OpenAI 双线出击：Codex 变身超级应用 + GPT-Rosalind 杀入制药、xAI Grok 语音 API 全领域胜率第一、智元机器人十亿营收宣布部署态元年
OpenAI Codex 更新引入 Computer Use/90+ 插件/Memory 正式从编程工具升级为 AI 工作站，同日发布 GPT-Rosalind 生命科学推理模型携安进莫德纳首批入局；xAI 发布 Grok STT/TTS API 以 6.9% WER 全面碾压 ElevenLabs/Deepgram；智元机器人合作伙伴大会发布 4 款本体+6 大 AI 模型，2025 年营收破十亿成中国最快过十亿的 AI 公司
今日动态
本期追踪到 4 家机构的 4 项核心进展，以及 2 项快讯。
🏢 OpenAI：Codex 变身超级应用——Computer Use 操控 Mac、90+ 插件、Memory 记忆、跨天自动化
发布时间：2026-04-16 来源：gHacks · TechNews · The Digital Engine · MindWired AI
内容摘要：
GPT-6 发布仅两天，OpenAI 对 Codex 桌面应用进行了一次战略级重构——从编程助手升级为覆盖完整工作流的 AI 超级应用。这不是功能补丁，而是产品定位的根本转变。
六大核心更新：
1. Computer Use（Mac 计算机操控）
- Codex 获得自己的光标，可以看屏幕、点击、打字，直接操控 Mac 上的任意应用程序
- 无需目标应用提供 API 集成——任何桌面软件都可以被操控
- 多个 Agent 可并行运行，不打断用户正在进行的工作
- 适用场景：测试前端变更、评估应用程序、操作没有 API 的遗留工具
2. 内置浏览器
- 可直接在网页上添加评论，为 Agent 提供精确指令
- 当前聚焦前端开发和游戏开发（localhost 场景），后续计划扩展
3. 图像生成
- 基于 gpt-image-1.5 模型，可在编码工作流内直接生成和精修图像
- 覆盖产品概念设计、UI Mockup、游戏资产开发
4. Memory（记忆预览版）
- 跨会话记忆个人偏好、历史修正和耗时收集的信息
- 重复任务更快启动，输出质量无需详细自定义指令即可提升
5. 扩展自动化
- 支持跨天甚至跨周恢复长时间运行的任务
- Codex 可自行安排未来工作——管理开放 PR、跟进任务、监控 Slack/Gmail/Notion
- 主动推荐：识别 Google Docs 未处理评论、提取关联工具信息、生成优先级行动清单
6. 90+ 新插件
- 覆盖 Atlassian Rovo（Jira）、CircleCI（CI/CD）、CodeRabbit（代码审查）、GitLab Issues、Microsoft Suite、Neon by Databricks、Remotion（视频创作）等
另有开发者工具改进：GitHub 评论直接回复、多终端标签、远程 Devbox（Alpha）、文件预览（PDF/电子表格/幻灯片）、Agent 摘要面板。
值得关注的原因：
- Computer Use 是对 Anthropic 的直接回应。Vol.5 报道 Claude Computer Use 推出时，OpenAI 还没有对应能力。现在 Codex 不仅补齐了，还做到了”多 Agent 并行 + 不打断用户”——这比 Claude 的单线程操控更接近实际工作场景
- “超级应用”战略意图明确：ChatGPT 负责对话，Atlas 负责搜索，Codex 负责执行——三位一体的产品矩阵正在成型。这次更新后，Codex 的竞争对手不再只是 Cursor 和 Claude Code，而是整个桌面工作流（包括 Notion、Zapier、甚至 Slack）
- 跨天自动化 + Memory + 主动推荐 = AI 不再等你指令，而是主动找活干。这比基准分数提升对日常工作的影响更大
相关链接：
🏢 OpenAI：GPT-Rosalind 发布——首个面向生命科学的前沿推理模型，安进莫德纳首批入局
发布时间：2026-04-16 来源：36氪 · 知乎 · 搜狐 · n1n.ai · creati.ai
内容摘要：
同日，OpenAI 发布 GPT-Rosalind——以拍下 DNA 双螺旋 X 射线照片却长期被历史遮蔽的女科学家 Rosalind Franklin 命名，专为生物学、药物发现和转化医学打造的前沿推理模型。
核心能力：
| 功能领域 | 能力 |
|---|---|
| 蛋白质分析 | 推断蛋白质结构与功能属性，筛选潜在药物靶点 |
| 分子交互预测 | 化学分子交互预测，判断成药可能性 |
| 基因组学 | 对接超过 50 个公共生物数据库 |
| 批判性推理 | 遇到低价值靶点会主动否定——专门针对大模型幻觉问题设计 |
批判性推理是最值得关注的设计选择。在新药研发中，早期错判靶点并执行到临床三期，是烧掉十亿美元最典型的方式。GPT-Rosalind 被设计为”会说不”的模型——遇到低价值靶点主动否定，而不是顺着用户迎合。
首批合作伙伴：安进（Amgen）、莫德纳（Moderna）、艾伦研究所（Allen Institute）、赛默飞世尔科技（Thermo Fisher Scientific）。首批合作方中没有一家中国公司。
访问方式：研究预览版（Research Preview），仅向部分客户开放，已在 ChatGPT、Codex 和 API 平台上线。
值得关注的原因：
- GPT-Rosalind + GPT-5.4-Cyber（Vol.20）+ Codex 超级应用——一周之内 OpenAI 在三个垂直方向同时出手（生命科学、网络安全、开发者工作流），“通用模型公司”到”垂直模型平台”的战略转型已不是试探，而是全面执行
- 与 DeepMind AlphaFold 形成互补竞争：AlphaFold 解决”蛋白质长什么样”（结构预测），GPT-Rosalind 解决”怎么用蛋白质做药”（全链路研发）。但 AlphaFold 有 2024 年诺贝尔化学奖背书，GPT-Rosalind 还在研究预览阶段
- 36 氪分析指出三个时间节点不是巧合：美国 NSCEB 2025 年呼吁 5 年投 150 亿美元→FDA/EMA 2026 年 1 月联合发布 AI 药物开发规范→OpenAI 4 月入场技术卡位。系统性布局，不是单点发布
- 首批合作方无中国公司——对于英矽智能、晶泰科技等国内 AI 制药创业公司而言，OpenAI 以前沿推理能力直接入场，竞争压力陡增
相关链接：
🏢 xAI：Grok STT/TTS API 发布——全领域 WER 6.9% 碾压 ElevenLabs、Deepgram 和 AssemblyAI
发布时间：2026-04-17 来源：xAI 官方
内容摘要：
4 月 17 日，xAI 正式发布两个独立音频 API：Grok 语音转文字（STT）和文字转语音（TTS）。底层技术来自驱动 Grok Voice、Tesla 车辆和 Starlink 客服的同一技术栈。
STT（语音转文字）核心能力：
- REST API 批量转录 + WebSocket 实时转录（最低延迟）
- 词级时间戳、说话人分离（Diarization）、多声道支持
- 逆文本标准化（数字/日期/货币/电话/邮箱自动格式化）
- 支持 25+ 种语言无缝切换
STT 精度对比（WER 词错误率，越低越好）：
| 领域 | Grok STT | ElevenLabs | Deepgram | AssemblyAI |
|---|---|---|---|---|
| 电话实体识别 | 5.0% | 12.0% | 13.5% | 21.3% |
| 视频/播客 | 2.4% | 2.4% | 3.0% | 3.2% |
| 会议 | 10.9% | 12.2% | 16.3% | 15.7% |
| 电话 | 9.3% | 9.4% | 11.0% | 11.2% |
| 总体 | 6.9% | 9.0% | 11.0% | 12.9% |
TTS（文字转语音）核心能力：
- 支持语音标签精细控制：
[laugh]（笑声）、[sigh]（叹息）、[whisper]（低语）、<emphasis>（强调）、<slow>（放慢）、<pause>（停顿） - 无需复杂标记语言即可创建生动逼真的语音效果
定价：
| 服务 | 价格 |
|---|---|
| STT 批量转录 | $0.10/小时 |
| STT 流式转录 | $0.20/小时 |
| TTS | $4.20/百万字符 |
值得关注的原因：
- Vol.8 报道了 Mistral Voxtral TTS（9 语言、68.4% 胜率），Vol.21 报道了 Google Gemini-TTS（70 语言广覆盖）——现在 xAI 用全领域 WER 最优的数据加入战局。语音 AI 的三方混战格局已经形成：Mistral 走开源路线、Google 走多语种广覆盖、xAI 走极致精度+低价
- STT $0.10/小时的定价比 Deepgram 和 AssemblyAI 便宜 30-50%，同时精度更高——这是典型的”碾压式定价”
- 技术栈来自 Tesla 车辆和 Starlink 客服——这意味着模型已经在噪声环境、低延迟要求的真实场景中经过了大规模验证，不是实验室产品
- 电话实体识别领域 5.0% vs ElevenLabs 12.0%——差距超过 2 倍，对金融、医疗、法律等对实体识别精度要求极高的行业意义重大
相关链接：
🏢 智元机器人：APC2026 大会发布 4 款本体+6 大 AI 模型，2025 年营收破十亿元宣布”部署态元年”
发布时间：2026-04-17 来源：腾讯新闻 · 上观新闻 · 同花顺 · CSDN · IT之家预告
内容摘要：
4 月 17 日，前华为”天才少年”稚晖君联合创立的智元机器人在上海举办 APC2026 合作伙伴大会——来自 34 个国家的 2500 位合作伙伴参会，是智元成立三年来规模最大的生态发布会。
营收数据——中国最快过十亿的 AI 公司：
| 年份 | 营收 |
|---|---|
| 2023 | 30 万元 |
| 2024 | 6000+ 万元 |
| 2025 | 突破 10 亿元 |
| 2026 目标 | 继续保持数倍增长 |
- 2025 年实现 5000 台量产，2026 年 3 月万台下线
- AI 研发占用公司 3/4 研发人力及超过 3/4 研发费用
四大本体新品：
| 产品 | 定位 | 亮点 |
|---|---|---|
| 远征 A3 | 旗舰全尺寸人形机器人（已上市） | 行业最高推重比，双电池热插拔连续工作 8-10 小时，业界首款原生支持交互智能的全尺寸人形 |
| 灵犀 X3 | 人形交互服务终端（2026 年底） | 集智能、拟人化、趣味性于一身的新模态产品 |
| 精灵 G2 系列 | 双子工业机型 | G2 Air 极致轻量化+人机合一数采，G2 Max 大负载力控搬运拆码垛 |
| 酷拓 D2 系列 | 四足机器人（2026 年内） | 覆盖大中小三种规格，面向物流/巡检/安防/消防/特种作业 |
六大 AI 模型：
- 运动智能：感控融合全身运控基座模型 + 生成式运控基座模型（多模态交互实时生成任意动作，无需预编排）
- 交互智能：WITA Omni 1.0——行业首个端到端具身多模态交互大模型（Q3 发布），支持中途插话/打断/纠正
- 作业智能：GO-2 模型（已发布）+ GE-2 动作世界模型（已发布）+ GO-3 模型（Q3 推出，融合 ViLLA 架构和世界模型，数据规模达 GO-2 的数十至百倍）
战略框架——XYZ 产业发展曲线：
| 阶段 | 时间 | 定义 |
|---|---|---|
| X 曲线 | 2022-2025 | 研发探索期，从原型到 5000 台量产 |
| Y 曲线 | 2026-2030 | 部署增长期，万台下线→百亿营收 |
| Z 曲线 | 2030 后 | 普及普惠期，群体智能涌现，万亿级市场 |
邓泰华宣布：2026 年是”部署态”元年。
值得关注的原因：
- 从 30 万到 10 亿元——三年 3333 倍增长。这不是 PPT 叙事，智元的万台量产和 7 个已落地解决方案（龙旗产线、富临精工、上汽工厂等）提供了实证
- Vol.21 报道斯坦福 HAI 报告指出”22-25 岁开发者就业下降 20%“，智元大会的数据提供了另一面——具身智能正在创造新的产业需求，而非简单替代人类。远征 A3 的 8-10 小时连续工作能力和 G2 系列的工业部署，指向的是人类不愿意做或做不到的场景
- “生成式运控基座模型”——多模态交互实时生成任意动作，无需预编排。这与 DeepMind Gemini Robotics-ER 1.6（Vol.20）的”双模型架构”形成对照：DeepMind 分离推理模型和执行模型，智元走的是生成式端到端路线
- 首个端到端具身多模态交互大模型 WITA Omni 1.0 如果在 Q3 兑现，将是中国具身智能领域的一个重要里程碑——从”控制”到”交互”是质的跃迁
相关链接：
今日速览
-
Canva AI 2.0 发布——设计行业全链路 AI 重构：4 月 16 日 Canva Create 大会上，Canva 正式发布 AI 2.0，引入对话式设计（自然语言/语音全程迭代）、智能体编排（一句话产出完整成品）、基于对象的智能编辑（精准微调保留分层结构）、持久记忆（越用越懂用户）、完整工作流覆盖（演示文稿/文档/表格/社交媒体）。自研 CORE 团队超 100 名研究员构建的多模态基础模型，运行速度最高达同类方案 7 倍、成本降低 30 倍。整合 Slack/Zoom/Gmail/Notion，正式从设计工具进化为一体化生产力系统。Vol.20 提到 Anthropic AI 设计工具导致 Figma/Adobe 股价下跌——Canva 的回应是：在你们还在传闻阶段，我已经发布了 (中关村在线 · 少数派)
-
OpenAI 推出药物研发专用 Agent 生态：除 GPT-Rosalind 模型外，OpenAI 还宣布与 Novo Nordisk（诺和诺德）成立 AI 药物发现合资企业，将 LLM 与机器学习导入从分子筛选到实验设计的完整流程。加上 Vol.13 报道的 OpenAI Foundation 超 1 亿美元阿尔茨海默研究资助，OpenAI 在生命科学领域的布局已形成”模型+资金+产业合作”的三角结构 (siuleeboss.com)
编者按
4 月 18 日回看本周，一个清晰的信号浮现：AI 公司正在从”模型发布”转向”产品矩阵”。
OpenAI 的动作最能说明问题。一周之内：GPT-6 发布（4/14）→ GPT-5.4-Cyber 网安模型（4/14）→ Codex 超级应用更新（4/16）→ GPT-Rosalind 生命科学模型（4/16）。四个发布，四个方向，共同指向一个战略：OpenAI 不再只是一家”通用模型公司”，而是在用 GPT-6 作为底座，向网络安全、开发者工作流、药物研发三个高价值垂直领域同时渗透。这种速度和密度是对市场的一种声明——“我们不只是在做模型，我们在做平台”。
Codex 的 Computer Use 值得单独说。Vol.5 报道 Anthropic 推出 Claude Computer Use 时，我们指出这是”AI 从对话框走向桌面”的标志性事件。现在 OpenAI 补齐了这个能力，而且做到了”多 Agent 并行 + 不打断用户”。但更有意味的不是 Computer Use 本身，而是它与 Memory、自动化、90+ 插件的组合效应——Codex 不再等你下指令，而是主动发现你 Google Docs 里的未处理评论、GitHub 上的待合并 PR、Slack 里的未读消息，然后自己排优先级、自己干活、跨天恢复长时间任务。如果说 Claude Code 的自主验证（Vol.21）是”AI 学会了检查自己的工作”，那 Codex 的这次更新是”AI 学会了主动找活干”。两者合在一起，Agent 的自主性正在从实验特性变成生产力标配。
GPT-Rosalind 的”批判性推理”设计是一个被低估的信号。在新药研发中，最昂贵的错误不是算错分子量，而是在低价值靶点上一路走到临床三期。GPT-Rosalind 被设计为”会说不”的模型——这与大模型当前普遍的”讨好倾向”（sycophancy）形成鲜明对比。如果这种设计理念被验证有效并推广到其他领域，它可能比任何基准分数的提升都更有价值。
智元机器人的数据则提供了一个观察 AI 产业的不同视角。30 万到 10 亿元的三年增长不是大模型的故事，而是具身智能的故事——AI 从云端走进物理世界，需要的不是更大的参数，而是更好的本体设计、更稳定的运控模型、更可靠的部署方案。邓泰华宣布”2026 年是部署态元年”，与 DeepMind Gemini Robotics-ER 1.6 在 Boston Dynamics Spot 上的落地、GPT-6 的具身智能 API 形成共振——具身智能正在从实验室演示进入工厂产线，从”能动”走向”会干”。