TheBestDoll.com

6 月 15 日，Celonis 宣布与德国 NLP 初创 deepset 合作，打造面向公共部门、国防和关键基础设施的集成式主权 AI 平台。该平台强调数据驻留、流程智能与 AI 代理的本地化部署，目标是让企业 AI 在受监管环境中实现可审计的运营决策，而非依赖海外云服务。

这一动作发生在全球 AI 基础设施军备竞赛白热化之际。OpenAI、Anthropic 等美系前沿实验室正通过巨额融资和 IPO 准备扩大训练规模，而欧洲玩家则选择“上下文即护城河”的差异化路线——Celonis 的 Process Intelligence 平台已服务 Akzo Nobel、Daimler Truck 等企业，此次整合 deepset 的检索与代理能力，相当于给 AI 代理装上企业流程数字孪生，解决“黑箱决策”痛点。

对比中美路径：美国公司以规模取胜（Anthropic 年化收入已达 470 亿美元），欧洲则以合规与主权优先。类似新加坡 HTX 部署的 Phoenix-VL 1.5 空隙模型，欧洲正复制这一“内部化知识、拒绝 RAG”的模式。Celonis 不建自有数据中心，转而与本土技术栈绑定，降低了资本开支风险，也契合 EU AI Act 对高风险系统的严格要求。

短期看，这类主权平台会成为欧洲公共采购和跨国企业合规标配；长期则可能加剧 AI 生态分裂——通用前沿模型仍由美企主导，但垂直落地层将出现更多区域性“护城河”。值得跟踪的是：类似合作是否会延伸到国防级采购，以及 Celonis 后续是否收购更多欧洲 AI 资产。

信源：
https://www.celonis.com/news/press/made-in-germany-celonis-and-deepset-build-sovereign-ai-platform-for-mission-critical-operations
https://www.eenewseurope.com/en/celonis-and-deepset-launch-sovereign-ai-platform-for-critical-operations/

6 月 16 日，微软 Work IQ API 正式进入一般可用阶段。这一 API 层让代理能够直接调用 Microsoft 365 的企业数据、语义索引和工具上下文，实现按需检索与行动。定价采用 Copilot Credits 按量计费，无需额外订阅，第三方代理也可接入。

这一动作正值代理经济从原型走向规模化的关键窗口。企业买家已不再满足于聊天机器人，而是要求能端到端处理支持工单、会议准备和跨系统协作的自主代理。Salesforce 以 37 亿美元收购 Fin、OpenAI 推出伙伴网络加速企业落地，都指向同一趋势：谁能把企业私有数据安全且低成本地注入代理，谁就能抢占下一阶段份额。

与 OpenAI 和 Anthropic 相比，微软的优势在于原生嵌入现有 M365 生态，无需客户额外迁移数据。Anthropic 虽在安全对齐上领先，但企业上下文接入仍依赖定制集成；Google 的 Search 和 Workspace 升级虽快，却在深度办公场景的工具调用上不如微软闭环。Work IQ 的消费模型进一步降低了试错成本，让 SMB 和中型企业也能快速验证 ROI，而非仅限大厂。

短期看，这将加速微软在企业代理赛道的护城河；长期则取决于第三方生态的丰富程度，以及竞争对手是否能复制类似低摩擦接入。6-12 个月内，观察重点将是 Work IQ API 调用量增长曲线，以及是否催生一批专为 M365 优化的垂直代理。

信源：

Announcing the new Work IQ APIs

https://blogs.microsoft.com/blog/2026/06/02/microsoft-build-2026-be-yourself-at-work/
https://www.microsoft.com/en-us/licensing/news/work-iq-general-availability

北京时间6月16日，阿里巴巴在世界人工智能大会上发布首套面向机器人的AI模型套件，标志着这家中国科技巨头正式从聊天机器人和通用代理转向具身智能硬件领域。模型支持复杂任务执行和机器控制，旨在提升机器人感知与决策能力。

这一动作正值中国AI产业从大模型竞赛转向垂直落地的关键阶段。阿里巴巴此前重点布局通义千问等聊天模型，如今转向机器人，反映出企业对具身AI商业价值的看好。与此同时，全球竞争对手如Tesla Optimus和Figure也在加速硬件+AI整合。

对比OpenAI和Anthropic仍聚焦语言模型迭代，阿里巴巴的路径更强调端到端硬件生态。分析人士指出，这或帮助其在国内供应链和制造业场景中建立先发优势，但能否在国际市场与NVIDIA等硬件玩家抗衡，仍需观察落地数据。

下一步值得跟踪：模型开源程度、与阿里云机器人平台的集成进度，以及是否引发更多中国企业跟进硬件AI布局。

信源：https://www.reuters.com/world/asia-pacific/alibaba-unveils-ai-models-robots-amid-shift-chatbots-agents-2026-06-16/

6月15日，Anthropic 正式将 Claude Sonnet 4（claude-sonnet-4-20250514）和 Claude Opus 4（claude-opus-4-20250514）从 API 中退休，开发者调用这些模型 ID 将直接返回错误。此前已通知迁移至 Sonnet 4.6 和 Opus 4.8 等后续版本。

这一动作并非孤例。过去12个月内，Anthropic 已退休至少8个模型，节奏远超早期 Claude 3 系列。同期 OpenAI 也悄然退役 GPT-5.2，Google 则废弃多款旧 Gemini 模型。三家头部实验室在2026年上半年均加速清理旧版本，反映出训练与推理成本快速攀升的现实压力。

与过去“模型长期共存”的时代相比，如今迭代周期已缩短至数月。Anthropic 的退休公告显示，维护多代模型的边际成本接近线性增长，而新模型在编码、长上下文和代理工作流上的提升显著。开发者被迫在生产环境中频繁迁移代码，短期增加运维负担，但长期推动了对更高效框架和自动迁移工具的需求。

这一趋势的根本驱动力是资本与算力军备竞赛：只有不断推出更高性能的新模型，才能在企业代理市场和前沿研究中维持领先。未来6-12个月，类似退休事件或将常态化，开发者生态将进一步分化——能快速适应的团队将获得成本与性能优势，而依赖旧模型的垂直应用则面临迁移压力。悬念在于，Anthropic 等公司是否会像承诺的那样，长期保存退休模型权重以支持研究，还是最终完全切断历史访问。

信源：
https://platform.claude.com/docs/en/about-claude/model-deprecations
https://www.mindstudio.ai/blog/claude-sonnet-4-opus-4-deprecation-migration-guide
https://help.make.com/anthropic-claude-model-deprecations-on-june-15-2026