企业AI on 有鱼智界 | 森林有鱼

OpenAI双线出击：Codex Sites变身企业应用工厂，机器人团队时隔6年重启

Fri, 05 Jun 2026 00:00:00 +0000

摘要

2026年6月初，OpenAI同时在数字世界和物理世界两条战线上发力，展现了其从"AI聊天工具"向"全栈AI平台“转型的雄心。在数字端，Codex for Business/Enterprise推出重大更新，Sites功能让非技术用户也能生成和托管交互式网站、应用、仪表盘和内部工具，将Codex从"编程助手"升级为”代理式工作产品生成器"。在物理端，OpenAI时隔6年重启机器人团队，由世界模拟研究项目负责人Aditya Ramesh领导，CEO Sam Altman明确愿景："让每个人都能拥有一个可以做任何事情的个人机器人。“这两个动作合在一起，勾勒出OpenAI的下一个十年蓝图：从屏幕到现实世界的全面AI化。

Codex Sites让非技术用户也能在浏览器中构建和托管交互式应用

事件背景

OpenAI的"全栈AI"野心

2025年以来，OpenAI一直在从"模型公司"向"产品公司"转型。ChatGPT是消费端的成功故事，但企业市场才是AI公司真正的收入引擎。2026年初，OpenAI宣布向AI Agent应用战略转型，并在4月正式推出了面向企业的Codex服务。

6月的这次更新是OpenAI企业战略的进一步深化。Codex不再只是"帮你写代码"的工具，而是一个能够生成完整工作产品的平台——包括可托管的网站、应用和仪表盘。

机器人团队的"前世今生”

OpenAI的机器人研究有着曲折的历史。2018-2020年，OpenAI曾有一个活跃的机器人团队，开发了Dactyl灵巧手机器人等项目。但2020年，该团队被关闭，资源转向大语言模型。

6年后，在大语言模型、多模态AI和世界模拟技术大幅进步的背景下，OpenAI认为重启机器人研究的时机已经成熟。更关键的是，Sora视频生成团队在2025年被关闭后，其世界模拟研究能力被整合到了Aditya Ramesh的领导下，为机器人团队的重启提供了技术基础。

核心技术解析

Codex Sites：从代码到应用

技术架构

  graph TD
    A["用户请求<br/>（自然语言描述）"] --> B["Codex Agent"]
    B --> C["代码生成"]
    B --> D["UI/UX 设计"]
    B --> E["数据集成"]
    
    C --> F["Sites 托管平台"]
    D --> F
    E --> F
    
    F --> G["交互式网站"]
    F --> H["内部工具"]
    F --> I["数据仪表盘"]
    F --> J["业务流程应用"]
    
    style B fill:#10A37F,color:#fff
    style F fill:#4A90D9,color:#fff

Codex Sites的核心创新在于将代码生成和应用托管整合在一个闭环中：

自然语言输入：用户用自然语言描述需要的应用（如"创建一个项目进度跟踪仪表盘"）
AI代理生成：Codex Agent生成完整的前端+后端代码
Sites托管：生成的应用自动部署到企业内部环境，生成可访问的URL
角色插件：支持role-specific插件，针对不同岗位（产品经理、数据分析师、设计师）优化交互
注释与协作：团队成员可以在应用上添加注释，进行协作迭代

关键能力

超越编程的应用构建：

内部工具：HR管理面板、审批流程自动化、员工入职向导
数据仪表盘：销售数据可视化、KPI跟踪、实时监控
高管材料：交互式演示文稿、数据分析报告
品牌约束创意：在品牌指南约束下生成营销素材
业务工作流：随业务需求变化的动态工作流应用

企业级安全与治理：

所有应用部署在企业身份验证和权限体系内
支持公司IT策略和合规要求
非技术用户可以安全地请求、检查、使用和更新应用

机器人团队重启

团队结构

负责人：Aditya Ramesh（世界模拟研究项目负责人）
技术基础：此前被整合的Sora团队世界模拟能力
招聘方向：硬件工程师、运维工程师、系统工程师、机器学习工程师

技术路线

  graph TD
    A["短期目标"] --> B["帮助专业人员<br/>建设基础设施"]
    A --> C["中期目标"]
    A --> D["长期目标"]
    
    C --> C1["探索替代AI技术路径<br/>获取具身训练数据"]
    D --> D1["通用机器人<br/>推动AGI进步"]
    
    style B fill:#10A37F,color:#fff
    style C1 fill:#F5A623,color:#fff
    style D1 fill:#D0021B,color:#fff

Sam Altman在X平台上阐述了清晰的路线图：

短期（1-2年）：机器人首先帮助专业人员建设基础设施——建筑施工、电网安装、工厂装配等。这些领域的劳动力短缺严重，AI机器人的经济价值最直接。

中期（3-5年）：通过具身AI获取独特的训练数据，探索大语言模型之外的替代AI技术路径。这是一个重要的技术信号——OpenAI可能认为纯粹的文本/视觉训练不足以达到AGI，需要从物理交互中学习。

长期（5-10年）：开发通用机器人，能够执行任何人类能做的物理任务，成为推动AGI进步的关键力量。

与NVIDIA Cosmos 3的差异化

值得注意的是，OpenAI的机器人战略与NVIDIA的Cosmos 3走了不同的技术路线：

维度	OpenAI 机器人	NVIDIA Cosmos 3
定位	端到端自主机器人产品	开源物理AI基础模型
方法	可能结合大语言模型+世界模拟	Mixture-of-Transformers统一架构
数据	利用Sora世界模拟能力生成训练数据	20万亿token多模态训练数据
商业模式	机器人产品/服务	模型+芯片+平台
开放性	预计闭源	完全开源

关键创新点

1. Codex的"工作产品"范式转变

传统的AI编程助手（Copilot、Cursor等）输出的是代码片段，开发者需要自己组装、测试、部署。Codex Sites的输出是完整可用的应用——部署好了、可以访问、可以直接使用。这是一个从"代码助手"到"应用工厂"的质变。

2. 非技术用户的应用构建民主化

Sites的真正革命性在于目标用户的扩展——从开发者到所有企业员工。产品经理可以请求一个数据仪表盘，HR可以创建一个入职向导，销售可以构建一个客户提案工具。这直接挑战了低代码/无代码平台（如Retool、Bubble、Appsmith）的市场。

3. 具身AI作为AGI路径

OpenAI重启机器人团队的最深层动机可能不是制造机器人产品，而是探索具身AI（Embodied AI）作为通向AGI的路径。通过与物理世界的交互，AI可能获得纯文本/视觉训练无法提供的认知能力——因果推理、空间理解、时间感知等。

OpenAI重启机器人团队，探索具身AI作为通向AGI的新路径

行业影响

对市场的影响

1. 低代码/无代码平台的生存危机

Codex Sites直接威胁传统低代码/无代码平台的核心价值主张。如果AI可以直接从自然语言生成完整应用，那么拖拽式界面的必要性将大幅降低。Retool、Bubble、Appsmith等平台面临被"跳过"的风险。

2. AI编程工具市场的重新定义

Codex Sites将AI编程工具的竞争从"谁的代码补全更好"推向"谁能生成更完整的可部署应用"。GitHub Copilot、Cursor、Windsurf等竞品需要重新思考产品方向。

3. 机器人赛道的竞争加剧

OpenAI重启机器人团队增加了该赛道的竞争强度。现有玩家包括：

Tesla Optimus：已在工厂内部测试
Figure AI：获得OpenAI投资的独立机器人公司
Boston Dynamics：硬件能力最强但AI能力相对薄弱
Google DeepMind：RT-2等模型已有研究积累

对开发者的意义

机遇：

Codex Sites可以作为快速原型工具，大幅缩短从想法到可用应用的时间
企业内部的"影子IT"问题可能得到缓解——AI生成的应用在企业安全体系内
开发者可以将Codex生成的应用作为起点，进行二次开发

挑战：

非技术用户生成的应用可能存在安全隐患和代码质量问题
AI生成应用的可维护性存疑——当需要修改时，非技术用户是否能有效指导AI
可能导致技术债务积累——大量AI生成的应用缺乏文档和标准化

商业化前景

  graph TD
    A["OpenAI 双线战略"] --> B["数字世界<br/>Codex Sites"]
    A --> C["物理世界<br/>机器人"]
    
    B --> B1["企业订阅<br/>Codex for Business"]
    B --> B2["低代码替代<br/>Sites托管服务"]
    
    C --> C1["短期：基建机器人"]
    C --> C2["中期：数据+技术探索"]
    C --> C3["长期：通用机器人"]
    
    B1 --> D["收入引擎<br/>（1-3年）"]
    C1 --> D
    C3 --> E["AGI推动力<br/>（5-10年）"]

实际体验

使用场景演示

场景1：产品经理构建数据仪表盘 一位产品经理需要跟踪产品发布进度。以前需要找开发团队排期，现在只需对Codex说：“创建一个仪表盘，显示最近30天的用户注册趋势、功能采用率和错误报告数据。“Codex生成一个包含图表、过滤器和数据连接的交互式仪表盘，部署在企业内部URL上。

场景2：HR创建入职向导 HR团队可以创建一个交互式的新员工入职应用，包含公司文化介绍、政策文档、IT设备设置指南和团队介绍。所有步骤通过AI生成，无需开发人员参与。

场景3：机器人辅助基础设施建设 在短期愿景中，OpenAI的机器人可以帮助专业人员进行重复性的基础设施建设任务——如电缆布线、管道安装、标准化零件装配。这些任务的共同特点是：劳动密集、技能要求可标准化、劳动力严重短缺。

优势与不足

优势：

Codex Sites实现了从代码到应用的闭环，降低了企业应用构建门槛
企业级安全和治理，所有应用在企业权限体系内
机器人团队的重启展示了OpenAI的长期技术视野
结合Sora的世界模拟能力，机器人训练数据生成有独特优势

不足：

Codex Sites目前仅面向Business和Enterprise用户，普通用户无法使用
AI生成的应用质量高度依赖用户描述的精确度
机器人团队的成果至少需要1-2年才能看到实质性进展
硬件方面的能力积累相对薄弱，可能需要收购或合作

总结与展望

OpenAI在2026年6月的双线出击，展示了一个清晰的战略图景：

在数字世界，Codex Sites正在重新定义"AI编程工具"的含义。从代码补全到完整应用生成，从服务开发者到服务所有企业员工，这是一个产品范式的跃迁。如果Sites能够在企业环境中稳定运行并保证应用质量，它将深刻改变企业软件的构建方式。

在物理世界，机器人团队的重启反映了OpenAI对AGI路径的深层思考。纯数字AI可能不足以实现真正的通用智能，通过与物理世界的交互获得新的认知能力，可能是一条必要的补充路径。

将这两个方向结合起来看，OpenAI的长期愿景正在浮现：一个能够理解、操控数字世界和物理世界的通用AI系统。这不仅是技术愿景，更是一个关于AI未来的宏大赌注。

参考来源：

微软发布MAI模型家族：7个自研AI模型，与OpenAI的'分手'进入倒计时？

Fri, 05 Jun 2026 00:00:00 +0000

摘要

2026年6月2日，微软AI（Microsoft AI） 部门发布了历史性的MAI模型家族，共7个完全自研的AI模型，覆盖推理、编程、图像生成、语音合成和语音转录五大领域。其中，旗舰推理模型MAI-Thinking-1在人类盲测中超越Anthropic的Sonnet 4.6；编程模型MAI-Code-1-Flash以50亿参数实现与Haiku相当的性能但成本更低，深度集成于GitHub Copilot和VS Code。更引人注目的是，微软宣布与Mayo Clinic合作开发医疗前沿AI模型，并提出Frontier Tuning概念，允许企业使用自有数据定制模型。微软AI负责人Mustafa Suleyman明确表示，这些模型"从零开始训练，不使用任何第三方模型的蒸馏"，并提出了"人文主义超级智能（Humanist Superintelligence）“的长期愿景。

MAI模型家族深度集成于GitHub Copilot和VS Code开发者生态

事件背景

从投资OpenAI到自研模型

微软与OpenAI的关系一直是AI行业最受关注的战略话题。微软累计向OpenAI投资超过130亿美元，获得了GPT系列模型在Azure云上的独家分发权。然而，随着AI市场的成熟，微软越来越意识到过度依赖单一模型供应商的风险。

2024年以来，微软开始加速自研模型布局：收购了AI创业公司Inflection AI的核心团队（包括Mustafa Suleyman），组建了Microsoft AI（MAI） 部门。2025年底，微软已经开始在内部测试自研模型。2026年6月的这次发布，是MAI部门首次向外界展示完整的模型矩阵。

战略意图

Mustafa Suleyman在官方博客中直言不讳：

“我们构建的是一个爬坡机器（hill-climbing machine）——一个能够持续改进的组织，在每个周期中应用更多算力、更好数据和更精确的评估。我们的终极目标是人文主义超级智能。”

这段话透露了几个关键信息：

微软正在构建长期的自研AI能力，而非短期依赖OpenAI
“爬坡机器"暗示微软将持续增加算力投入，“未来三年预计训练算力再增加1000倍”
“人文主义超级智能"是一个明确的产品哲学——AI服务于人，而非替代人

核心技术解析

技术架构：五大能力矩阵

MAI模型家族包含7个模型，覆盖五大能力域：

  graph TD
    A["MAI 模型家族"] --> B["推理<br/>MAI-Thinking-1"]
    A --> C["编程<br/>MAI-Code-1-Flash"]
    A --> D["图像<br/>MAI-Image-2.5 / Flash"]
    A --> E["语音<br/>MAI-Voice-2 / Flash"]
    A --> F["转录<br/>MAI Transcribe-1.5"]
    
    B --> B1["中等规模<br/>超越Sonnet 4.6"]
    C --> C1["50亿参数<br/>集成Copilot"]
    D --> D1["文本到图像<br/>+图像编辑"]
    E --> E1["15种语言<br/>语音克隆"]
    F --> F1["43种语言<br/>5倍速度"]

1. MAI-Thinking-1：旗舰推理模型

这是MAI家族中最重要的模型。根据微软公布的数据：

中等规模模型，在同等参数级别中属于最强
在关键软件工程基准上匹配领先模型
展示出高级数学推理能力
在人类盲评（side-by-side）中被偏好超过Sonnet 4.6
从零训练，使用干净的许可数据，不使用任何第三方模型的蒸馏

2. MAI-Code-1-Flash：推理高效的编程模型

50亿参数，与Anthropic Haiku级别相当
推理高效设计，成本低于Haiku
专为GitHub Copilot深度定制，围绕Copilot生产环境训练
在VS Code模型选择器中直接可用
在Open Router和Fireworks平台上广泛提供

3. MAI-Image-2.5：图像生成与编辑

支持世界级的文本到图像生成和图像编辑
包含超高效的Flash变体
Arena评分超过Nano Banana Pro

4. MAI-Voice-2：语音合成

支持15种语言的高质量自然语音生成
可以从短音频样本适配声音特征
内置强大的滥用防护机制
Flash版本即将推出，提供更低成本的选择

5. MAI Transcribe-1.5：语音转录

号称全球最佳转录模型，SOTA精度
速度是竞品的5倍
内置43种语言的领域专业术语支持

关键创新点

1. Frontier Tuning：企业级模型定制

这是本次发布中最具战略意义的创新。Frontier Tuning允许企业使用强化学习环境（RLEs） 让MAI模型直接从自己的工作流中学习：

企业最有价值的数据是：AI代理完成真实工作的轨迹数据——步骤序列、决策、操作
RLEs相当于"AI的训练健身房”，只有企业自己可以访问
定制模型在企业自己的环境中训练，由企业控制

微软披露了实际效果：

为Excel定制的MAI模型匹配GPT 5.4性能，同时效率提高10倍
为麦肯锡定制的版本在严格企业标准下取得所有测试模型中最高胜率，成本降低约10倍

2. 自研Maia 200芯片协同设计

微软透露正在自研AI芯片Maia 200，并已与模型进行协同设计（co-design），实现了1.4倍的效率提升。这意味着微软正在从芯片到模型的垂直整合。

3. 与Mayo Clinic合作医疗AI

微软与全球排名第一的医院系统Mayo Clinic宣布合作，共同开发前沿医疗AI模型：

结合Mayo Clinic的临床专业知识、去标识化临床数据和纵向洞察
首先在Mayo Clinic内部部署，验证后通过Azure Foundry向其他机构提供
模型由Mayo Clinic所有，确保患者信任和临床严谨性

Frontier Tuning让企业使用自有工作流数据定制AI模型，实现真正的企业级AI

性能评测

模型	关键基准	对标竞品	结果
MAI-Thinking-1	人类盲评偏好度	Sonnet 4.6	MAI胜出
MAI-Thinking-1	软件工程基准	同级别领先模型	匹配
MAI-Code-1-Flash	编程辅助能力	Haiku	可比/更便宜
MAI Transcribe-1.5	转录精度	业界最佳	SOTA
MAI Transcribe-1.5	转录速度	竞品	5倍
定制MAI for Excel	Excel任务	GPT 5.4	匹配/效率10倍

行业影响

对市场的影响

1. 微软与OpenAI关系的重新定义

MAI模型家族的发布是微软减少对OpenAI依赖的最明确信号。虽然微软仍将继续在Azure上分发OpenAI模型，但现在拥有了完整的自研模型替代方案。这意味着：

微软可以在Copilot等核心产品中使用自研模型，降低授权费用
对OpenAI的谈判筹码增加
其他模型供应商（Anthropic、Google）的竞争力增强

2. 企业AI市场的新竞争维度

Frontier Tuning将企业AI竞争从"谁的模型更好"推向”谁能让企业更好地用自己的数据定制模型"。这是一个根本性的竞争维度变化，从模型即服务（Model-as-a-Service）转向模型即平台（Model-as-a-Platform）。

3. 垂直行业AI的加速

与Mayo Clinic的合作为垂直行业AI树立了标杆。如果医疗AI模型成功，可以预期微软将把这一模式复制到金融、法律、制造等行业。

对开发者的意义

机遇：

MAI-Code-1-Flash在GitHub Copilot中的深度集成意味着更好的编程辅助体验
开发者首次可以自行微调MAI模型权重
通过Open Router、Fireworks、Baseten等平台广泛可用
更低的推理成本（尤其是MAI-Code-1-Flash的50亿参数设计）

挑战：

MAI模型家族的生态尚在初期，文档和社区支持不如OpenAI成熟
Frontier Tuning的RLEs设置可能需要较高的技术门槛
开发者需要评估MAI与OpenAI模型在具体任务上的实际性能差异

商业化前景

  graph TD
    A["微软MAI模型家族"] --> B["开发者工具"]
    A --> C["企业AI"]
    A --> D["垂直行业"]
    A --> E["消费产品"]
    
    B --> B1["GitHub Copilot<br/>VS Code"]
    C --> C1["Frontier Tuning<br/>Azure Foundry"]
    D --> D1["Mayo Clinic<br/>医疗AI"]
    E --> E1["Microsoft 365<br/>Copilot集成"]

微软的商业化路径清晰：

短期：通过Copilot和Azure Foundry分发MAI模型，降低自身模型调用成本
中期：通过Frontier Tuning吸引大型企业客户，建立模型定制服务收入
长期：通过垂直行业模型（医疗、金融等）开辟高附加值市场

实际体验

使用场景演示

场景1：GitHub Copilot编程辅助 在VS Code中，MAI-Code-1-Flash已可通过模型选择器（model picker）和自动选择器（auto picker）使用。50亿参数的设计使其在延迟和成本方面具有显著优势，特别适合高频的编程补全和代码解释任务。

场景2：企业Excel自动化 微软为Excel定制的MAI模型可以处理复杂的电子表格操作——公式生成、数据分析、图表创建——性能匹配GPT 5.4但效率提高10倍。这直接降低了企业级Copilot的运营成本。

场景3：医疗诊断辅助 与Mayo Clinic合作的医疗AI模型将首先在Mayo Clinic内部部署，用于早期诊断和治疗规划。一旦验证通过，全球其他医疗机构可通过Azure Foundry访问Mayo Clinic级别的临床AI能力。

优势与不足

优势：

完全自研，不使用第三方蒸馏，数据合规性更强
7个模型覆盖五大能力域，形成完整的模型矩阵
Frontier Tuning允许企业深度定制，10倍效率提升
MAI-Code-1-Flash深度集成开发者工具链
自研Maia 200芯片协同设计，1.4倍效率提升

不足：

模型生态尚在初期，文档和社区支持需要时间建设
MAI-Thinking-1为"中等规模”，具体参数量未披露，难以与大型推理模型直接对比
Frontier Tuning的RLEs设置复杂度和成本不明确
部分模型（MAI-Voice-2-Flash）尚未正式发布

总结与展望

MAI模型家族的发布标志着微软在AI战略上的一个转折点。从130亿美元投资OpenAI到发布7个完全自研的模型，微软正在构建独立于OpenAI的AI能力基础设施。

这并不意味着微软会放弃与OpenAI的合作——Azure仍将是OpenAI模型的重要分发渠道。但微软现在拥有了选择权：在哪些场景使用OpenAI模型，在哪些场景使用自研模型，如何组合两者以实现最优的成本和性能。

Mustafa Suleyman提出的"人文主义超级智能"愿景值得关注：

“先进的AI系统应该服务于人和组织，而非替代它们。这些系统必须始终是工具，由人类意图塑造，向人类监督负责，最终服从于人类目标。”

未来一年，我们可以期待：

MAI模型家族的快速迭代，更多模型变体和能力升级
Frontier Tuning在更多企业场景中的落地验证
Maia 200芯片的量产和部署
更多垂直行业合作（金融、法律、教育等）
GB200集群上线后的下一代模型发布

AI行业的权力格局，正在发生深刻的变化。

参考来源：