OpenAI此前主要从ChatGPT的消费者用户中获得收入,周四宣布推出Frontier框架,旨在深入企业销售市场。这一举措借鉴了Palantir的成功经验——Palantir可以说是最成功的企业AI软件公司,每年从政府和企业客户中获得超过40亿美元的收入。
OpenAI发布了Frontier,这是一个部署企业人工智能智能体的框架。公司表示,该产品将帮助企业克服在组织内部署智能体的障碍。
"我们正在推出Frontier,这是一个帮助企业构建、部署和管理能够完成实际工作的AI智能体的新平台,"OpenAI在新闻稿中表示。该框架"为智能体提供了人们在工作中取得成功所需要的相同技能:共享上下文、入职培训、带反馈的实践学习,以及明确的权限和边界。"
Frontier方法的核心特点
虽然细节有限,但Frontier方法似乎严重依赖"前置部署工程师",这些团队在客户现场工作,调整软件以适应组织的特定流程,并将所学内容纳入持续的软件开发中。
"我们将OpenAI前置部署工程师与您的团队配对,并肩工作,帮助您制定构建和运行生产环境中智能体的最佳实践,"OpenAI表示。"前置部署工程师还为团队提供与OpenAI研究部门的直接连接。"
据OpenAI介绍,当部署智能体时,他们不仅学习如何改进围绕模型的系统,还了解模型本身需要如何演进才能对工作更有用。这种从业务问题到部署再到研究的反馈循环,帮助双方都能更快地前进。
借鉴Palantir的成功模式
Palantir创始人兼CEO Alex Karp将前置部署工程师作为帮助公司将软件与客户流程集成的关键资产。"之所以最终需要前置部署工程师,特别是在开始阶段,是因为你必须扩展产品,"他在9月的主题演讲中说道。
Karp表示,像OpenAI的GPT这样的大语言模型"是必须处理的原材料",经常被"过度炒作"为企业的救星。他指出,需要工程技术才能使其在部署中真正发挥作用。
本周,Palantir宣布与埃森哲建立合作伙伴关系,将"部署Palantir的前置部署工程师,与2000多名具备Palantir技能的埃森哲专业人员合作,加速AIP在医疗保健、电信、制造、消费品和金融服务领域的部署"。
市场竞争与行业影响
OpenAI从单纯的大语言模型提供商转向销售智能体部署平台,无疑将与Palantir、C3.ai和其他多年来专注于行业AI部署的商业软件公司产生冲突。
Frontier目前正在被"有限的一组客户"使用,包括惠普、Intuit、甲骨文、赛默飞世尔和Uber。公司表示,该平台将在"未来几个月内"更广泛地提供。
Frontier还借鉴了Palantir学习行业特定知识的方法。OpenAI表示,Frontier将连接各种数据源,形成"企业的语义层,所有AI同事都可以参考,以有效地操作和沟通"。
这与Palantir推广的本体论相呼应,后者作为独特资产提供了AI理解行业基本业务术语的框架。
同时,OpenAI明显正在进入网络安全和授权领域。OpenAI表示,Frontier框架识别并授权AI智能体。
"Frontier确保AI同事在明确的边界内操作。每个AI同事都有自己的身份,具有明确的权限和护栏。这使得在敏感和受监管的环境中放心使用它们成为可能。"
传统网络安全供应商如Palo Alto Networks已告诉企业,他们将帮助识别、认证、授予权限并对AI智能体设置限制。
对传统软件行业的双重影响
Frontier对于Palantir和Palo Alto Networks等现有商业软件公司来说既是机遇也是威胁。一方面,OpenAI很可能需要与这些公司合作,以弥补自身在企业销售方面的经验差距。这将要求OpenAI在交易中引入这些供应商来弥补Frontier的不足。
另一方面,Frontier类似于Anthropic的Claude Cowork项目,后者已经对传统软件投下阴影。像Cowork一样,Frontier可能使传统软件包变得不如大语言模型重要,后者将在未来几年内充当前端用户界面。
通过取代商业用户界面,Frontier和Cowork可能使每个商业软件包对企业主来说都变得不那么重要。这一前景导致近几周软件公司股票出现抛售,彭博社将其称为"SaaS末日"。
Q&A
Q1:OpenAI的Frontier平台是什么?它能做什么?
A:Frontier是OpenAI推出的企业人工智能智能体部署框架,帮助企业构建、部署和管理能够完成实际工作的AI智能体。它为智能体提供共享上下文、入职培训、带反馈的实践学习,以及明确的权限和边界等功能。
Q2:Frontier平台与Palantir有什么关系?
A:Frontier借鉴了Palantir的成功模式,特别是"前置部署工程师"的概念。这些工程师在客户现场工作,调整软件以适应组织的特定流程,并将所学内容纳入持续的软件开发中。
Q3:Frontier会如何影响传统企业软件市场?
A:Frontier可能使传统软件包变得不如大语言模型重要,后者将充当前端用户界面。通过取代商业用户界面,可能使每个商业软件包对企业主来说都变得不那么重要,这已导致软件公司股票出现抛售。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。