因为Codex和Claude Code长期给人的产品印象还是不太一样，所以即使它们讲的是同一套故事，带来的感觉也大相径庭。Claude Code给人的感觉更像是让开发者坐在终端里和Agent一起写代码，而Codex App一开始强调的就是“同时监督多个长期Agent”的界面。 顺带一提，谷歌也早已加入这条路线。今年5月的I/O大会上，Gemini API推出Managed Agents，同样把Antigravity Harness和沙箱做成了托管服务。但谷歌的牌面不止于此，这一点咱们后面再讨论。 不过话说回来，谁先谁后好像也不是那么重要……最后当然是谁把自家的Harness变成开发者默认的那一层，谁才能吃下最大的蛋糕。 1 谁是大赢家？ 说到底，为什么现在模型公司都开始抢Harness了？ 就像是DSH给出的等式那样，Agent = Model + Harness，模型可以告诉Agent下一步应该做什么，但真要把一个任务从头跑到尾，它还得知道文件在哪里、需要调用哪个工具、出了错怎么恢复、结果最后要写在哪里。 换句话说，模型决定Agent的能力上限，而Harness越来越决定它到底能不能把活做完。 而一旦竞争的维度从“智力”走向“执行力”，最占优势的，未必是那些模型做得最好的AI公司。 因为Agent真正开始干活之后，需要的那些东西——邮件、文档、会议、通讯、账号权限等等——往往掌握在传统平台公司手里。 国内最近打得热闹的“办公Agent大战”，其实就是一个非常典型的例子：大厂在互联网平台时代积累下来的那些东西，以前更多只是各自生态里的部分功能，但到了Agent时代，这些东西恰好就是Agent真正干活时需要调用的工具。 现在大家做办公Agent，表面上是比谁家的AI员工更聪明、更有本事，背后其实也在重新利用自己过去积累的平台优势。谁手里有更多企业数据、文档、工具和权限，谁就更容易让Agent真正把事情做完。 模型公司需要一点点接入它们没有的入口，而那些做了十几年办公软件和互联网平台的公司，本来就掌握着这些入口。 换句话说，AI公司要重新连接现实世界，而平台公司手里原本就有一大串钥匙。 沿着这条路往前看，如果非要找一个最有优势的“全家桶”选手，谷歌恐怕是最夸张的那个。 从TPU、云基础设施、Gemini，到Search、Workspace、Chrome和Android，谷歌几乎覆盖了AI从底层技术到最终用户的所有关键环节。Search、Gmail、Calendar、Drive、YouTube、Maps等产品，又天然构成了一套可以被Agent调用的数字环境。这些资产在上一代互联网里是一个个独立入口，到了Agent时代，却可以被重新组织到同一个任务之下。 事实上，谷歌已经开始把散落在各个产品里的Agent能力，在底层往同一套执行系统里收。Gemini Spark、Gemini API里的Managed Agents，乃至Search里的部分Agent体验，背后正在逐渐共享同一套Antigravity Harness。 但到了用户这一端，事情还是有点乱。 今天谷歌同时有Gemini Spark、Workspace Studio、Antigravity、Gemini Enterprise，以及Search里的Information agents。它们面对的用户和场景各不相同，但对于普通人来说，当他们想把一件复杂的事情整个交给谷歌，还是不知道应该找谁。 对谷歌来说，它已经拥有完成这一切所需的大部分条件，缺的只是一个足够简单的产品答案。 而如果谷歌真把这件事做明白了——无论是做出了一个统一的Agent工作台，还是让同一个Agent执行系统穿透整个谷歌生态，让用户习惯“有问题找谷歌”，全球Agent市场的竞争格局恐怕都要再变一变。 话虽如此，谷歌就算真把这套“全家桶”塞进一个Agent，国内用户大概率也只能先围观一下。 还是先看看国内的Agent大战，接下来还会怎么打吧。
