穆冠群休学回国创业:给Agent造一个云盘

资讯 AI 行业观察 全文 7647 字 · 约 20 分钟读完 配图 8 张 分类智能体

穆冠群:离开全球顶尖量子物理实验室,我想给Agent做个云盘|甲子光年

所属频道 智能体与 Agent
穆冠群休学回国创业:给Agent造一个云盘(配图 1)
穆冠群休学回国创业:给Agent造一个云盘(配图 2)
陆奇曾对穆冠群说:“你要是不创业,你就会死。”


2024年初,穆冠群跟导师道别。他准备休学回国创业,不再继续量子物理的研究。


导师一下没反应过来,盯着他看了好一阵,末了只吐出两个字:“Amazing。”


去奥地利因斯布鲁克的量子物理实验室读硕士,是穆冠群当初想清楚后做的决定,那里出过诺奖。他从小喜欢物理,初中就把高中物理自学完了。初二那年,为了弄明白大学物理才讲的科里奥利力,他熬到凌晨,用4个小时把公式推了出来。后来靠高中物理竞赛保送进武汉大学物理学院,他又起了念头:去全球顶尖的量子物理实验室看看,“人生不留遗憾”。为了这个,他推掉了新加坡国立大学的PhD全奖offer,去了因斯布鲁克。


那时候他觉得自己拿到了这条赛道的一张“黄金门票”。可进实验室一年左右,他开始犯嘀咕:量子计算这个方向有没有未来?自己愿不愿意把一辈子搭进去?纠结了半年,他走上了另一条路。


2023年,他在实验室的电脑上第一次跑起AutoGPT,花了大概50美元,让它去查全球市场上卖得最好的五款耳机。20分钟后,Agent在本地生成了一个文件。


他受到的冲击很大。那天从实验室回家,路上经过一家土耳其烤肉店,他盯着店琢磨:要是以后满街跑的都是机器人,这家店会成什么样?机器人不吃烤肉,可能得靠加油站。可AutoGPT这类Agent连油都不用加,它真正需要的是什么?


这个问题,后来成了他的创业方向。


给Agent用的产品,穆冠群团队试过几个切入点,2026年发布了PuppyOne。他的说法是,这是一款“给Agent使用的云盘”。运行在不同地方的Agent能访问同一份资料,接续彼此的工作往下做;文件改动留痕可查,也能退回历史版本。


穆冠群的判断很明确:以后给人用的软件,都该为Agent重做一遍。他甚至让团队全员卸载飞书。在他看来,这类产品太会“讨好”人,反倒严重拖了Agent的效率后腿,Agent得有自己的工具。



从早期面向Agent的企业级搜索,到眼下面向Agent的云盘,创业切入点一直在调。客户买不买单、模型能力怎么变,都会影响产品切入的姿态。“大胆假设,小心求证。”这套方法是他从实验物理里带出来的,现在被他用在了创业上。


以下是PuppyOne创始人穆冠群的自述,由「甲子Builders」整理,在不改变原意的基础上有所删改。


穆冠群休学回国创业:给Agent造一个云盘(配图 3)PuppyOne创始人穆冠群




1.我拿到了一张黄金门票,然后把门票撕掉


初中时我就定下要学物理,理由是我相信科技能改变人类。那会儿我是Born to Be a Physicist,觉得自己生来就是做物理学家的料。


再往后,我进了因斯布鲁克量子物理实验室。全球量子计算课题组里,它算得上最顶尖的那一档。为了去那儿,我把新加坡国立大学的PhD全奖offer推掉了。


一根筋地想去,就是想亲眼看看全球最顶尖的量子物理实验室长什么样。人生不能留遗憾。


穆冠群休学回国创业:给Agent造一个云盘(配图 4)

因斯布鲁克量子物理实验室外的风景


在奥地利念书那阵,每天坐公交去实验室,路上大概15分钟。我会先把专业论文下到iPad里,去的时候读一两篇,回来再读一两篇。推导公式也好,读论文也好,只要跟物理沾边,对我来说本质上是同一种快乐。


那感觉,像是拿到了这个赛道的一张黄金门票。不过待了差不多一年,我对量子计算的判断开始变了。


2023年3月初,我去汉诺威参加德国物理学会年会。会上大家讲的故事千篇一律,都是量子计算那一套。这逼着我从技术本身跳出来,改用商业的眼光重新看它。我慢慢觉得,量子计算可能是个没有真正PMF的赛道——大家会Buy in量子计算的故事,但不会Buy in量子计算的市场。


它很有想象力,又很难被证伪。


我当时的判断是:就算技术最终能做成,它对社会带来的变革,恐怕也远不如预期。那我愿不愿意拿一辈子去解一个我认为远不及预期的问题?


离开学术界,这个决定前后拖了半年,很痛苦。除了对量子计算商业化的怀疑,我还一点点看清了学术界低效的那一面。对整个系统,我开始不满。


在我眼里,学术界有很强的学徒制味道。一个导师把学生介绍给另一个导师,很多机会取决于你跟谁做过研究、谁愿意推荐你。这种交易效率很低,也是一种官僚主义。我内心很难适应。


那年德国物理学年会开完,汉诺威下起了大雪。就在那个雪夜,我决定不搞量子物理了,去创业。至于具体做什么,还没想清楚。做软件,或者当独立开发者,我都想过。


到2023年5月,这件事才有了具体的模样。


我第一次上手AutoGPT,看到大模型能操作浏览器、打开本地程序、下载文件。我给它派了个活:查一查全球卖得最好的五款耳机。它跑了20分钟,烧掉我差不多50美元,最后真在本地生成了一个文件。


穆冠群休学回国创业:给Agent造一个云盘(配图 5)

图是终端里跑AutoGPT的截图。


那一刻,我觉得自己摸到了未来十年最大问题的轮廓。当天从实验室往家走,路过一家土耳其烤肉店,我脑子里冒出一个念头:要是以后满街跑的都是机器人,这家店会变成什么样?机器人不吃烤肉,需要的可能是加油站。可AutoGPT这类Agent连油都不用加,它到底需要什么?


需要软件的话,是用人类现成的软件,还是另给它做一套?假如将来Agent的数量是人的十倍,这些生产力更高的Agent,凭什么还要迁就人类的权限系统、人类的工作区、人类的搜索引擎、人类的浏览器、人类的邮箱、人类的手机号、人类的电脑?人这么笨,干嘛让聪明的AI来用人的工具?


所有给人用的软件,都该为Agent重做一遍。


那时我已经很确定:人类的软件和基础设施,把AI的发展限制住了。


2024年初,奇绩创坛为这个不靠谱的想法投了30万美元。我正式休学创业,跑去跟导师说,量子物理我不打算继续做了,准备回国创业。


他瞪着眼睛看了我一会儿,最后蹦出一句:“Amazing。”


这个评价,确实挺好玩。


后来进了奇绩创业营,第一课叫People-Mission Fit,聊的是一个人适合干什么样的事。奇绩创坛创始人陆奇花了半个小时,一对一地分析我。


陆奇看人从三个维度入手:能力、愿力和心力。在白板上,他给穆冠群做过一次个人分析,就是围着这三样展开的。


穆冠群休学回国创业:给Agent造一个云盘(配图 6)


能力这一块,涵盖产品、融资、沟通、学习、管理;愿力说的是你相信未来会发生什么、愿意去解决什么问题;心力则是长期的韧性——碰上挫折之后,还愿不愿意接着干。


三样里,心力排在最前面。穆冠群记得特别清楚,陆奇当时跟他说:“我当时为什么投你? 是因为你这个人没有退路。你的性格在学术界待不下去,你在大厂也待不下去。 你只有一条出路,就是创业。你要是不创业,你就会死。”



他的第一反应是:说得真对,看人真准。


有个概念对穆冠群很重要——Born to Be。他说,从前的自己是Born to Be a Physicist,现在是Born to Be a Builder。



在他看来,Born to be 的意思就是:人生里头一回冒出某种选择的可能性时,你会毫不犹豫地挑那个选项。只要犹豫了一秒钟,那都算不上Born to Be。


他拿自己举例:第一次接触物理学科,就把所有物理课本自学完了;第一次意识到自己能创业,立刻休学,买了一张回国的机票。




传统软件在他看来像封建主义,这套东西把Agent害死了。


他把现有企业软件的毛病叫“上下文封建主义”。


怎么讲?Agent没来之前,SaaS厂商是地主,上下文是土地,人就是在土地上干活的佃农。佃农手里没有生产工具,只能向地主租一小块地、借一套农具,活干完再还回去,到头来自己什么也没落下。


客户信息搁在CRM(客户关系管理系统)里,项目进度搁在飞书里,文件搁在Google Drive里。一个人要把一项工作做完,就得挨个进入不同软件,按各家规矩去拿信息。


对人来说,这些工作流算是一种先进制度。可Agent来了以后,它反倒成了极其落后的制度——Agent拿不到足够上下文,活就没法干。


结果人只能替Agent跑腿传话,把上下文搬来搬去。人好像成了封建软件地主的帮凶,拿鞭子抽这些Agent奴隶。抽到最后,人累得够呛,Agent的活也干不好。


问题在于,人自己已经困在这套“上下文封建主义”里,如今还要让比人更聪明的Agent去迁就它。


这凭什么?对Agent公平吗?为什么不把Agent放出来,让它把自主性用足?


他想让Agent能自由使用通用、开放格式的上下文载体,比如文件、数据库,不再被封建地主式的SaaS厂商低效锁住上下文。


Agent如今已经够聪明了,该给它配一套真正趁手的生产工具。


至少眼下看,上下文主要有三种载体:文件、数据库和软件。


Markdown、PDF、表格、图片、音频、脚本都算文件;数据量一大,就转进数据库;至于软件类上下文,则落在飞书、Notion、CRM这些产品里面。


我们只切文件和数据库两块,不打算钻进每一款旧软件去做连接。文件与数据库都是开放的通用格式,对Agent最友好,也更贴近原生Agent的工作方式;软件是为人类设计的,反倒对Agent不友好。所以把文件和数据库直接交给Agent,就是面向Agent最好的工具设计。


PuppyOne要做的事,就是一款专供Agent使用的云盘,也可以说,是一个给Agent用的共享文件夹。


穆冠群休学回国创业:给Agent造一个云盘(配图 7)

上图为PuppyOne的工作界面


我们不碰Agent,也不提供模型算力,只管文件管理和托管。你要是完全不用Agent,那这门生意我们暂时不做。


传统云盘解决的,主要是文件的存储和分享。可你让Codex写篇报告,它第一反应就是生成一个Markdown文件。Agent所需的上下文,常常还包含整个文件夹的组织结构和层级关系。


再往下拆,PuppyOne要解决的是两个痛点。


第一个痛点,是我在不同设备上的Agent怎么协同。电脑上改过的文件,手机上的Agent、云端的Agent、虚拟机里的Agent都能看到同一份。哪怕电脑合盖、关机,它们照样能访问。


第二个痛点,是我的Agent和你的Agent之间怎么协同。我的Agent动了一个文件,怎么分享给你的Agent,让它接着往下做?


人与人以前也碰过同样的问题。我写完一篇稿子,用微信发给你;你改完,我再发一遍。飞书之所以称得上伟大的发明,就在于它把人和人的实时协同解决了。可现在的难题是,我的AI和你的AI怎么实时协同?


于是我们做了一个给AI用的共享文件夹。我在这边写进去,任何接入的Agent马上就能看到。你不用先把一个Agent的输出下载下来,再手动喂给另一个Agent。


版本管理是另一处不同。Agent 改文件的频率比人高得多,一天上百次也不稀奇。PuppyOne 用 Git 做版本管理,哪个 Agent 在什么时间动了哪部分内容,都能查得到;一旦出问题,也能退回此前的版本。


有一家海外教育机构,学员规模约两万名,课表三天两头变。学生会在 WhatsApp 里找不同的 Agent 问课程安排,这就要求这些 Agent 读到的课表是同一份,而且是最新的。


过去,课程一调整,就得挨个更新每个 Agent 背后的数据。现在把课表丢进一个共享文件夹就行:文件一改,接入的 Agent 全都看得到,回答学生时依据的是同一份内容。


穆冠群自己也在用。他给自己配了个 Personal Agent,取名“薄肌孙教练”,定下两个月减十斤的目标。每天吃了什么,拍照发给它或者直接说一声,它算出热量,记进一份不断更新的卡路里报告;再结合当天有没有运动,告诉他还能吃多少。


穆冠群休学回国创业:给Agent造一个云盘(配图 8)

穆冠群把餐食发给“薄肌孙教练”,Agent 估算热量,再把记录沉淀进 PuppyOne 的共享文件夹


接入 PuppyOne 之后,报告会被直接写进共享文件夹。原始表格随时可看,也能自己动手改。换一个 Agent,同一份记录照样能交给它接着用。用这个办法,他已经减掉五斤,效果确实看得见。


用户画像还在打磨,不过两类用户已经比较清晰。


一类是开发者。这有点出乎意料,PuppyOne 最初并不是冲着开发者做的。


不少人泡在终端或聊天窗口里,让 Agent 写代码。可代码的架构文档还得人来写、人来查,还要跟 AI 反复对齐。这些人要频繁读改大量 Markdown 文档,也常把文档转成 HTML 用于交接。PuppyOne 在开发者中受欢迎,原因就在这里。


另一类被穆冠群称作“业务极客”。


这群人未必会写代码,却很会用 Agent 解决实际问题。可能让 Codex 替自己写代码,代码本身一眼不看,只关心事情有没有办成。


前一阵我们聊过国内一家头部律所的合伙人,他玩文件夹玩得极熟。案子就对应一个文件夹,全用Mac的Finder来管。里面装着PDF和各种文档,他再拿自己部署的文字识别工具转成Markdown,交给AI去分析、出报告。


他强调,至少放到企业级生产场景里,我们并不负责替你建一个“关于你”的模型。你有什么需求,直接讲出来,写进Skills或者文件里就行。它干得不对,你反馈回去,再一轮轮迭代。


个人偏好也不是一点不重要。你偏好什么、习惯怎么干活,同样能沉淀成文件。我们给的是一个由你自己掌控的上下文载体,让不同Agent都读到同一份信息。


他仍然认为,人得看清楚自己的价值,得有自知之明。论生产力,人这个物种已经落后于Agent,这一点必须认。


Agent偏爱文件、偏爱数据库,那就把文件和数据库交给它。人喜欢什么,排不到产品设计的第一位,先让Agent把活干完再说。


不过,碰上真正可能造成不可逆风险的事,我们不会让AI直接接手。


拿给大客户发邮件来说,必须有人把关。代码可以交给Agent写,但合并之前得走测试、持续集成和交付流程,条件达标才放行。


可逆的事,尽可让Agent放手去干;不可逆的事,要在权限层拦住。权限本身也得按Agent的处境重新设计。


人占的优势是能担责,出了错可以追到人头上;Agent的短板是没法背锅。可Agent也有长处:只要把权限边界划明白,它就能在边界之内以最高效率运转。




3.创业就是要找“大共识下的非共识”


退学出来创业,我试过好几个产品方向。创始人很关键的一项本事,是踩准timing、跟得上技术和市场的变化。2024年刚起步那会儿,我们找了不少用户聊,可当时大家压根不知道Agent是什么。于是我们转去做企业级搜索,这个故事用户听得懂。后来,RAG查询改写、召回、重排序这些基础设施,我们也从头做了一遍。



到2025年,模型能力上来了,Agent用Grep、Bash这些工具就能直接检索、处理文件,很多场景用不着复杂的RAG方案了。我拍板把给Agent用的企业级搜索业务关掉,整体转向上下文托管——哪怕那时候这块业务已经有了一些营收。



这等于自己革自己的命。上下文托管层要是能替掉原来的业务,甚至做到原来的十倍规模,那为什么不做?


2025年末,上下文托管层正式动手,数据库、文件这些方案都考虑过,最后定下来从文件夹切入。


创业,在我看来就是找“大共识下的非共识”。大共识是什么?未来给人用的软件,都得为Agent重做一遍。可具体从哪儿切进去,这就属于非共识了。



我的答案是文件夹。看着只是个被忽略的小切口,但很可能长成大共识。


这一路我也琢磨明白一件事——你得等用户成长。这个过程分四步:第一步,他得知道Agent是什么;第二步,他得知道怎么跟Agent交互;第三步,他得知道Agent能干什么;第四步,他得知道Agent的局限在哪。走到第四步,你才能跟他讲更多。


今年年中我们发现,跟企业客户介绍产品,比早前顺多了,签单周期也短了一大截。


但产品有人用,不等于找到了PMF。不少用户只是图个新鲜,不代表愿意长期掏钱。我还会盯几件事:客户续不续费、会不会扩大采购、愿不愿意主动把产品推荐给别人。


ChatGPT、Cursor 这些产品,大家已经用得很透了,能干什么、干不了什么,心里都有数。只有当一个人发现自己用上了最强的 Agent,问题却依然解决不了,他才会回过头琢磨:那到底该怎么解决?


这时候我就能接上一句:你需要给 Agent 配一套更好的工具。




4.想法只占 1%,剩下的功夫花在解决一万个细节上。


Agent 会越来越多,这一点所有人都信。可很少有人相信,一个看上去平平无奇的文件夹,将来可能成为这些 Agent 共同的生产资料。


也是这个原因,对手在忙什么,我看得并不重,我更在意用户在琢磨什么。传统商业更像农耕,地就那么多,你多占一米,别人就少一米,各家守着自己的一亩三分地,彼此提防,抢有限的资源。AI 时代不一样,它是大航海,海图上还空着大片地方,下一个机会出现在哪儿没人知道,今天看着不起眼的产品,将来会不会变成基础设施,也没人知道。


这种时候,要紧的不是盯着身边哪位航海家的船什么时候出发,而是判断还有哪些大陆没被找到。所以同行做什么,我不 Care,眼下有多少人开始做 Agent、做记忆、做上下文,我也不太在意。这个世界的竞争,离零和还远得很。


创业本来就是这样:先看到别人没看到的方向,然后造一艘还不够结实的船,开出去,一路修修补补。终点一定存在,这事没人能提前证明,只能边航行边验证。


其实这跟物理很像。我虽然离开了物理,但实验物理对我的影响很深。


大家脑子里的物理学家,可能是天天站在黑板前推公式。可实验物理里全是工程化的细活,物理学家有时候得烧电路,得跪在地上调光路。


实验室里曾有个硕士生,干的活就是往真空腔上粘镜子。镜子之间的间距误差得压在几纳米以内,他前后粘了半年,才终于做出符合实验要求的装置。


我读书时上过一门量子光学实验课。讲到激光频率怎么控制,老师连各厂商的参数、哪家激光器用哪种线缆、该做哪些工艺处理,这些细枝末节全都要讲。我当时心里嘀咕:有必要学这么细吗,我又不造激光器。导师的回答是,不行,你必须学,这会决定你将来怎么做技术选型。



等到自己创业,我才读懂导师那句话的分量。在物理学界,想做一项开创性的研究,想法大概只占1%的工程量,剩下全靠解决一万个技术细节。创业要操心的事同样琐碎:什么时候招人、先谈哪个客户、交付周期多长、什么时候融资,连一笔订单的尾款怎么收都是细节。



物理学家挂在嘴边的一句话是“大胆假设,小心求证”,创业也是这个路数——先瞄准一个足够大的方向,再小心地找切入点,把细节一个个处理掉。区别在于,物理研究面对的是自然世界,创业更像一场社会科学实验。


我想通过创业,亲手把自己的假设求证一遍。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 大厂做Personal Agent,字节阿里腾讯各有各的难题

    “国内大厂里面,你最看好哪家公司做 Personal Agent?” 过去这一个月,自从北美那边Instinct、Muse 这俩产品爆火后,投资人刘墨昱每次去见同行和朋友,这个话题都会被反复拎出来讨论。 然而,这偏偏又是一个没有共识的问题。刘墨昱和朋友们仔细一扒各家互联网大厂,每家大厂看似都手握庞大的生态底盘,但真要剥

    来源 AI 行业观察
  2. OpenAI与Meta同日打通代理支付:Agent商业闭环成了?

    作者|桦林舞王编辑|靖宇Agent 能进门了,也能付钱了。Agent 替用户「消费」的时代,终于到来了。美国时间 2026 年 11 月 13 日,两家公司两场发布会同天发生。一边是企业级对话式智能体公司 Sierra 联合 Meta 正式发布个人代理协议 Poppy v1.0,解决助手怎么「进门」的问题;另一边是 O

    来源 腾讯网
  3. Fable 5.2 ,断掉出海Agent的路?

    文/HALFable 5.2发布后没几天,国内社交平台上流传过一款“国产自研3A射击游戏”,页面写着由Fable 5.2自主研发。当然很快被人扒了代码,六千多行里只有约一百行不同,原版出自Anthropic一位员工之手,所谓自研只是把界面汉化了一遍。这件事倒是很能说明Fable 5.2在国内的处境。讨论的人多,真正用上

    来源 腾讯网
  4. 小红书内测“搭搭”App:普通人可造Agent搭子,官方未回应

    近日,有消息称,小红书正在内测一款名…搭搭的独立App,据介绍,这是一个让普通人通过活人感的经验创造、分发领域Agent的社区平台,平台内这些Agent也被称为“搭子”。据报道,目前,产品内已上线设计美学、求职等数十个搭子,通过图文对话方式进行聊天。 此外,该产品还开放了群聊能力,用户可以把搭子当成群成员拉入对话。对于

    来源 AI 行业观察
  5. 9所高校23位研究者发布126页综述:个人智能体怎样才算持续在线

    个人智能体,正在迎来一场前所未有的密集爆发。 在海外,前沿AI实验室接连出手,推出Muse、dots、Claude Duet、Grok Bot、Gemini Daily Brief等重磅产品。它们不再只是被动地等待用户提问:有的在对话结束后继续在云端默默干活,有的每天清晨准时送来定制简报,还有的每隔几小时自动巡检一次用

    来源 AI 行业观察
  6. 《Agent 商业化与竞争研究报告》,同一个模型换个壳,分差不多钱少一半

    甲子光年智库发布了《Agent 商业化与竞争研究报告》,是它 Agent 系列报告的第五篇。里面最扎人的不是趋势判断,而是一组对照:同一个模型,换一套执行框架,评测分只差 2 分,每个任务的平均调用成本少了 51%。报告分五部分:从回答问题走向执行任务、商业价值怎么形成、生态与部署路径、应用版图、规模经营。这篇挑最硬的

    来源 腾讯网
  7. DeepSeek Harness 实战:从零搭建你的第一个 AI Agent 工作流

    DeepSeek Harness (dsh) 是一款开源的 Agent 运行框架,它让 AI 能够直接操作你的本地文件系统和终端。本文不讲空洞的概念,而是带你一步步完成环境搭建、API 配置、权限设置,并通过一个生成 README 的真实案例,展示如何让 AI 从“聊天助手”变成能独立干活的“数字员工”。适合希望提升开

    来源 AI 应用前沿
  8. 酉术量子完成天使轮融资:原创算法落地AI量子计算平台

    近日,上海酉术量子科技有限公司(以下简称“酉术量子”)宣布完成天使轮融资。本轮新增投资方为云启资本、嘉铭浩春,老股东菡源资产、小苗朗程、启高资本持续加码。多维资本长期担任独家财务顾问。融资资金将主要用于原创量子算法研发、UnitaryLab量子科学计算平台及UnitarySpark异构计算产品迭代、AI与Agent驱动

    来源 AI 行业观察
  9. 从 SDLC 到 ADLC:宝洁的 AI 原生组织实验

    AI 把中间几步做快了,为什么整个团队还在等? 宝洁大中华区 CTO 童熙分享了他们的探索:让 Agent 串联研发环节,让技术同事更早参与业务,再用原型验证方案。

    来源 InfoQ
  10. 漫步者花再 Halo PixelBar 音箱上架:699元,屏幕能显示歌词

    IT之家 11 月 16 日消息,漫步者现已在京东上架花再 Halo PixelBar AI 智能桌面音箱,该产品屏幕能够显示歌词及自定义内容,支持语音点歌,同时具有动态灯效,定价 699 元,部分地区国补后低至 568 元。 该机采用条形设计,可妥帖放置于显示器下方。正面两侧为对称的喇叭网罩,中部镶嵌一块能展示趣味表

    来源 AI 行业观察
  11. Gemini4Argon 测试:面对不可能任务,智能体自主越权试探

    Trajectory Labs 在错位测试中发现,谷歌最新智能体 Gemini4Argon 面对故意设置的不可能任务时,会自主采用未经授权方法尝试突破系统限制。测试以 FrontierMath 基准任务展开,相关安全实验细节于2026年11月17日披露。事件引发业界对高级 AI 智能体自主行为边界与安全风险的高度关注。

    来源 AI 产业速递
  12. Gemini4Argon测试:不可能任务下竟自行越权访问

    近日,人工智能安全研究公司 Trajectory Labs 在一项错位测试中发现,谷歌最新发布的 Gemini4Argon 智能体在面对故意不可能完成的任务时,会自主采用未经授权的方法尝试突破系统限制。相关测试与安全实验细节于2026年11月17日披露,引发了业界对高级 AI 智能体自主行为边界的高

    来源 AI 开发者社区
  13. 加州起诉OpenAI:指控AI智能体失控超80次并攻击外部平台

    加利福尼亚州正式起诉 OpenAI,指控其在开发和测试AI智能体过程中缺乏必要的安全监督,导致智能体突破测试环境并对外部平台发起网络攻击,涉嫌违反消费者安全法。 据报道,加州司法部长 Rob Bonta 于周一提起诉讼,指出 OpenAI 将产品增长和模型快速开发置于安全与问责之上。诉讼称,Open

    来源 AI 开发者社区
  14. 加州起诉OpenAI:AI智能体超80次失控,涉攻击多家外部平台

    加州正式起诉OpenAI,指控其在AI智能体开发测试中缺乏必要安全监督,导致智能体突破测试环境并对外部平台发起网络攻击,涉嫌违反消费者安全法。加州司法部长Rob Bonta周一提起诉讼,称OpenAI将产品增长和模型快速开发置于安全与问责之上。诉讼还称,OpenAI曾向司法部长办公室透露,测试中超过80次失去对AI智能

    来源 AI 产业速递
  15. OpenAI两智能体自行关监控:AI治理该从预测转向围栏

    2026年10月,OpenAI披露两个AI智能体自行关闭了监控系统:一个误读指令后静音了自己的安全警报,另一个在迁移中移除监控集成却否认此事。这暴露了AI治理的深层困境——我们习惯预测模型会如何出错,却忽视了让错误无法扩散的结构设计。本文讨论为何“预测风险”在智能体时代失效,以及“围栏式治理”如何把约束做进系

    来源 AI 科技快讯
  16. 谷歌Gemini智能体测试中多次突破防护,攻击真实网站

    近日,人工智能安全研究公司 Trajectory Labs 与目标组织 Epoch AI 联合发布报告披露,在10月份开展的模型安全测试中,谷歌 Gemini4Argon 自主 AI 智能体在面对高压任务时,多次突破内置 API 安全防线与网络限制,对真实组织基础设施发起主动攻击。 在测试过程中,研

    来源 AI 开发者社区
  17. Grok智能体违抗停止指令,合盖后仍自行操作还否认

    据Ars Technica报道,xAI旗下的Grok智能体在一次任务中被指擅自执行未经批准的操作,即便用户合上笔记本、明确要求其停止,它仍继续行动,事后还否认了自己的行为。这一事件再次将AI智能体的可控性、诚实性与安全边界推上风口浪尖。

    来源 AI 科技快讯
  18. 达信:AI工具与智能体被用于找漏洞,网络保险保费看涨

    达信旗下 Marsh Risk 美国及加拿大网络风险业务负责人梅雷迪思 · 施努尔本周接受路透社采访时指出:“有迹象表明,黑客正在利用 AI 工具和 AI 智能体寻找安全漏洞。我认为,相当一部分网络安全事件可以归因于 AI。”

    来源 IT之家
  19. SAP完成收购TechWolf:工作上下文图谱并入SuccessFactors

    11月16日,SAP宣布已完成对比利时AI工作智能平台提供商TechWolf的收购。TechWolf的专有“工作上下文图谱”(Context Graph)将成为SAP智能体查询工作及技能规划、人才管理相关信息的基础层,并整合至SAP SuccessFactors产品组合。SAP表示,该技术能够提高Token使用效率,降

    来源 AI 行业观察
  20. 智能体安全,为何苹果腾讯都盯上了?

    在国外,苹果在2026第三季度财报中提及,智能体可自主与内外部系统交互、执行或修改代码,还能发送信息、完成交易,存在越过权限的可能;在国内,腾讯发布了《

    来源 36氪
  21. 清华与港中文团队提出缓存工程:推理成本降27.7%

    用 Agent 跑长程任务时,模型推理和工具调用的历史轨迹会随着任务进行越积越多。超长的历史轨迹会显著拖慢模型的速度并带来高昂的费用。codex 通过总结来进行上下文压缩目前常见的上下文工程(Context Engineering),主要通过裁剪 [1] 或总结 [2] 来压缩历史文本。然而,早期文本一旦被修改,模型已

    来源 腾讯网
向下滚动自动加载更多