一、小程序生态：小程序不再只是「交易场所」，它正在长出内容与服务

如果说 2026 年上半年小程序的关键词是「交易」，那么这个月的关键词变成了「承载」。10 月 9 日，运营社在一篇分析中提到一组容易被忽略的数字：微信生态内短剧小程序的月活达到 4.27 亿（2026 年 2 月，同比 +59.9%），已经反超独立短剧 App 整体的 3.35 亿。

这不是一个内容行业的孤立现象，而是一次入口结构的迁移。用户不再愿意为「看剧」专门下载一个 App，却愿意点开一个小程序——微信短剧内容中心出品的「绿泡泡短剧」没有独立 App，点开即看，播放页沿用视频号那套交互：点赞、评论、分享、浮窗、小窗一应俱全，切回聊天剧情不停。

内容型小程序反超独立 App，说明什么

官方披露的数据能说明这条路径跑得有多快：AI 仿真人短剧《影后芽芽》8 月 21 日在绿泡泡首发，上线 3 天播放量达数亿次、最高同时在线观看破 200 万；8 月 22 日进入视频号原生短剧场景后单日播放超 3100 万次，绿泡泡与视频号两端的人均观看时长均超 30 分钟，上线数日内两端合计触达用户超千万。

对新入口来说，这个量级的意义不在「剧好看」，而在「货架从第一天起就是满的」。用户不用重新学习一套看剧方式，原本习惯刷视频号的人，顺手就能看剧。对企业的启示同样直接：入口的胜负不在应用商店，而在用户已经停留的地方。不必非要做一个 App，但一定要在用户已经在的地方，有一个能被随时打开的服务。

四端格局已定，小程序成了「默认阵地」

从整体规模看，小程序已经是企业数字化的默认阵地：整体月活约 10.2 亿，其中微信小程序约 9.7 亿、支付宝小程序约 6.4 亿、抖音小程序约 2.7 亿，商城小程序数量已突破 380 万款。与此同时，平台还在持续降低「让 AI 上岗」的门槛——微信公众号 AI 分身已首批落地，管理员在后台「互动管理 → 自动回复」一键开启、上传知识库即可；微信小微在灰度中已经可以调起小程序完成挂号、买咖啡、展示登机牌等动作。

值得同步注意的是治理侧的收紧。小程序电商合规指引、AI 类目的算法备案要求仍在持续落地：生成合成、个性化推送、排序精选、检索过滤、调度决策等算法需要在应用侧单独备案，上游大模型的备案并不能替代它——这意味着企业做 AI 小程序时，合规已经不是上线后补的材料，而是立项时就要考虑的成本。与此同时，平台对商品活跃度、诱导点击、广告干扰的治理也在加码，货架越容易上，规则也越细。

把这几条放在一起，趋势已经很清楚：平台把「能不能做」的问题解决了，剩下的就是「做什么、怎么管」的问题。小程序不再是一个需要论证的技术项目，而是一个需要长期运营和治理的经营阵地。这也是华青科技（huadengshang.com）在项目咨询阶段花最多时间的地方——先帮企业想清楚，这个入口要承接什么业务。

二、AI 与智能体：第一次出现「只管判断」的模型，和「一条流水线」的智能体

本周最值得注意的产品，不是又一个更大的语言模型，而是一个「更小、更专」的模型。10 月 9 日，微软 CEO 纳德拉发布了 Decision-1：它不做生成，只做一件事——给定一组固定选项，选出答案，并附上一个校准过的概率。

Decision-1：AI 里第一次有了「判断层」

它的能力边界很窄，但正是这种窄让它有意义：支持是/否问题、多项选择、按评分标准打分，甚至可以用来给 AI 的回答或智能体的行动打分。官方测试称，在 36 项基准、近 15 万个问题上取得对照集合里的最高准确率，比同类模型快 4.5 倍、比前沿大模型快约 35 倍；在改写问法、打乱选项等 8 类扰动下，判定结果平均只变化 1.3%，打乱选项时零变化。定价是每百万输入 token 0.042 美元，输出免费。

它解决的其实是所有做智能体的企业都会遇到的账：一个工作流要串起几十个小判断，每一步多 100 毫秒延迟，20 步就是 2 秒的纯等待。路由、意图识别、内容审核、打标、决定智能体下一步该干什么——这些环节都不需要一个「会写诗」的模型。微软的案例很直白：Xbox 研究团队用它分类一万多条玩家反馈，达到前沿模型的质量、但快 14 倍、便宜约 200 倍。

这不是孤例。微软、TypeSafe 的 Jev、Liquid AI 的 d1、OpenAI 的 Decisions API 公测——一个「判断模型」的新品类正在成形。与此同时，「分工」也在发生：Anthropic 在 Claude Managed Agents 中加入动态工作流，一个主智能体可以把任务分派给最多 1000 个子智能体并行执行；谷歌云的 Gemini Agent 则给智能体配了会话、语义、程序、情节四类记忆，并可在自家模型与 Claude 等第三方模型之间智能路由，官方称综合成本降至全用前沿模型的三分之一、速度提升 40%。

但能力之外，纪律也在同步收紧。Anthropic 一年多来首次全面修订使用政策，明确禁止对模型持续且无端的「虐待」，禁止欺骗性的商业或政治活动，武器禁令扩大到「让武器运转」的软件与关键组件；未经当事人同意追踪个人一律违规。与此同时，MIT 科技评论的一篇分析提醒行业：过度依赖 AI 的「拒绝」机制是有代价的——拒绝行为本质上是概率性的，分类器和探针都不是完美保障，拒绝失灵与过度拒绝同样会带来风险。

一个更现实的信号来自财务端：同一周，OpenAI 把年化收入的会计口径从 700 亿美元修正为约 500 亿美元，同时寻求至少 300 亿美元新融资（估值传 1.4 万亿美元）。消息一出，芯片股应声下跌。资本市场开始按「口径」而不是按「故事」给 AI 定价——这也正是本文标题所说的「精算期」。

三、行业落地：AI 员工开始「按岗位交成绩单」

当模型开始分层、成本开始可算，行业里的 AI 也第一次有了「按岗位交付」的形态。10 月 10 日，瓴羊在一篇访谈中披露了它的落地逻辑——「Data + Agent + FDE」，即数据、智能体，再加上一名「前向部署工程师」驻场，把 AI 真正装进企业的业务流程。这套方法的价值在于：它承认 AI 不会自己找活干，必须有人把它接到具体岗位上。

四张成绩单：AI 员工到底干出了什么

瓴羊同时给出了 AgentOne 平台上的四个典型落地案例，全部以可量化指标交付，而不是「部署了一个模型」：

四张成绩单的共性是同一条：AI 承担的都是「重复但不复杂」的岗位环节，而且每一个都以可考核的指标交付。客服承接的是高频重复问询，销售承接的是标准化的线索跟进，运营承接的是可量化的投放调整，营销承接的是可追踪的拉新动作——这些环节的共同点是「有明确的对错标准」，也正好对应前文所说的「判断层」能力。

从「给员工配 AI」到「给 AI 配工位」

企业内部的 AI 也在规模化。网络设备厂商 Cisco 向全球 9 万名员工配备了个性化智能体 MyAgent，关键变化在于它从「聊天机器人」转向「受监督的自主任务执行」，并依靠持久记忆保持跨流程的上下文；据其披露，内部智能体交互在上线前一个季度环比增长了 350%。咨询与 IT 服务商 Wipro 则为 24 万名员工在技能培训平台上集成了 AI 智能体，用个性化学习路径替代统一课程。两家公司的做法指向同一个判断：AI 的规模化价值，来自它可以被复制到成千上万个「同一个岗位」上。

政策与窗口：工业化是这一轮的明确方向

10 月 8 日，工信部正式印发《人工智能赋能新型工业化三年行动计划（2026—2028）》，明确阶段性目标：到 2028 年培育 100 家 AI 赋能工业化标杆企业、落地超 500 个 AI 行业典型应用场景，其中 AI 人才培养被单列为重点部署内容。紧随其后，由中国信通院、山东省工信厅与济南市政府共同主办的 2026 人工智能产业大会，将于 10 月 14 日至 16 日在济南举行，主题定为「加快推进人工智能赋能新型工业化」，配套 20 余场专题论坛，切入点集中在智能制造、工业软件、能源 AI 应用、汽车产业智能化、AI + 媒体等细分赛道。

四、市场展望：AI 融资从「愿意买单」进入「要求高额补偿」

如果说前三章讲的是「AI 怎么干活」，这一章要讲的是「钱开始怎么算账」。表面上，AI 投融资依然火热：Crunchbase 数据显示，2026 年第三季度全球风险投资总额约 1590 亿美元，其中 AI 初创拿到 1020 亿美元、占比达 64%；2026 年上半年全球 VC 融资更创下 5100 亿美元的纪录，超过 2025 年全年，而 OpenAI 与 Anthropic 两家合计 2170 亿美元、独占上半年的 43%。

中国市场的集中度同样惊人：据 IT 桔子数据，2026 年上半年中国 AI 初创企业融资总额突破 3000 亿元，超过 2025 年全年——有人形容为「一级市场每融出 2 块钱，就有近 1 块钱流向 AI」。《2026 年上半年中国股权投资报告》也显示，人工智能大模型、具身人形机器人、半导体芯片、先进制造、商业航天、生物医药六大硬科技赛道，吸纳了全市场 52% 的投资资金。

K 型分化：塔尖越亮，塔基越冷

但热钱背后是极端的分化。斯坦福 Strebulaev 数据库显示，截至 2026 年 5 月，全球约 1900 家独角兽中有 383 家过去三年没有拿到新融资，41 家已被摘去独角兽头衔；PitchBook 预计，从 2026 年底起，随着投资人开始要求「结果」，独角兽群体将面临 5000 亿至 1 万亿美元的净估值削减。国内也是如此——「AI 六小龙」已收敛为「四小强」，部分公司选择拥抱开源或停止通用模型训练。

基础设施的钱，正在变得越来越贵

更值得警惕的是债务端。据彭博社报道，甲骨文、博通、SpaceX 等美国科技巨头今年已为 AI 基础设施建设发行近 5000 亿美元新债，未来规模预计进一步扩大；仅博通一家，未来几年内就可能筹集约 6000 亿美元。五大 AI 超大规模数据中心运营商今年合计发行约 2200 亿美元债务，规模超过去年的两倍；过去两年，企业已为数据中心和 AI 投资借入约 6250 亿美元，华尔街预计整个建设周期到 2030 年底将耗资接近 5 万亿美元。

融资压力已经体现在巨头的现金流上：Alphabet 第二季度出现有史以来首次负自由现金流（烧掉 59 亿美元），并将 2026 年资本支出预测上调至最高 2050 亿美元；亚马逊 2026 年资本支出计划升至约 2200 亿美元，过去 12 个月自由现金流转负 76 亿美元。桥水投资公司创始人瑞·达利欧的警告很直白：「大规模借债为 AI 发展提供资金，加上利率上升，正是泡沫开始破裂的时刻。」

• 需求侧：Q3 全球 VC 1590 亿美元，AI 占 64%；上半年 5100 亿美元创纪录，OpenAI + Anthropic 占 43%。
• 供给侧的转向：10 月 9 日的融资榜上，Axiom Solutions International 融 20 亿美元（云与电力）、TypeSafe AI 8.7 亿美元、Oratomic 4.75 亿美元（量子）、Voltus 2.25 亿美元（分布式能源）、Type One Energy 2 亿美元（聚变），五笔合计 37.7 亿美元——AI 投资正在变成「基础设施投资」。
• 定价纪律：OpenAI 收入口径由 700 亿修正为约 500 亿美元，芯片股随之下跌；资本开始按口径而非故事定价。
• 政策托底：工信部三年行动计划给出 100 家标杆企业、500 个典型场景的明确目标，产业政策与市场资本开始同向发力。

五、联系我们：把这些变化，变成你自己的增长

把这一周的变化收拢成一句话：AI 正在从一项「技术」变成一项「经营纪律」。小程序解决了「用户在哪打开你」的问题，AI 解决「重复的事谁来做」的问题，而精算与治理，解决的是「这件事值不值得做、能不能一直做」的问题。三者叠加，才是今天企业真正的增长路径。

如果你正在考虑「要不要把业务搬进小程序」「要不要给团队配一个 AI 助手」，或者只是想先弄清楚「我们最该先动哪一环」，欢迎访问华青科技官网 https://www.huadengshang.com，我们会先帮你把事情想清楚，再谈怎么做。

# 华青科技建议的「AI 落地四问」（先回答，再开发）

1. 岗位  这个 AI 替掉的是哪个具体的重复动作？
2. 入口  用户 / 员工在哪里打开它？小程序、公众号还是业务系统？
3. 指标  用什么数字验收？省人、提速，还是多单？
4. 边界  它不能做什么？哪些动作必须由人确认？

# 四个问题里有一个答不上来，先别急着开发。