在AI与不确定性交织的时代，传统劳动力规划已不足以应对挑战，报告提出五大关键转变，帮助组织将劳动力规划重塑为动态、数据驱动的核心竞争优势。

德勤基于“利益相关者成果”与“实现绩效目标”两大关键不确定性，构建了四种2027年前的企业生成式AI未来情景，帮助组织在高度不确定中压力测试战略、发现隐藏风险与机遇。

一种无需更新模型权重的方法，通过将智能体技能作为可训练参数，在52个评估单元上全面超越现有基线，在GPT-5.5上平均分从58.8提升至82.3，并让小型模型性能超越更大模型。

Memora 提出了一种平衡抽象与特异性的记忆表征方法，通过将每个记忆拆分为“主要抽象”（6–8词短语）和“记忆值”两部分，并仅对抽象进行相似性搜索，从而避免信息碎片化；同时引入“线索锚点”作为上下文感知的标签，提供多条检索路径，无需预定义本体。在此基础上，Memora 采用策略引导的检索器，通过迭代查询和线索扩展实现多跳推理，在 LoCoMo 和 LongMemEval 两个长上下文基准上分别达到86.3%和87.4%的准确率，显著超越RAG、Mem0等现有方法，且每个对话存储的记忆条目仅为Mem0的一半，令牌消耗相比全上下文推理降低高达98%。这项工作为AI代理实现长期协作与组织知识积累提供了新思路。

Google 提出一种将多Token预测（MTP）改造后应用于冻结的Gemini Nano v3模型的新架构，在Pixel设备上实现显著加速，无需独立草稿模型即可降低内存占用并提升推理速度。

GCT（生成性因果测试）提出了一种闭环验证方法，先利用AI从脑部预测模型中提取简洁的语义解释（如“食物准备”或“地名”），再让大语言模型根据该解释生成新故事，并通过扫描受试者阅读时的脑部活动来因果性地检验解释是否成立。该方法成功区分了三个传统上被认为功能相似的脑区（RSC、PPA、OPA），例如发现RSC对专有地名而非泛指地点反应更强，还意外发现了对“对话”、“时钟时间”和“数字测量”等特定概念敏感的前额叶微区域。这项研究的意义在于，它证明数据驱动的预测模型可以被蒸馏为可读、可实验检验的理论，为神经科学提供了一种更快、更富假设性的皮层映射方式。

Google Research 的研究发现，让大语言模型在回答简单事实性问题时生成推理链（chain-of-thought），能解锁其参数记忆中原本无法直接提取的正确答案，即使问题本身无需复杂步骤。这一反直觉现象由两种机制驱动：一是利用生成的推理标记进行潜在计算，二是通过生成相关事实来激活正确回忆。研究在Gemini-2.5和Qwen3-32B等模型上验证，启用推理后模型成功回忆了关闭推理时几乎无法获取的答案，且提升并非源于问题分解。该发现揭示了推理在简单事实检索中的意外作用，为理解LLM知识调用提供了新视角。

Google Research 发布了首个将高分辨率像素地图转化为可操作矢量数据集的产品，能够精准识别农田中通常被卫星忽略的细小生态特征（如树篱、灌木丛和石墙），为在不牺牲粮食安全的前提下应对气候与生物多样性危机提供了新路径。该数据集基于与牛津大学Leverhulme自然恢复中心合作开发的Farmscapes 2020高分辨率地图，通过克服空间拓扑与语义分类等技术难题，将“木质像素”区分为具有不同生态功能的形状（如森林核心、连接廊道或孤立树丛），使土地所有者和保护者能够测量并扩展这些特征。这一成果让原本在国家森林清查中“不可见”的细小木本结构变得可量化，有望在不与农业用地竞争的情况下增强碳储存和生物多样性。

Google Research 的研究表明，AI 工具能显著帮助普通人更好地理解自身皮肤状况，包括提升对病症的命名能力和确定下一步行动的能力。这项发表在《JAMA Dermatology》上的大规模定量研究，让 2345 名参与者借助 AI 原型工具分析皮肤病例，发现结构化 AI 辅助比传统网络搜索更能改善用户对皮肤问题的认知。研究强调，尽管 AI 提供了信息，但人类如何与 AI 互动以做出更优决策仍是关键，尤其在皮肤科领域，普通人常因缺乏专业知识而难以准确搜索或理解症状。该成果为开发更有效的健康信息 AI 工具奠定了基础，旨在帮助用户从“获取信息”真正走向“正确决策”。

Anthropic 发布负责任扩展政策（RSP），核心是建立AI安全等级（ASL）框架，要求模型的安全标准与其潜在的灾难性风险相匹配，当前包括Claude在内的系统属于ASL-2。

Fable 5 重新部署后，其安全分类器将网络安全用途划分为四类并采取不同策略，同时提出了与 Glasswing 合作的 AI 越狱严重性框架草案，旨在建立行业标准。

Anthropic 为Claude Enterprise推出三项关键功能——管理分析面板、模型级权限控制和支出警报，让企业管理员能实时追踪采用情况、精细化管理成本并设置安全护栏，标志着企业级AI从“可用”迈向“可控、可管、可审计”。

医疗行业正面临生产力危机，仅靠增加招聘和引入技术无法解决。下一阶段的护理取决于通过人机协作工作流实现自动化。

Miro 联合创始人兼首席执行官 Andrey Khusid 回顾了公司从数字白板到 AI 驱动工作流平台的演变历程，并探讨了 AI 如何重塑软件领域的竞争优势。

人工智能正在从剧本到银幕重塑电影和电视制作——但最大的颠覆可能并非人们所预测的那些。

Claude Fable 5 因出口管制暂停后于7月1日恢复全球访问，其安全防护措施被证实能有效阻止超过99%的特定越狱技术，但误报良性请求的代价也随之增加。

Claude Sonnet 5 在智能体能力上大幅提升，性能接近 Opus 4.8 但价格更低，在推理、工具使用和编码等关键任务上显著超越前代 Sonnet 4.6，同时不良行为发生率更低。

Claude Science 将科学家常用的零散工具整合为统一工作台，通过通用协调智能体与60多种预配置技能，支持基因组学、蛋白质结构预测等领域的多步骤研究，并生成可审计、可复现的图表与手稿。

Google DeepMind 推出 Nano Banana 2 Lite 端侧推理芯片与 Gemini Omni Flash 多模态模型的联合方案，在边缘设备上实现低延迟、高能效的实时 AI 推理，端到端延迟控制在 50 毫秒以内，功耗降低 80% 以上。

GeneBench-Pro 是一个专为衡量 AI 智能体在计算生物学中处理模糊性、修正假设并做出关键判断能力而设计的研究级基准测试，其合成构建的问题避免了常见基准测试的失败模式，目前最强模型 GPT‑5.6 Sol 的通过率仅为 31.5%，远高于早期模型，但人类专家完成单个问题仍需 20‑40 小时。

Anthropic 系统定义了四种循环模式，让Claude从“一问一答”升级为能持续思考、迭代优化的主动智能；在代码修复任务中，目标导向循环将成功率从45%提升至92%，为构建复杂AI应用提供了从理论到代码的完整参考。

一种基于连接决策循环的 AI 驱动研发模式——取代当前顺序、碎片化的工作流程——可以减少不确定性、压缩时间线，并加速药物上市。

随着AI工作负载的增长，数据中心资本支出激增，但竞争力日益取决于获取先进加速器、可靠电力以及快速项目交付的能力。

AI数据中心的爆发式增长以及汽车及其他产品的持续电气化，极大地增加了电力需求，重新激发了人们对核电生产的兴趣。

企业在技术和 AI 转型过程中遇到独特问题是很正常的。关键在于做好适应变化的准备。

Anthropic 发布无状态容器架构的Claude apps gateway，为Amazon Bedrock和Google Cloud上的Claude提供统一企业级管控，整合SSO、策略执行与成本归属，显著降低多云运维复杂度。

Claude 模型正式在 Microsoft Foundry 上全面可用，企业客户可直接在 Azure 环境中调用，无需额外配置；此举标志着 Anthropic 多云战略的关键一步，使 Claude 同时覆盖 AWS 与 Azure 两大主流云平台。

从 AI 到低碳能源，一切都离不开关键矿产，而非洲矿业正处于核心位置。三项关键举措有助于释放该大陆的天然矿产优势。

冻结多Token预测（Frozen MTP）在Pixel设备上为Gemini Nano模型带来约2-3倍的推理加速，且无需额外训练或牺牲生成质量，通过复用模型原生预测头实现端侧实时交互。

Claude 的使用节奏精准映射了人类工作与生活的周期：周末个人用途激增、凌晨3点睡眠咨询达峰、报税截止日前税务请求飙升8倍；同时，计算资源投入与工作价值正相关，且最依赖自动化模式的用户对未来薪酬与工作意义最为乐观。

在卸任麦肯锡全球研究院主席之际，Sven 思考了当前的人工智能时刻、下一个重大创意的来源，以及机构未来将如何利用知识。

早在中东冲突爆发之前，地缘政治就已跃升为投资者最关心的问题。AI颠覆和资本配置纪律同样备受关注。

AI的下一个突破可能不是更智能的模型，而是更便宜的token。

AI的下一个前沿是物理世界。以机器人为形式的具身智能，到2040年可能改变我们的生活和工作方式。

从个人效率提升到完整工作流和角色重塑——三位麦肯锡专家阐释AI如何改变软件创造过程，以及哪些公司能够从中获取价值。

自动化软件的部署、生产和监控系统一直颇具挑战。Resolve AI首席执行官解释了AI如何提升可靠性、速度和减轻工作负担。

这家荷兰领先的电信公司通过用智能体AI改造其联络中心，正在强化服务质量、提升效率，并构建长期竞争力所需的AI能力。

随着企业推动 AI 试点项目规模化，数据正成为制约因素。领导者们正优先考虑数据就绪，将结构化与非结构化数据连接起来，形成受治理、可复用的基础。

广泛采用 AI 的私募股权支持企业，其收入中位数倍数是以生产力计划为重点企业的两倍以上。

AI 发展迅速，企业不能再将其视为边缘举措。中欧企业可以通过围绕 AI 重新设计业务领域和组织架构来抢占先机。

营销人员正在使用 AI，但表面的热情掩盖了阻碍实质性变革的焦虑、犹豫不决和运营模式缺口。

围绕洞察、创意、个性化、代理型商务和编排构建的能力，构成了未来营销的五大核心支柱。

我们的调查揭示了卓越运营如何成为 AI 规模化应用的隐形加速器。

Alurx 创始人兼首席执行官 Julia Stewart 分享了她从上市公司 CEO 转型为健康科技企业家的历程，以及企业领导者如何建立信心，借助 AI 实现企业转型。

这家英国时尚零售商的首席技术官讨论了为何代理型 AI 代表着消费者与品牌互动方式的‘结构性转变’。

FairPrice Group 的 Vipul Chawla 与麦肯锡的 Gautam Kumra 畅谈如何利用 AI 消除购物摩擦、应对供应链冲击，以及在创新与保持日常必需品价格亲民的使命之间取得平衡。

覆盖欧美中的 HR 基准调研：劳动力市场趋稳、技能缺口收窄至 23%，但 AI 使用与培训区域分化显著（中国日常用 AI 达 77%），HR 正从"职能卓越"迈向"系统级转型"的转折点。

Gemini 3.5 Flash 首次实现“计算机使用”功能，能直接操控界面执行点击、输入等操作，将AI从对话助手进化为数字代理人；该功能基于视觉-语言-动作联合建模，在标准化GUI任务中成功率超过70%，但处于早期实验阶段，需谨慎监控。

Anthropic 提出AI应从被动工具升级为主动“智能体”，与人类组成团队协同决策，而非单机问答；通过角色分工、工具调用和反馈循环，在软件开发、数据分析等场景中显著释放人类认知负荷，让AI负责执行、人类专注高价值判断。

对81,000名Claude用户的调查显示，AI接触度越高的岗位，从业者对就业替代的担忧越强烈；同时，最高薪与最低薪职业群体均报告了最大的生产力提升，主要来自工作范围扩展。

Anthropic 在 Claude Tag 中引入智能体身份访问模型，为每个 AI 智能体赋予独立身份标识，解决了传统共享账号模式下权限混乱与数据泄露风险；该模型通过身份注册表、策略引擎和审计日志实现权限隔离与行为追溯，使团队能安全部署自主 AI 协作。

Claude Tag 让团队在 Slack 中像标记队友一样 @Claude 并委派任务，支持多玩家协作、主动行动和异步工作；Anthropic 内部产品团队 65% 的代码已由它创建，目前面向 Claude Enterprise 和 Team 客户提供测试版。

A24 与 Google DeepMind 合作，旨在将前沿 AI 研究融入独立电影制作，开发辅助而非替代人类创作者的创意工具，探索人机协作重塑电影叙事与视觉风格的新范式。

Google DeepMind 战略投资独立电影公司A24，跨界探索AI理解与生成人类情感叙事的能力，旨在通过多模态学习攻克AI在隐喻化、非线性叙事中的“盲区”，推动“人机共创”叙事模式。

谷歌向A24投资7500万美元，旨在利用其影视内容为DeepMind提供富含情感与叙事的高质量多模态训练数据，标志着AI研发从技术驱动转向内容驱动的新范式。

Google DeepMind 与 A24 宣布首次研究合作，旨在探索AI在叙事、视觉艺术和电影制作中的创新应用，打破AI研究与创意产业间的传统壁垒，有望定义AI在影视创作中的伦理边界与实用范式。

Google DeepMind 与 A24 宣布首次研究合作，旨在将AI技术深度融入电影叙事艺术，探索人机协同的创意工具，而非取代人类创作者。

Claude 桌面端完整体验（Chat、Cowork、Code）现已登陆 AWS、Google Cloud 和 Microsoft Foundry 三大云平台，实现前端统一、后端灵活的企业级部署，支持数据主权、成本优化与统一管理。

AlphaFold 核心发明人、诺贝尔化学奖提名科学家 John Jumper 从 Google DeepMind 加入 Anthropic，标志着顶尖 AI 人才从基础科研向 AI 安全与对齐领域的战略转移，预示 AI 科学应用与安全治理的交叉探索将加速。

Anthropic 与盖茨基金会达成2亿美元合作，承诺四年内投入赠款、Claude使用额度及技术支持，聚焦全球健康、生命科学、教育和经济流动性领域，并计划公开其工作方法与项目影响。

Claude 在 BioMysteryBench 上的表现已与人类专家相当，最新一代模型甚至能解决许多人类专家小组无法解决的问题，且采用了截然不同的策略。该基准测试通过 99 个基于真实数据、答案客观且方法无关的生物信息学任务，评估模型应对复杂科学问题的能力。

Claude Opus 4.7 在无需人工协助的情况下，以比最快人类团队快约20倍的速度完成了项目Fetch第二阶段的所有任务，但仍在精确操控机器人移动沙滩球等闭环控制环节存在困难。

Claude Code 正式集成 Artifacts，让开发者在终端中实时预览可交互的代码、文档或设计稿，将对话式编码工具升级为协作式开发环境，显著提升迭代速度并降低上下文切换成本。

Anthropic 首次从“上下文成本”和“权威层级”两个维度，系统分类了Claude Code的七种行为引导机制，指出没有万能方案，开发者需根据场景组合使用以平衡灵活性与可控性。

Anthropic 宣布企业可通过 Okta 集中管理 MCP 连接器授权，将用户 onboarding 时间从分钟级缩短至秒级，并实现权限变更即时生效与安全审计可追溯，标志着 MCP 生态从开发者自配置迈向企业级集中管控。

Google DeepMind 提出“纵深防御”框架，主动假设AI模型可能产生有害行为，通过多层安全机制将防护从“事后补救”转向“事前预防”，并发现多层防御可有效检测90%以上异常行为，适用于内部高能力AI系统。

前沿红队通过压力测试和基于证据的分析，系统评估了AI在网络安全、漏洞利用及自主系统领域的能力与风险，其最新研究显示大语言模型在真实网络靶场上已展现出更强的漏洞发现与利用能力。

Claude Mythos Preview 在网络安全能力上实现巨大飞跃，能自主发现并利用多个主流操作系统和浏览器中的零日漏洞，其漏洞利用成功率较前代模型Opus 4.6从接近0%提升至数百次成功。

Anthropic 与美国能源部国家核安全管理局（NNSA）合作，为AI模型开发出核扩散风险分类器，在合成测试中以96.2%的准确率区分危险与良性的核相关对话，并已部署到Claude流量中。

前沿大语言模型已能自主将公开补丁快速转化为可工作的漏洞利用程序：在18个Firefox补丁中，最强模型Claude Mythos Preview在12小时内构建了8个完整利用链，并在Windows内核上同样实现了8个提权利用，显著缩短了传统上数周甚至数月的“补丁缺口”窗口。

AI正帮助攻击者更轻松地实施复杂网络行动：高风险行为者比例在不到一年内从33%跃升至56%，且区分风险的关键不再是技术复杂度，而是攻击者如何利用AI智能体编排攻击。

Mythos Preview 在漏洞利用开发能力上实现了阶跃式变革，是唯一能在多个基准中可靠突破 V8 沙箱并实现任意代码执行的模型，在 ExploitBench 的 41 个 CVE 中成功完成 21 个 ACE，显著领先所有其他被评估模型。

Claude Opus 4.6 成功逆向工程了 Firefox 的 CVE-2026-2796 漏洞并编写出利用代码，尽管目前仅适用于移除了部分安全特性的测试环境，且成功率有限，但已接近全链漏洞利用能力，被视为 LLM 网络能力发展的重要早期预警。

Claude Opus 4.6 无需定制工具即可像人类研究员一样阅读代码并发现高严重性漏洞，已在开源项目中验证超过500个，包括潜伏数十年的零日漏洞。

Anthropic 前沿红队开发的 AI 智能体，通过 Claude 自动推断代码属性并编写基于属性的测试，在 NumPy、SciPy 等顶级 Python 包中发现了数百个漏洞，经人工验证后已向开发者报告并修复。

Claude Sonnet 4.5 在真实网络靶场中仅用标准开源工具即可自主完成多阶段攻击，无需前代模型依赖的定制工具包，标志着AI自主网络攻防能力显著提升。

Anthropic 与太平洋西北国家实验室（PNNL）合作，利用 Claude 将水处理厂网络攻击模拟从数周缩短至三小时，证明 AI 能加速关键基础设施的防御红队演练。

AI 智能体在智能合约漏洞利用中展现了显著的经济影响：Claude Opus 4.5、Sonnet 4.5 和 GPT-5 开发的漏洞利用代码总价值达 460 万美元，并成功发现了两个全新的零日漏洞，证明盈利性自主漏洞利用在技术上可行。

Anthropic 与美国能源部及 NNSA 合作，为 AI 模型开发出可自动区分核相关危险对话的分类器，初步测试准确率达 96%，并已部署到 Claude 流量中。

配备网络工具包 Incalmo 的 LLM 能在企业级网络中自主执行多阶段攻击，在 10 个测试网络中实现半数完全攻破，显著降低了复杂网络攻击的门槛，同时为自动化防御提供了新可能。

Claude 在部分网络安全竞赛中已能与人类旗鼓相当，通常排进前25%，但在最困难挑战上仍落后顶尖人类团队；其优势在于解决简单任务时速度极快，且能自主利用工具高效工作。

Claude Opus 4 在网络安全评估中展现出显著进展，漏洞识别与多步攻击链执行能力大幅提升，但面对意外障碍时仍难以维持长期计划。

Anthropic 的红队评估表明，前沿大语言模型在生物风险相关测试中已接近甚至超过人类专家，且能显著提升非专家制定生物武器获取计划的能力，但实际实验室操作中的提升尚未被证实。

Claude Sonnet 4.5 在网络安全任务中已能匹配甚至超越两个月前的顶尖模型 Opus 4.1，其发现代码漏洞的成功率在半年内翻倍，并在模拟中重现了历史上代价最高的网络攻击之一。

Anthropic 在首尔设立办事处，并与韩国AI生态建立新合作，重点覆盖企业、初创及研究机构，包括NAVER、LG、三星等大规模部署Claude，以及支持NAIRL等学术研究。

Claude Opus 4.8 在一天内驱动三个获奖项目落地，验证了多模态模型在文化遗产重建、合成数据生成与交互式叙事中的实用价值，其中唐代建筑重建项目尤为亮眼。

Claude Design 升级为能跨项目严格遵循设计系统的日常品牌设计助手，通过设计系统绑定、画布直接编辑和工具链集成，将AI辅助设计从一次性生成推向持续维护与迭代的新阶段。

Anthropic 正式推出 Workload Identity Federation（WIF），用基于 OIDC 协议的短期凭证替代静态 API 密钥，从根本上消除密钥泄露风险，并兼容 AWS、Azure、GCP 等主流身份提供商，适用于自动化生产环境。

LifeSciBench 是一个由173位博士级科学家编写、453位专家评审的基准测试，包含750项任务，旨在衡量AI系统处理真实生命科学研究复杂性的能力，而非仅回答孤立问题。

领域专业知识比编程技能更能决定AI编程代理的成功：人类主导规划决策（约70%），Claude负责执行决策（约80%），且专家用户每条指令能触发更多工作，但中级与专家用户的成功率差距并不大。

部署模拟通过在发布前用候选模型重放真实对话，能显著提升对不期望模型行为率的预测准确性，并在GPT-5系列Thinking模型的部署中发现了传统评估无法覆盖的新不对齐行为。

Anthropic 认为AI可能在未来十年内产生堪比工业革命的巨大影响，但当前无法确保系统稳健地表现良好，因此必须优先推进以经验为驱动的多方面安全研究。

六项获奖项目展示了Claude Opus 4.7与Claude Code从“对话助手”向“自主执行代理”的转型，覆盖医疗培训、工厂维护等六大垂直场景，关键洞察是任务完成率比对话流畅度更重要，且领域定制化与错误恢复机制是可靠性的核心。

美国政府以国家安全为由指令Anthropic暂停Fable 5和Mythos 5的访问，但Anthropic声明该指令基于一种狭窄的非通用越狱方法，且该能力在其他公开模型中同样可用，认为此举缺乏透明与公平。

TCS 与 Anthropic 合作，将向56个国家的5万名员工提供Claude，并为金融、医疗等受监管行业构建基于Claude的行业解决方案，首批应用已覆盖保险理赔和银行贷款咨询。

近半数美国人将治愈癌症列为对AI的首要期望，但64%担忧失业、56%担忧认知依赖；超70%支持政府监管，仅15%信任AI公司决策，且各州、党派间存在广泛共识。

DXC 将培训数万名获得 Claude 认证的工程师，把 Claude 集成到银行、航空公司等受严格监管行业的核心系统中；该联盟基于 DXC 自身已验证的实践——其 AI 原生平台 OASIS 超 95% 代码由 Claude 生成，开发速度提升 10 倍。

Anthropic 推出 Claude Corps 全国性奖学金项目，投入1.5亿美元，为1,000名早期职业人士提供AI培训并匹配非营利组织全职工作一年，旨在将AI惠益推广至美国各地社区。

DeepMind 宣布加大对多智能体 AI 安全研究的投资，系统识别出多个 AI 系统交互时可能涌现的独特风险，并计划建立新理论框架与评估基准来防范群体智能带来的级联效应与博弈陷阱。