技术趋势/产品动态 | 2026年6月9日 | 一道科技
2026年6月8日至9日，AI大模型领域迎来两个重磅事件：云知声（9678.HK）正式发布近3000亿参数的原生Agent大模型U2，同日OpenAI被曝将对ChatGPT进行史上最大改版，将Codex编程工具并入ChatGPT并转型为"超级应用"。这两个看似不同的事件，实际上指向同一个趋势——AI大模型正在从"对话式工具"全面进化为"可执行智能体（Executable Agent）"。
一、云知声U2：原生Agent架构的"破局之作"
6月8日，港股上市AI企业云知声正式发布新一代通用基座模型U2。U2不是又一个追求参数规模的参赛者，而是首个以"原生Agent"定位的通用基座模型。
核心技术亮点：
1. 近3000亿参数MoE架构，激活参数仅约390亿。 U2采用混合专家（MoE）架构，总参数近3000亿但单次推理仅激活约390亿参数——这种"大总量、小激活"的设计在保证模型能力的同时大幅降低了推理成本。在AA-LCR评测中得分70分，SWE-Bench Verified得分75分，软体工程智能体能力可对标全球顶尖模型。
2. 原生可执行能力：100步复杂工作流自主完成。 U2与传统大模型最大的区别在于"可执行性"——它不是回答问题后就结束，而是能够将复杂任务自动拆解为子任务，调用外部工具（API、数据库、应用程序），收集结果并生成最终报告或直接执行操作。这意味着U2不只是一个"懂很多"的模型，而是一个"能做事"的智能体。
3. 快慢思考融合。 U2创新性地融合了"快思考"（System 1，直觉式快速响应）和"慢思考"（System 2，深度推理）两种模式。对于简单任务直接给出答案，对于复杂任务则启动深度推理链——这种双轨设计兼顾了响应速度和推理深度，在实际部署中尤为重要。
4. 定位"智能密度"而非参数竞赛。 云知声CEO梁志祥明确表示，U2要证明的不是"参数越大越好"，而是"单位参数能产生多少智能价值"。这种"智能密度"导向，与当前制造业客户最关心的"ROI（投资回报率）"高度吻合。
二、ChatGPT史上最大改版：从聊天到"超级应用"
据《金融时报》6月7日报道，OpenAI正准备对ChatGPT进行自2022年推出以来规模最大的一次改版。改版核心：
1. Codex并入ChatGPT。 OpenAI增长最快的编程工具Codex将被整体并入ChatGPT聊天界面。用户可以在同一个对话中让AI写代码、调试程序、部署应用——无需切换工具。数据显示，过去一个月Codex新增用户中约40%已不是开发者，而是分析师、投资经理、营销人员等非技术人员。
2. 转型为"日常任务超级应用"。 ChatGPT将从"AI聊天机器人"转变为一个能管理邮件、安排日程、处理文档、编写代码、执行工作流的通用任务平台。OpenAI内部将其称为"AI的iPhone时刻"——ChatGPT不再只是一个App，而是一个能运行其他AI能力的"操作系统"。
3. 外部应用接入。 新版ChatGPT将允许第三方应用直接接入，这意味着企业可以将自己的业务系统（ERP、CRM、MES等）与ChatGPT打通——员工只需用自然语言就能操作系统。
三、Agent大模型的技术路线之争
U2和ChatGPT改版代表了2026年Agent大模型的两种技术路线，各有优势：
| 维度 | 云知声U2路线 | ChatGPT改版路线 |
|------|-------------|----------------|
| 核心理念 | 原生Agent，模型即智能体 | 平台化Agent，聊天框变工作台 |
| 架构特点 | MoE + 快慢思考融合 | 多模型编排 + 工具调用框架 |
| 部署方式 | 私有化部署友好 | 云端SaaS为主 |
| 适用场景 | 企业级深度定制 | 通用办公+个人助手 |
| 数据安全 | 可完全本地化 | 依赖OpenAI云端 |
对于制造业客户而言，两种路线各有价值：
- 私有化部署场景（如质检、排产、设备管理）更适合U2这类可私有化部署的原生Agent模型，因为制造业数据安全要求极高，模型需要在企业内网运行。
- 通用办公场景（如邮件处理、文档生成、数据分析）则更适合ChatGPT这类平台化Agent，因为开箱即用、生态丰富。
四、Agent大模型对制造业的技术影响
1. 从"问答式AI"到"任务式AI"。 传统工厂AI系统是"人问机器答"的模式——质检人员上传图片，AI返回结果。Agent大模型则改变了这个模式：AI可以主动巡检设备、自动发现异常、自主调度维修工单，甚至跨系统联动——从MES拉取生产数据，从ERP查询备件库存，从CMMS创建维修任务。这是从"AI工具"到"AI同事"的本质跃升。
3. 非技术人员成为AI的主要用户。 ChatGPT改版的一个关键信号是：40%的新用户不是开发者。同样的趋势正在制造业发生——车间主任、质检员、仓库管理员不需要会编程，只要会用自然语言描述需求，Agent大模型就能理解并执行。这极大地降低了制造业AI的采用门槛。
五、Mind Lab开源Macaron-V1：Agent后训练的新范式
值得关注的是，Mind Lab同日开源了Macaron-V1-Preview（749B参数，激活40B），专为Agent后训练设计，训练仅用不到300张GPU。这表明Agent大模型的训练范式正在从"预训练为主"转向"后训练为主"——通过高效的后训练方法（如强化学习、工具调用微调）让通用模型具备Agent能力，而非从头训练一个Agent模型。
这对制造业AI的意义在于：企业可以使用已有的通用大模型（如DeepSeek-V4、GLM-5等），通过后训练注入行业知识和操作能力，快速构建专属的工业Agent——这比从头训练一个工业大模型成本低一个数量级。一道科技正是采用这一策略，帮助客户在数周内完成从通用模型到行业专属Agent的定制化改造。
一道科技提供AI大模型私有化部署、Agent智能体定制开发、数据挖掘分析等全链路服务。了解更多请访问 一道科技AI大模型定制服务 或致电 15869113892。