今天三则 AI 更新，
表面上分别在谈：
企业 Agent、
资安、
假新闻。
但它们其实都指向同一个变化：
AI 正开始取得以前只有「人」才会拥有的角色。
Google 想让 AI 拥有自己的工作身份。
Anthropic 想让 AI 像资安研究员一样找漏洞。
OpenAI 则发现，有人已经用 AI 包装出看起来像真人的记者与组织。
所以今天真正值得问的，
已经不只是：
「AI 能不能做？」
而是：
「当它真的在做时，我怎么知道它是谁、做过什么，以及值不值得相信？」
1. Google Cloud 推出「单一 Gemini Agent」：公司里的 AI 开始真的有自己的身份
Google Cloud 10 月 8 日在 Gemini at Work 2026 发布新的：
Gemini Agent。
Google 对它的定位不是：
另一个聊天机器人。
而是：
Single Universal Agent for Work。
意思是，
企业不用替每一个 App 都准备一个完全分开的 AI。
同一个 Gemini Agent 可以：
回答问题、
整理知识、
产生图片与媒体、
写 Code、
运行 Code、
使用公司工具，
再把结果直接送回：
文档、
Email、
开发环境。
它直接进到 Gmail、Drive、Docs、Sheets、Calendar
Google 表示，
Gemini 会 Inline 进入：
Gmail、
Drive、
Docs、
Slides、
Sheets、
Chat、
Calendar。
而且保留同一套：
Memory、
Skills、
Controls。
这代表你不用每换一个 App，
就重新解释一次：
「这个项目在做什么。」
例如一个工作可能变成：
从 Gmail 找出客户最新要求 →
从 Drive 找规格 →
在 Sheets 建分析 →
再做成 Slides。
以前这可能是：
四个 App、
四段 AI 对话。
Google 想把它变成：
同一个 Agent 接着做。
更大的改变：Agent 可以真的变成「团队成员」
Google 这次还提出：
Coworker Agent。
这种 Agent 不只是挂在你的帐号下面工作。
它可以有自己的：
企业身份、
保存空间，
甚至：
@agents.company.com Email。
例如公司可以创建一个：
活动协调 Agent。
团队成员可以：
在 Chat 里 @它，
把它加进文档，
让它准备 Launch Checklist，
完成后再以自己的 Agent 身份回复。
版本纪录也可以显示：
是这个 Agent 做的。
这和以前所有动作最后都挂在某个真人帐号下，
是很不一样的治理方向。
为什么「自己的身份」很重要？
因为未来如果公司里有：
20 个 Agent、
100 个 Agent，
最大的问题之一会变成：
到底是哪一个 AI 做了这件事？
如果所有 Agent 都借用：
王先生、
李小姐
的帐号，
Audit Trail 很快就失去意义。
Google 的方向是：
每一个 Agent 都有：
独立 Identity。
每一个 Action 都能：
归因到那个 Agent。
权限也依 Agent 自己的角色设置。
这样真正出事时，
才能回答：
谁做的？
它当时有哪些权限？
碰过哪些数据？
Gemini Agent 甚至不一定只用 Gemini 模型
另一个很重要的变化是：
Agent 和 Model 开始分开。
Google 表示，
Gemini Agent 可以依不同工作，
在：
Gemini 系列模型
以及：
Anthropic Claude
之间选择。
未来还计划支持：
其他 Private Model
与
Open Model。
也就是：
你合作的是「Gemini Agent」。
但底下每一个工作，
不一定都是 Gemini 模型完成。
简单任务可以跑便宜模型。
困难任务才升级到更强模型。
Google 甚至开始把 AI 预算直接做成硬上限
这次还有一个企业很实际的功能：
Real-time Spend Caps。
公司可以替项目设置：
AI 最多可以花多少。
Gemini 会计算：
Token Usage、
Sandbox Cost。
一旦碰到预算上限：
Agent 直接 Pause。
再由人决定：
要不要继续。
这代表企业 Agent 开始从：
「Prompt 里提醒它节省一点」
走到：
系统真的能替 AI 工作设预算天花板。
Boundary：这不代表所有 Google Workspace 用户今天都突然有一位 AI 员工
这是今天很重要的边界。
Google 公布的是：
新的 Gemini Enterprise Agent 架构与企业能力。
实际：
Edition、
Workspace License、
管理员设置、
Connector、
Feature Rollout
仍会影响你今天能用哪些功能。
所以不能把这篇理解成：
「所有 Gmail 用户今天都可以创建一个有公司 Email 的 AI 员工。」
不是。
这主要是：
Google Cloud／Gemini Enterprise 的企业 Agent 方向。
一般公司今天真正需要做什么？
如果公司已经在规划 Agent，
比「选哪个模型」更值得先写四个字段：
Agent 是谁？
它可以碰什么？
它做过什么要留下纪录？
什么东西永远不能碰？
有趣的是，
Google 这次自己也把企业 Agent Governance 浓缩成几乎相同的四个问题。
Agent 真正开始进公司后，
身份与权限正在变得和模型能力一样重要。
2. Anthropic 启动 Cyber Mission：Claude 开始直接替电网、水务、交通找安全问题
第二件事情发生在资安。
Anthropic 10 月 8 日宣布：
Anthropic Cyber Mission。
它不是单一新模型。
而是一个长期计划，
先从两个方向开始。
第一个是：
Critical Infrastructure Defense Program。
目标包括：
电网、
水务系统、
交通、
政府系统。
Anthropic 表示，
会提供：
Frontier Models、
On-site Engineers、
Threat Research，
和真正保护这些 Operational Technology 的团队合作。
第二个方向更接近一般软件世界：免费 OSS Scanner
Anthropic 同时推出：
OSS Scanner。
它要替符合资格的：
Open-source Projects
定期做：
免费漏洞扫描。
而且不是只告诉 Maintainer：
「这里可能有问题。」
报告可以包含：
漏洞解释、
Proof of Concept、
Bug 从哪次改动开始出现，
以及有机会提供：
Candidate Patch。
AI 找漏洞的能力真的已经进步很多
Anthropic 表示，
在学术漏洞 Benchmark：
CyberGym
上，
LLM 从去年初：
不到 20%
一路提升到今年：
超过 85%
的漏洞发现能力。
这是 Anthropic 引用的 Benchmark 结果，
不是代表：
「Claude 现在能找到任何软件 85% 的漏洞。」
不同：
Codebase、
语言、
攻击面
都可能完全不同。
但它至少说明，
AI Vulnerability Research 已经从：
大量低品质报告
开始进到：
部分 Maintainer 愿意真的拿来修 Bug
的阶段。
Anthropic 还做了一次人工验证
早期版本里，
Anthropic 找专业 Penetration Tester，
检查：
48 个项目中的 97 个
Critical／High Severity Finding。
其中：
85 个
达到 Anthropic Coordinated Vulnerability Disclosure 的标准。
剩下 12 个中：
11 个其实也是真的问题，
只是：
重复已知问题
或
重复 Scanner 其他 Finding。
只有：
1 个
被判定为 Invalid。
这组结果很漂亮。
但仍然不能直接变成：
「OSS Scanner 准确率永远 99%。」
因为这只是：
特定测试样本。
最大 Boundary：新的 OSS Scanner 报告，不会先有人替你审
这点反而可能是今天最重要的。
Anthropic 明确说：
新服务发出的 Findings：
Fully Model-generated。
而且：
Without Human Review or Triage。
原因是：
这样可以更快、
更频繁地把漏洞送给 Maintainer。
但代价就是：
报告仍可能：
判错严重程度、
误解 Threat Model，
甚至出现：
Invalid Finding。
所以：
收到「Critical Vulnerability」
不能直接等于：
「产品已经确定有 Critical 漏洞。」
真正成熟的使用方式仍然是：
AI 找 →
人验证 →
重现 →
判断影响 →
修补。
为什么这和一般人也有关？
因为你每天使用的：
Browser、
Server、
Programming Language、
Library、
App
背后，
几乎都依赖大量 Open-source Code。
而很多核心 Open-source Project，
维护者可能只有：
几个人。
Attackers 现在也能利用 AI 更快找漏洞。
如果防守方还只能靠少量 Maintainer：
人工慢慢扫，
攻防速度就会失衡。
Anthropic 的赌注是：
既然 AI 让找漏洞变便宜，也要把同一种能力交给防守者。
今天需要采取什么行动？
如果你只是一般用户：
不用做什么。
如果你是：
Open-source Maintainer、
Security Team、
Critical Infrastructure Vendor，
才值得进一步评估这些计划。
但不论用 Anthropic 或其他 AI Scanner，
都有一条原则不要省：
AI Finding 是待验证证据，不是自动成立的事实。
这和一般 AI 回答其实一样。
只是到了资安领域，
错一次的代价更大。
3. OpenAI：有人已经用 AI 做出「看起来像真的记者」，文章还成功登上真媒体
第三件事情不是模型发布。
而是：
信任。
OpenAI 10 月 8 日公布新的 Threat Investigation。
公司表示，
最近封锁两组：
Covert Influence Operations。
一组与：
伊朗
有关。
另一组与：
俄罗斯
有关。
它们共同的玩法不是：
单纯创建一万个 Bot 帐号洗版。
而是创建：
False Front。
也就是：
表面上看起来像真正的人、
真正媒体、
真正研究机构。
伊朗行动创建了 7 个「记者」
OpenAI 表示，
相关行动创建：
7 个 Journalist Personas。
这些 Persona 有：
名字、
作者背景、
社区帐号，
甚至在：
Medium、
X、
Facebook、
Instagram、
Threads
创建外部存在感。
其中有人把自己描述成：
美国自由撰稿人。
但 Meta 的透明度数据显示，
部分帐号实际位于：
Iran。
更值得注意的是：文章真的进到媒体里了
OpenAI 利用公开来源调查后，
找到：
接近 100 篇文章
使用和这组行动有关的作者署名，
出现在：
超过十多家不同 Publication。
最早可以追到：
2025 年 7 月。
最新则一路到：
2026 年 10 月。
其中不少内容聚焦：
国际政治、
中东、
美伊关系。
而且至少部分文章，
后来还被真正媒体自己的社区帐号：
继续推广。
也就是，
影响行动不一定要自己创建一个：
「假的新闻网站」。
只要让：
假的人
成功把内容送进：
真的媒体
就可以借用真媒体的信任。
这和以前 AI 假文最大的差别是什么？
以前大家比较担心：
「这段文字是不是 AI 写的？」
但今天更麻烦的问题变成：
「这个作者到底是不是真的存在？」
因为文章本身可能：
语法正常、
结构正常、
有专业语气、
出现在真正的网站。
如果编辑流程只检查：
文章写得好不好，
却没有验：
作者是谁、
背景是否存在、
社区身份是否一致，
AI 可以帮助操作方补齐整个：
Identity Layer。
俄罗斯行动甚至疑似让真人替假的组织站台
OpenAI 另外描述的俄罗斯行动，
则出现另一种做法：
创建表面上像真的：
Think Tank。
并可能让：
拉丁美洲一些不知情的人
协助这个组织在现实世界运作。
这代表「假」和「真」开始可以混在一起。
假组织。
真人参与。
AI 内容。
真媒体曝光。
一旦混成这样，
只靠：
「这张照片是不是 Deepfake？」
已经不够。
Boundary：不是那近 100 篇都已被证明完全由 AI 自动生成
这点一定要讲清楚。
OpenAI 确认的是：
那些文章的 Byline
与该 Influence Operation 有关。
并且这些 Operation 使用 OpenAI 模型配合其他传统工具与技巧。
这不等于 OpenAI 已逐字证明：
接近 100 篇文章的每一个字，
全部由 AI 自动生成。
所以更准确的说法是：
AI 被集成进一套假身份与影响行动里。
而不是：
「AI 自己写了 100 篇假新闻。」
一般读者现在怎么判断？
以后看到一篇看起来很专业的文章，
尤其是：
政治、
战争、
国际冲突、
高度争议议题，
不要只问：
「这段文字看起来像不像 AI？」
更值得看：
作者以前写过什么？
作者页存在多久？
其他地方能不能找到这个人？
社区帐号什么时候创建？
来源是否能独立验证？
其他可靠媒体是否有相同事实？
因为真正成熟的 AI 影响操作，
未来可能根本不需要：
看起来像垃圾内容。
反而会努力让自己：
看起来完全正常。
今天三件事真正连起来的是「身份」
Google 正在替 AI 建：
工作身份。
让你知道：
是哪个 Agent 做的。
Anthropic 正在让 AI 担任：
资安研究角色。
但仍要求人知道：
模型 Finding 不等于已确认漏洞。
OpenAI 则刚好展示另一面：
有人也可以利用 AI，
制造：
假的人类身份。
所以 AI 愈往真实世界走，
下一个最重要的能力可能不是：
「看起来像不像人。」
而是：
能不能证明它到底是谁。
对企业来说，
这叫：
Identity、
Permission、
Audit Trail。
对内容世界来说，
这叫：
Author Verification、
Provenance、
Source Checking。
AI 能力愈强，
「谁做的」这个问题，
反而会变得愈重要。
推荐阅读
今日 AI 工具｜2026/08/12：Google Workspace Studio，用一句话把 Gmail、Drive、Sheets、Chat 串成 AI 自动化流程
今日 AI 工具｜2026/09/11：Qodo Agentic Toolbox，让另一个 AI 先检查 Claude Code、Codex、Kiro 的改动，再开 Pull Request
