阅读

微软正把Copilot从Office里的附加AI功能，改造成承载Office本身的工作入口。

纳德拉上周在一场仅面向大企业客户的闭门活动上，将Copilot定位为“工作的操作系统”。编码、智能体能力和完整Office将直接进入Copilot，用户可在助手内新建和编辑文档，界面接近网页版Office。该活动内容经The Verge于10月1日报道。

产品动作已经发生：六月Build大会发布的桌面版Scout智能体已转入维护，云版本更名Autopilot。The Verge引述知情人士称，更名部分源于Yahoo Scout的商标顾虑，Copilot团队重组过程中也存在内部摩擦，这两点微软均未官方确认。

Copilot负责人Jacob Andreou承认，智能体因需要自主权“几乎无法进入企业”；微软称新架构让企业保留控制权。消费者侧约9000万人自费订阅Microsoft 365，是微软不放弃消费市场的底气。

九章云极9月29日向港交所递交主板上市申请，发行规模与募资额尚未披露。

据智东西报道及招股书披露，这家智算基础设施公司2025年收入10.98亿元，同比增长177.7%；2026年上半年收入5.88亿元，同比增92.0%。经调整净亏损从2024年的2.06亿元收窄至2025年的9130万元，2026年上半年为1488万元。

风险同样具体：2025年前五大客户贡献88.0%的收入，前五大供应商占采购额84.8%，经营现金流仍为净流出，截至2026年6月30日负债净额26.44亿元。公司主要通过长期安排获取算力而非自建设施，以降低前期资本投入。

该公司已完成14轮融资，投资方包括北京国管、中关村资本等北京国资机构。上市能否成行及最终定价，取决于港交所审核与市场对智算资产估值的变化。

Ai2于10月1日发布开源训练框架Olmo-core 3，官方称可将混合专家模型（MoE）训练扩展到万亿参数级。

在8块NVIDIA B300 GPU上的自测中，47B参数MoE每GPU每秒处理52,000个token，旧实现为19,400个，约2.7倍。另一项测试在512块GPU上跑通1.2万亿参数模型，但用的是随机路由，只测系统性能而非模型质量。

框架改用分布式数据并行，让专家权重常驻GPU，避免反复搬运；还支持MXFP8低精度格式，自测吞吐比BF16高约21%。它是下一代开源模型Olmo的训练底座，代码和技术报告已公开，实际训练效果有待第三方使用检验。

亚马逊云科技开源一款小型「决策模型」，让智能体流程低成本完成分流。

TechCrunch 10月1日报道，AWS旗下Strands Labs发布Strands Decider 2B，完全开源、可本地运行；它以Qwen3.5-2B为底座，不生成文本，而是在预设选项中给出选择和置信度。项目源于杰出工程师Marc Brooker的业余尝试，他在9月28日的博客称曾登顶同尺寸Jevbench榜。

这一品类因TypeSafe的Jev而流行。其CEO Diogo Almeida认为模仿者「更像想实现一个酷架构」，难点是让模型保持聪明。

Shopify于10月1日发布Canvas，商家与AI助手Sidekick对话即可搭建整个店铺，改动实时可见。

此前Shopify的无代码编辑器靠拖拽主题里的模块和区块，深度定制仍要改代码或请开发者。Canvas渲染的是店铺的真实主题代码，不是静态预览，商家可直接测试页面交互和动画。Shopify为此简化了主题架构，让Sidekick能直接读写主题文件。

Wix、Squarespace、Webflow等已有类似AI建站工具，Canvas把这条路线带进头部电商平台。产品自述仍处早期，实际效果待商家使用检验。

AI硬件设计平台Flow Engineering于9月30日宣布完成5000万美元B轮融资，估值升至7.5亿美元。

本轮融资由Valor Equity Partners创始人Antonio Gracias与Atreides Management的Gavin Baker共同领投，红杉资本跟投。红杉此前也领投了公司2025年10月的A轮。

Flow用AI智能体在CAD、仿真和文档工具中做影响分析、冲突标记和需求校验，客户包括Rivian、大众合资公司RV Tech和Anduril。研发周期从数月缩到数天的说法出自公司自述，公告未附独立评估。

风控模型拒了一笔贷款，客服甩来一张条形图：这一项最长，所以是它的问题。2017年这篇论文问的是更硬的一层——凭什么这张图就算解释了模型？

作者把话挑明：在加性特征归因这一类方法里，同时满足局部准确性、缺失性、一致性的解只有一个，就是Shapley值。不走Shapley的做法，必定踩掉其中至少一条。

别急着把条形图当判决书。原文的用户研究只有30人和52人，实验集中在简单模型和MNIST这类场景；精确值算不动，实际用的近似都依赖特征相互独立或模型近似线性的假设。

它的射程也有限：框架之外的解释方法不在讨论范围，文本、图像以外的任务和没验证过的模型类型，都没有可搬的结论。

《A Unified Approach to Interpreting Model Predictions》（2017）｜下次复查 2027-09-20