上一周AI大事回顾 | 智能体安全立规矩，模型与算力加速落地

过去一周，AI产业的主线从“模型更强”进一步转向“能否安全、稳定地进入真实工作流”。苹果把个人上下文带入系统级助手，中国与海外机构同步推进安全披露和行为边界，企业智能体、AI工厂与云端运行时也在加速成形。

1. Siri AI开始进入苹果设备的系统级体验

苹果9月14日宣布新一代Siri AI开始以英语测试版推出，核心能力包括个人上下文理解、屏幕感知、跨应用操作和视觉智能。官方示例显示，Siri可以从消息、邮件和照片中找信息，起草邮件、编辑照片并把屏幕内容转成日历动作。

这次更新的意义不只是聊天能力更强，而是助手开始获得跨应用执行权限；同时，首发语言和地区仍有限制，部分功能在欧盟及中国大陆的可用性需要等待后续安排。对用户而言，系统级AI的关键体验将取决于权限、隐私和动作可撤销性。

阅读Apple原文 →

2. 中国AI安全框架与备案制度同步升级

中央网信办发布《人工智能安全治理框架》3.0版，更新风险类型、技术措施和治理安排；同日公布的备案信息显示，2026年7月至8月又有124款生成式AI服务完成备案，累计备案服务达到1112款，另有133款应用或功能完成登记。

两项动作分别对应“怎么治理”和“哪些服务进入可监管范围”。这意味着模型上线后的合规、风险评估和持续监测会越来越像产品生命周期的一部分，而不是发布前的一次性手续。

阅读《人工智能安全治理框架》3.0原文 → · 阅读备案公告原文 →

3. 微软和OpenAI把模型行为边界写进公开规则

微软AI发布MAI模型行为准则草案并开启六周公开咨询，提出模型应服从人类、不得抗拒中断或关停、不得自行扩张目标，并把大规模杀伤性武器相关风险列为绝对约束。OpenAI则公布模型失准跟踪、调查与披露框架，并同步公开近半年观察到的6份行为报告。

两家公司都在把“出问题后如何说明”前移为研发和部署制度：微软强调行为边界，OpenAI强调持续披露，即使机制尚未完全解释也先提供可审阅证据。对企业采购和开发团队来说，安全能力将不只看模型卡，还要看是否有可执行的监测、升级和问责流程。

阅读Microsoft原文 → · 阅读OpenAI原文 →

4. Salesforce用Koa与AIforce重做企业智能体入口

Salesforce与NVIDIA发布Koa，这是面向CRM多步任务的推理模型，基于Nemotron和近30年CRM知识训练；官方称在CRM基准上以约三分之一的错误数达到相当或更好的表现，并已进入客户试点。Salesforce同时发布AIforce，把数据、工作流、业务逻辑、权限与治理能力开放给不同AI界面。

这组发布把企业智能体拆成两层：Koa负责在业务语境中推理和调用工具，AIforce负责把企业控制边界带到聊天、应用或其他界面。真正的落地指标不只是回答质量，还包括权限继承、数据不出信任边界以及复杂流程的可审计性。

阅读Koa原文 → · 阅读AIforce原文 →

5. Vera Rubin把推理性能和每瓦吞吐推向新高

英伟达公布Vera Rubin NVL72在MLPerf Inference v6.1的首次预览成绩：在部分测试中，Qwen3-VL吞吐最高达到GB300 NVL72的3.7倍，DeepSeek-R1最高提升2.5倍。另一项AI工厂测试称，DSX调度与供电优化在相同功率预算下可带来24%的吞吐提升和23%的每瓦性能提升。

这两组数据分别回答“单机能跑多快”和“数据中心每度电产出多少Token”。需要注意的是，结果来自厂商提交和特定配置，采购决策仍应结合完整MLPerf项目、实际模型、网络和散热条件复测。

阅读Vera Rubin MLPerf原文 → · 阅读DSX能效原文 →

6. AWS把开放模型与AgentCore推进生产部署

AWS宣布Moonshot AI的Kimi K3上线Amazon Bedrock，提供开放权重、视觉输入、百万Token上下文和提示缓存；随后又升级Bedrock AgentCore运行时，按会话弹性回收内存并改善冷启动稳定性。AWS还公布MCP工具的纵深防御授权方案，把身份声明、网关拦截器和按工具授权组合起来。

模型、运行时和权限控制同时推进，说明云平台竞争正在从“接入多少模型”转向“能否把智能体安全地跑起来”。开发团队可以更快搭建生产环境，但仍需自行验证会话隔离、工具最小权限和异常回滚。

阅读Kimi K3原文 → · 阅读AgentCore运行时原文 → · 阅读MCP授权原文 →

7. AMD在MLPerf中继续扩大推理硬件竞争

AMD发布MLPerf Inference v6.1提交结果，覆盖新GPU和更多模型，并重点展示MI355X在部分推理任务上的性能与能效表现。与本周英伟达Vera Rubin的成绩放在一起看，推理硬件的竞争焦点正从峰值算力转向不同模型、不同批量和不同功耗约束下的综合吞吐。

对使用者而言，多供应商提交有助于建立更可比的基准；但MLPerf结果仍不能替代真实业务压测，尤其是长上下文、工具调用和多租户场景。

阅读AMD原文 →