AI 前沿速递 · 2026年09月03日
ChatGPT Health 接入 Epic 电子病历，覆盖 3.25 亿患者记录且只读不回写 / Google DeepMind 发布 WeatherNext 3，5 公里分辨率、逐小时预报并进入搜索与地图 / 腾讯 WorkBuddy 开放平台上线，首批 100 多家伙伴与 9 款联名硬件 / 微软 MAI-Transcribe-2 定价 0.10 美元每小时，比首代便宜 72% / Thinking Machines 被曝以 400 亿美元估值融资 10 亿美元
9 月 1 日到 3 日这三天，头部公司做的事可以归成一句：把模型塞进已经存在的行业管道里。OpenAI 让 ChatGPT Health 接上覆盖 3.25 亿患者的 Epic 电子病历；Google DeepMind 把 WeatherNext 3 的分辨率压到 5 公里，直接喂进搜索、地图和 Gemini；腾讯 WorkBuddy 开放平台一次性接入 100 多家硬件与行业伙伴；微软用 0.10 美元/小时的 MAI-Transcribe-2 把语音转录的价格打下来；Thinking Machines 被曝正以 400 亿美元估值融 10 亿美元。模型能力之外，接入点、单价和渠道正在成为新的竞争面。
ChatGPT Health 接入 Epic 电子病历：3.25 亿患者记录，只读不回写
事件概述
9 月 1 日，OpenAI 宣布将 ChatGPT Health 与 Epic 的电子病历系统打通。Epic 存有超过 3.25 亿患者的记录，接入后医生可以把病历数据导入 ChatGPT，查询预约记录、检验结果、用药清单和专科文档，用它做就诊前回顾、生成临床时间线和交接摘要。
权限设计是这次发布最保守的部分：集成只给只读访问，AI 不往病历里回写任何内容。部分部署场景下，医生不必离开患者图表就能调用 ChatGPT。同步上线的还有 Healthcare Public Data 插件，从 ClinicalTrials.gov、CMS Coverage、RxNorm、DailyMed、PubMed 拉取公开数据，用于核对试验入组条件、药品标识符和报销政策版本。
OpenAI 给出的验证数据是 27 个临床用例、4300 多份医生反馈，其中 99.1% 的回答被判定为安全。OpenAI 依然坚持一贯立场：AI 不适用于诊断和治疗。
为什么值得关注
Epic 是美国医院信息化的总闸之一，接上它等于拿到了临床工作流的入口。只读加不回写这套设计避开了最敏感的责任划分，也让医院更容易点头。反面是 OpenAI 手上有两起诉讼——一名佛罗里达牧师称 ChatGPT 给出了近乎致命的建议，另一起家属指控剂量建议错误。99.1% 的安全率放在 3 亿多患者的规模上，剩下 0.9% 也不是小数目。
合规通道的开放比功能本身更能决定落地速度：签了 Business Associate Agreement 的机构，可以在工作区里用 ChatGPT Work、Codex、应用和连接器跑合规流程。
相关链接
- ChatGPT can now connect to healthcare sources（OpenAI，2026-09-01）
- ChatGPT Health adds Epic integration for clinicians to import patient data（TechCrunch，2026-09-01）
Google DeepMind 发布 WeatherNext 3：5 公里分辨率、逐小时预报，进入搜索与地图
事件概述
9 月 3 日，Google DeepMind 与 Google Research 发布天气预报模型 WeatherNext 3。三项指标都比上一代有实质变化：关键变量的预测分辨率下探到 5 公里，降雨评估比 WeatherNext 2 改善 60%，预报从标准的每 6 小时一次改为逐小时一次。
参数量是上一代的 2.4 倍。设计上有两处关键选择：为解码头定制输出目标，并把预报对齐到具体的气象观测站，而不是输出 3D 网格上的平均值。后者让模型可以直接拿地面实测数据做校验。数据侧，WeatherNext 3 按小时摄入卫星原始观测，Google 称这是首个把原始观测直接纳入高分辨率全球预报的 AI 模型。
Brightband 的 Operational WeatherBench 上，它在温度、风速、湿度等指标上超过了 Google 自家的其他模型，也超过微软、英伟达、ECMWF 的深度学习模型，以及美国国家气象局和 ECMWF 的传统数值预报。Google 高级主任工程师 Samier Merchant 对 TechCrunch 表示，这是核心变量第一次进入 Google 多个产品的底层。
为什么值得关注
传统预报靠政府超算解物理方程，准确但慢且贵；AI 模型快、便宜，代价是分辨率粗、降雨差、依赖政府处理后的再分析数据集。WeatherNext 3 三条都碰了。逐小时加 5 公里这个组合，让预报第一次能回答”某机场一小时后会不会下雨”这类问题，农业、物流、新能源并网的调度颗粒度会跟着变细。
归属争议也在。靠气象气球起家的 WindBorne 说自家 WeatherMesh 6 从 2025 年底就在用原始观测，Google 的回应是全球分辨率更高。两家都还离不开国家级数据集，真正的直接数据同化仍是未解问题。
相关链接
- Introducing WeatherNext 3, our most advanced and accurate global weather AI model（Google DeepMind）
- Google’s latest AI weather model gives you no excuse to forget your umbrella（TechCrunch，2026-09-03）
腾讯 WorkBuddy 开放平台上线：9 款联名硬件、30 多个行业应用、首批 100 多家伙伴
事件概述
9 月 2 日，腾讯 WorkBuddy 开放平台正式上线，同期举办生态大会。一起亮相的有三类：9 款联名智能硬件、30 多个行业应用、首批 100 多家生态伙伴。硬件名单里 Plaud、乐奇 Rokid、影石、优篮子、科大讯飞、安克、猛玛、京东京造在列，已接入 30 多个品牌、十余种品类，覆盖智能眼镜、录音卡、麦克风、耳机、键鼠、桌面陪伴设备、智能穿戴等。
组织方式围绕”听、看、记、聊、协”五类触点。典型场景是：戴着智能眼镜进会议室，眼镜负责收音和拍摄，WorkBuddy 在后台转写、写纪要、列待办、起草跟进邮件；中途切到手机或电脑，任务、记忆和产物继续流转。一次接入打通硬件、App、PC、Web 多端。
行业侧新开了「Buddy 应用」入口，由伙伴基于 WorkBuddy Agent 底座做品牌化的行业工作台，不必自研 AI。通达信、广发证券、易方达、北大法宝、微盟、北森、帆软、美图设计室、腾讯健康、腾讯 SSV 已在列，30 多个应用覆盖金融、SaaS、法律、医疗、教育、公益、设计等 20 多个领域。开发者侧开放 Skill、Expert、Connector 三类能力，Connector 支持 MCP 与 CLI 两种方案。
这款产品今年 3 月才上线，半年内 50 多个版本更新，已进入政务、教育、零售、金融、传媒、出行等 50 多个行业。生态负责人林佐露对”生态是否已成”的回答是：开放是我们要做的工作，生态是个结果。
为什么值得关注
国内 AI Agent 赛道此前少有同时打通硬件、应用与开发者三层的开放平台。硬件厂商不必自己养模型，一次接入就能让设备变成 Agent 伸进现实世界的耳朵和眼睛——这条路径对小厂尤其划算，AI 能力从成本项变成了外接件。
腾讯搭底座、伙伴出行业 know-how 的分工，把 Skill 定义成”给模型的说明书”。这个定位很实在：模型会推理，不等于会做投研、会备课。短板也是公开的——支付、分发和面向开发者的经营工具还在建，部分金融终端暂时做不到批量导入数据。
相关链接
微软 MAI-Transcribe-2：0.10 美元/小时，比首代便宜 72%
事件概述
9 月 3 日，微软 AI 发布语音识别模型 MAI-Transcribe-2，通过 Microsoft Foundry 和 MAI Playground 提供。发布优惠价 0.10 美元/小时音频，比 5 个月前首代的 0.36 美元低了约 72%。一家年处理 10 万小时呼叫中心音频的企业，账单从 3.6 万美元降到 1 万美元。
支持语言从 1.5 代的 43 种扩到 60 种，FLEURS 基准平均词错误率 5.2%，排名第一。Artificial Analysis 非流式榜排第二，并定义了该榜的精度-延迟帕累托前沿。速度上微软给出的倍数是：对 GPT-Transcribe 快 10 倍、对 ElevenLabs Scribe v2 快 7 倍、对 Gemini 3.5 Transcribe 快 5 倍。
打包策略是价格之外的第二层压力。说话人分离、词级时间戳、关键词偏置、自动语种识别、语码转换、逐字与干净两种输出风格全部进基础价，这些在多数竞品那里是单独计费的。关键词偏置尤其直接——药品名、产品代码这类词表一直是 Deepgram、AssemblyAI 等专业厂商的护城河。
为什么值得关注
微软在逐个模态自研前沿模型，替换自家产品里原本用的 OpenAI 技术，转录是推进最快的一个。Teams 的会议音频、Nuance 的临床文档、Azure 语音服务都是现成的迁移对象。
几处信息缺口要在选型前问清楚：0.10 美元的优惠价既没公布截止日，也没公布标准费率；发布未提实时流式转录，而这是语音 Agent 和实时字幕的硬需求；60 种语言平均 5.2% 的词错误率高于 1.5 代的 3.7%，微软解释是纳入了低资源语言，分语言数据得自己测；说话人分离没有公开错误率。数据驻留与是否用于训练，受监管行业也要单独确认。
相关链接
- MAI-Transcribe-2 is the fastest, most accurate, and cheapest speech recognition model in the world（Microsoft AI）
- Microsoft AI’s MAI-Transcribe-2 undercuts OpenAI, Google and ElevenLabs on price and speed（VentureBeat，2026-09-03）
Thinking Machines 被曝以 400 亿美元估值融资 10 亿美元
事件概述
9 月 3 日，The Information 报道称 Mira Murati 创立的 Thinking Machines 正在洽谈融资 10 亿美元，估值至少 400 亿美元，老股东 Accel 在谈领投。TechCrunch 从独立信源处确认了这一消息，两家公司均未回应置评请求。
这个数字低于去年底该公司寻求的 500 亿美元。年化营收超过 1 亿美元——对应 400 亿美元估值，倍数高得离谱。上一轮是 20 亿美元种子轮，估值 120 亿美元，由 a16z 领投，英伟达、GV、Lightspeed、Conviction 跟投，支撑估值的主要是 Murati 和一批前 OpenAI 研究者的履历。
公司 7 月发布了开放权重模型 Inkling，收费方式不是卖 API token，而是在 Tinker 平台上按用量收取算力费用，让客户拿自己的数据做模型适配。创始团队已经出现流失，联创 Lilian Weng、Luke Metz 等人先后回到 OpenAI。
为什么值得关注
一边是 400 亿美元估值对 1 亿美元营收，一边是联创接连出走。两件事放在一起，说明市场现在买的是”Mira Murati 这个项目”本身，不是已经跑通的生意。参照系是上一轮的 120 亿美元——几个月翻了三倍多，却没能摸到自家想要的 500 亿。
Inkling 的收费方式值得记一笔：不卖 token，卖在专有数据上适配模型的算力。这条路线如果成立，企业级定制市场的定价逻辑会和现在完全不同。
相关链接