今天这期不再重复昨天讲过的 Grok 4.5、GPT-Live 和编码评测。

那条线已经说清楚了：AI 进工作流以后，要看入口、成本和验收。今天往前看一步，问题变成：AI 到底会在哪个位置接手你的真实交付？

一个是 OpenAI 继续把 ChatGPT 往跨应用工作里推。一个是 Google 把模型推理放进浏览器。还有一个是 Anthropic 开始把就业、家庭、科学和风险这些难题公开收集起来。

这三件事放在一起，比单看某个模型名字更有用。

今天只看这 3 件事

1. OpenAI 推出 ChatGPT Work，继续把 ChatGPT 往跨应用交付里推

发生了什么：OpenAI 发布 ChatGPT Work，强调它可以围绕文件、应用和复杂项目持续工作，把任务拆成步骤，并在较长时间里推进。

为什么重要：过去很多人用 AI，还是停在聊天框里。你问一句，它答一句。ChatGPT Work 这类产品要抢的不是“回答问题”这个位置，而是“我把一个项目交给你，你能不能往前推”这个位置。

我的判断：普通人最该看的不是它宣传得多聪明，而是三个朴素问题：它能读哪些文件，能接哪些应用，结果怎么验收。AI 如果不能把文档、表格、网页、代码和任务记录连起来，它就还是一个聊天工具；一旦能连起来，它就开始像一个能上桌的临时同事。

2. Google 推出 LiteRT.js，让浏览器直接跑 AI 推理

发生了什么：Google 发布 LiteRT.js，这是面向 JavaScript 开发者的 Web AI 推理运行时，目标是让模型能在浏览器里通过 WebGPU、WebNN 等能力运行。

为什么重要：这条新闻不适合只当开发者工具看。浏览器能直接跑模型，意味着很多小工具、隐私敏感功能、离线体验和低成本应用，可以少依赖云端 API。以前你做一个 AI 功能，第一反应是调服务器；以后有些任务可能直接在用户设备上完成。

我的判断：这会改变一批小产品的成本结构。不是所有任务都适合端侧跑，大模型和长任务还会继续依赖云端。但图片预处理、文本分类、简单助手、隐私数据处理，这些轻一点的活会更容易放到浏览器里。对开发者来说，端侧推理不是炫技，它是在问：哪些任务没必要把用户数据送到云上？

3. Anthropic 发起 Hard Questions，把 AI 的公共问题摆到台前

发生了什么：Anthropic 发起 Hard Questions 倡议，邀请公众围绕 AI 对就业、社会、家庭、科学、医学等领域的影响提出尖锐问题。它还提到此前已经用调查和访谈收集过多国家、多语言人群的意见。

为什么重要：AI 公司越来越像基础设施公司。它们不只卖一个工具，还会影响岗位、教育、家庭分工、医疗研究和公共信任。这个时候，公众真正关心的往往不是“模型参数是多少”，而是：它会不会替代我的工作？出了问题谁负责？公司承诺能不能被追踪？

我的判断：这类倡议不能只看姿态。真正要看后续有没有公开问题清单、回应机制、时间表和可验证行动。AI 公司开始主动谈公共问题，是好事；但如果最后只变成品牌公关，那就没有意义。普通读者可以记住一个判断：治理不是说一句“我们重视安全”，治理是你把问题、责任和进度放到别人能检查的位置。

为什么放在一起看

今天这三条，其实在讲 AI 产品化的三张牌。

第一张牌是交付入口。ChatGPT Work 想证明 AI 不只是会聊天，而是能推进跨应用项目。

第二张牌是运行位置。LiteRT.js 想证明有些 AI 能力不用每次都回云端，浏览器本身也可以成为推理现场。

第三张牌是公共账本。Anthropic 的 Hard Questions 提醒所有 AI 公司：你越像基础设施，越要回答普通人真正担心的问题。

所以今天不是“又来了几个新功能”。今天更像是在看 AI 往哪里落地：落到工作交付里，落到浏览器里，也落到公共讨论里。

我的判断

过去看 AI 新闻，很多人习惯追模型名。谁更强，谁更便宜，谁上下文更长。

这当然要看，但已经不够了。

接下来更值得问的是：这条新闻改变了哪一层？

它改变入口吗？比如把 AI 放进文档、表格、浏览器、会议和项目管理里。

它改变成本吗？比如从云端 API 变成端侧推理，或者把模型调用放进更便宜的网关。

它改变责任吗？比如让公司必须解释就业、隐私、安全、家庭和社会影响。

如果一条新闻只是在说“模型又强了一点”，可以先放一放。如果它改变了入口、成本或责任，那就值得留下。

可以直接带走

今天可以给自己正在用的 AI 工具做一个小检查。

不用复杂，就问四句：

  1. 它只是回答我，还是能推进一个完整任务？
  2. 它必须把数据传到云端，还是有一部分能在本地或浏览器完成？
  3. 它做出来的结果，我怎么验收？
  4. 它影响到真实工作、隐私或决策时，谁负责？

这四个问题比追新模型名更实用。

因为 AI 真正进入工作和生活，不是靠发布会上的一句“更强”。它要能交付，要算得过成本，也要把边界说清楚。

其他信号

  • AI 能否回答 3 万亿美元的问题：看点在资金结构。AI 公司买算力开始靠巨额融资，模型竞争越来越像重资产生意。最后不是谁故事讲得好，而是谁能把基础设施成本变成真实收入。
  • Meta 发布 Muse Spark 1.1：看点在模型价格战。Meta 模型进入 API 和网关后，开发者要看真实质量、上下文窗口和调用成本，不能只看发布页。
  • Anthropic 长期利益信托任命本·伯南克为受托人：看点在治理叙事。前沿 AI 公司开始用更强的公共治理结构争取信任，后续还是要看它能不能约束真实商业决策。
  • GPT-5.6 进入 AI Gateway：看点在模型分发。开发者切换模型会更方便，但也要重新算延迟、质量、价格和可用性。
  • Claude 推出反思功能（Beta）：看点在使用习惯。AI 工具开始让用户回看自己怎么用 AI，重点从“聊得多”转向“会不会正确委托、判断和复盘”。