企业AI动态：Salesforce发布『企业AI缰绳』与AI控制平面、Oracle OCI引入Kimi K3并扩展政务云、Perplexity用GPT-6 Astra运维生产系统、TPU v7改写推理算力经济

9月11日至14日，企业AI基础设施竞争呈现出”平台化”与”成本工程化”两条主线。Salesforce发布Trusted Enterprise AI Harness（企业AI缰绳）并配套AI Control Plane，试图把AI代理的上下文、行动、治理与安全封装成可组合的企业级底座；Oracle在9月更新中将Moonshot AI的Kimi K3（2.8T参数MoE）引入OCI Enterprise AI，扩展Model Import目录至Gemma/Qwen/DeepSeek等模型，并把服务推进到美国政务云区域；同日，OpenAI公开Perplexity以GPT-6 Astra管理端到端生产系统的案例，展示”少干预、可信赖”的AI运维范式；而SemiAnalysis基于Qwen 3.5 397B基准的评测显示，Google TPU v7”Ironwood”在交互式推理延迟下每美元token数较NVIDIA B200/B300高出约50%—96%，把竞争叙事从训练拉回到推理市场的成本前线。

主要新闻 (Main News)

Salesforce发布Trusted Enterprise AI Harness：为AI代理装上”企业级缰绳”

Salesforce于9月11日发布其构想了多年的企业AI架构——Trusted Enterprise AI Harness，目标是给”Agentic Enterprise”时代日益复杂的AI代理提供一个可信的执行底座。Harness将六大能力（上下文Context、代理Agency、行动Action、治理Governance、安全Security、模型Models）整合进一个通用、可组合的架构，并明确采用headless构建，能力可通过MCP、API、Skills与Plug-ins暴露，从而让Harness延伸到Claude、Slack、Microsoft Teams、Agentforce等一切AI落地表面。与Harness同时发布的是全新的AI Control Plane：企业在单一界面里发现与注册代理和AI能力、建立身份与策略、管理生命周期、评估性能、观测行为与结果并控制成本——覆盖Salesforce自有与第三方AI。其技术底座包括Data 360、Informatica、MuleSoft、Agent Fabric、Tableau、Agentforce、Salesforce Guardian与Salesforce Platform，意在把企业已有的客户关系、元数据、语义、业务流程与权限治理直接转化为AI理解与行动的上下文。对客户而言，许多基础技术当下即可用，统一的Harness体验计划在下一财年初（FY28）开始分批上线。这标志着企业AI竞争从”选模型”转向”给代理造缰绳”：模型可以换，但治理、记忆与行动的可信闭环必须由平台的默认设施提供。

Source: Salesforce Introduces the Trusted Enterprise AI Harness

Oracle将Kimi K3引入OCI Enterprise AI：2.8T参数MoE进入受监管行业与政务云

Oracle在9月发布的OCI Enterprise AI更新中，将Moonshot AI的Kimi K3多模态模型接入服务，这是一款2.8T参数的MoE模型，具备100万token上下文窗口与Kimi Delta Attention（KDA）架构，在OCI内需要B300 X8、B200 X16或H100_X32等专用AI集群单元规格部署。同步扩展的是Model Import目录，新增Google Gemma 4、Mistral Magistral Small、NVIDIA Nemotron 3 Super与3.5 Lightning、阿里Qwen 3.5与3.8、DeepSeek V4 Pro与V4 Flash 0731等模型，让客户按工作负载匹配性能与成本曲线。更值得关注的是可用区域的扩展：OCI Enterprise AI现已在US Gov West（凤凰城）与US DoD West（凤凰城）政务云区域提供，支持B300硬件托管精选基础模型，服务受严格合规框架约束的任务关键型AI负载。此外，NL2SQL能力获得细化：可为语义库富集或单次SQL生成选择指定按需模型、支持ISO 8601周期（如P1D）的定时元数据刷新，以及把长时间SQL生成作为后台任务提交，避免客户端超时。对受监管行业，这套”多模型目录+政务云区域”的组合直接回应了主权AI与数据驻留的诉求——企业可以在合规边界内跑前沿模型，而不必把数据送出环境。

Source: Oracle Expands OCI Enterprise AI with Kimi K3 and Enhanced NL2SQL Features

Perplexity部署GPT-6 Astra管理端到端生产系统：少干预的AI运维范式

OpenAI于9月13日发布Perplexity案例研究，展示这家AI原生搜索公司如何用GPT-6 Astra管理端到端生产系统：写对外沟通材料、改真实软件系统、监控生产环境，而且”比以前历经代际的模型更少地介入检查”。Perplexity联合创始人兼首席战略官Johnny Ho指出，Astra与前几代模型的能力差距彻底改变了公司的系统自动化方式。最有启发的是测试环节：Ho会让Astra围绕一个应用”搭一个小测试程序”，由模型生成逼真的外部服务响应（例如某个LLM API或连接器会返回什么），在不需要真实服务的情况下走通完整工作流并验证应用行为——这解决了传统上极其耗时的手工测试问题。对Perplexity而言，模型写代码能力每提升一点，其搜索引擎的抓取与合成管线（爬网页、检索内部库、凝练成答案）就随之改进。该案例亦是”AI进入生产软件运营”的又一注脚：企业CIO/CISO正在为”压缩人工审查闭环、让AI直接改线上系统”的边界求索，而Perplexity证明至少特定场景下这种信任是可量化的——模型需要优秀到能自己生成外部依赖的模拟，才能换取运维侧更低的介入频率。

Source: Perplexity trusts GPT-6 Astra with end-to-end systems

TPU v7”Ironwood”改写推理算力经济：每美元token比Blackwell多50%—96%

SemiAnalysis基于Qwen 3.5 397B单基准的模型估算显示，Google自研TPU v7”Ironwood”在交互式延迟下比NVIDIA B200/B300提供显著更高的性价比——每美元token数分别高约50%与96%，推理单价约为B200的1/5、B300的1/3。文章提醒，这是单基准的模型化估计而非实测市场数据，但其方向与观测一致：Gemini 3.1 Pro Preview每百万token约1.74美元，明显低于Claude Opus 4.7（约4.10美元）与GPT-5.5（约4.35美元）；Gemini只在TPU上伺服，且在前代基础上提价30%后仍保有约60%的价差，指向硬件本身而非定价策略。TPU 8i推理pod把1152颗芯片接入一个拥有数百TB一致性共享内存的舱，网络跳数从16降到7，而NVIDIA NVL72的相干域只有72颗GPU——对长期、多步、需要保持热状态的agentic对话，这种记忆一致性差距直接体现为响应速度。商业层面，Anthropic承诺到2027年使用超过100万颗TPU（约40万颗购买+60万+颗租用），Blackstone与Google合资的AI云将在2027年先落地半GW规模；Google Cloud Q1 2026同比增长63%（Azure约40%、AWS约28%），合同积压约4600亿美元。与此同时，NVIDIA Rubin量产约推迟一个季度（HBM4验证、ConnectX-9与散热挑战），TrendForce把Rubin对2026年高端GPU出货的贡献从29%下调至22%。需要注意：TPU商用化仍停留在”千兆瓦级谈判”阶段，没有公开价目表，CUDA向JAX的迁移税也是被低估的现实成本——它威胁的是NVIDIA的推理份额，而非其作为商业加速器默认选项的地位。

Source: Google’s TPU Isn’t Winning Benchmarks — It’s Rewriting the Price of Inference

分析 (Analysis)

Salesforce的Harness与Control Plane，本质上是在回应”代理规模化的治理缺口”——IBM商学研究所数据显示，运营AI代理的组织中只有18%拥有对其部署位置与数据接触面的完整清单。Salesforce选择把这个问题架构化：不给模型定义成败，而给”代理之于企业”交付身份、记忆、权限、行动与可观测性的默认轨道，并且通过MCP等开放协议把能力引到Claude、Teams、Agentforce等任何表面。这与Oracle把Model Import做成目录、把部署打通到政务云的做法同向不同径：Oracle押注”任选模型+合规边界”，Salesforce押注”统一控制+可组合底座”。对平台团队而言，这预示着”AI套件”竞争将从模型精度表转向控制平面的成熟度——谁能把”发现、护栏、计量、回滚”做得像今天的CI/CD一样顺手，谁就握有企业客户的心智。

Perplexity用Astra直接改线上系统、Oracle把NL2SQL调度化、Google把TPU做成推理价格武器，三者叠加预示着一个更深的转折：推理成本而非训练能力，正成为AI栈竞争的胜负手。一旦”每美元token”成为采购的首要标尺，算力供应商的护城河就从”谁的芯片理论最强”转向”谁能在规模上把推理单价压低”——SemiAnalysis的模型与Anthropic的百万级TPU承诺都指向这一点。迁移税（CUDA→JAX、租用形态、包机谈判）仍是现实摩擦，但方向已经清晰：未来两年，推理成本工程（硬件、互连、内存一致性、服务栈）会像当年的编译器与数据库一样，成为决定企业AI采纳速度的基础设施变量。

结论 (Conclusion)

本周企业AI的四个信号指向同一判断：竞争重心正在从”谁最聪明”转移到”谁最可控”与”谁最便宜”。Salesforce用Harness+Control Plane定义代理的企业级默认轨道，Oracle用多模型目录与政务云区域回应主权与合规，Perplexity证明前沿模型已能把”改生产系统”做成少干预的日常操作，而TPU v7的表现显示推理成本正在成为新的兵家必争之地。对实践者，未来一个季度的观察重点是：Dreamforce上Altman与Amodei对agent安全的最新表态、Oracle的政务云模型在受监管行业的落地案例，以及以”每百万token成本”为单位重新评估推理供应商与芯片路线的采购方法论。