一家国产AI团队把企业级AI的赌注，押在了一个与聊天机器人截然不同的方向。7月16日晚，面壁智能宣布开源StaffDeck——一个用于构建和管理数字员工的企业级平台，代码已托管至GitHub仓库github.com/OpenBMB/StaffDeck。
与市面上大量套着企业外壳的对话机器人不同，StaffDeck瞄准的是数字劳动力。它试图将组织内部的专业知识、标准作业流程（SOP）以及各类决策规则，转化为一批能够持续工作、不断改进并保留组织知识的数字员工。在面壁智能的表述里，企业级AI的下一站不是更会接话的聊天框，而是能沉淀经验、替组织把规矩记牢的生产力本身。
支撑这一平台的，是一支横跨学界与产业的联合阵容。项目由面壁智能、东北大学与面壁共建的数据智能联合实验室、清华大学自然语言处理实验室（THUNLP）、OpenBMB以及AI9Stars共同打造。多家机构把学术研究能力与企业落地经验一并压了进来，这也让StaffDeck从一开始就不只是单个公司的内部工具，而是面向企业AI落地场景的开放平台。
从技术定位看，StaffDeck的核心差异在于知识的持续驻留。传统聊天机器人的尴尬在于，对话一关，上下文随之消散，组织的隐性经验难以沉淀;而StaffDeck要做的，是把散落在老员工脑中的专业判断、白纸黑字的流程规范，以及那些不成文的决策逻辑，翻译成可以被系统长期执行和迭代的数字员工。这意味着知识不再随人员流动而流失，而是留在了系统里。
此次开源由OpenBMB在社交平台发布，并附上了完整的GitHub仓库链接。对于正在评估企业AI落地、却不愿再堆砌一层聊天皮的团队而言，StaffDeck提供了一个可直接检视与二次开发的技术底座。当行业仍在比拼对话机器人的响应技巧时，面壁智能这一步，选择了一条更偏重组织能力沉淀的路径。
项目地址:https://github.com/OpenBMB/StaffDeck
NVIDIA推出Nemotron3Embed嵌入向量模型系列，专为生产级RAG、智能体检索、代码检索和记忆场景设计。8B版本在RTEB基准测试中排名第一，成为性能最强的开源嵌入模型。系列包含三个开放检查点：精度优先的Nemotron-3-Embed-8B-BF16、轻量化的1B-BF16版，以及针对Blackwell架构优化的1B-NVFP4四比特版本，所有模型均采用双向注意力机制。
银河通用机器人CTO王鹤在2026世界人工智能大会上预测，具身智能2028年前将迎来重大突破，表现媲美ChatGPT。基础模型经海量数据训练，对未专门训练任务可达70%-80%成功率，堪比早期数字模型。
通义实验室推出Wan-Streamer v0.2，彻底解决传统视频通话卡顿、延迟和声画不同步问题。该端到端全模态模型仅550毫秒响应，将听、看、说、演能力整合于单一Transformer架构，实现近乎真实的“面对面”自然交流。
文远知行发布物理AI认知基础大模型WeRide WITT，核心是引入“最小物理事实单元”概念，让AI能更精准地理解视频、图像和文本等多模态信息，推动自动驾驶复杂场景的认知能力升级。
百度沈抖预测，2026年下半年将涌现大量通用与行业智能体落地案例；未来三年是关键窗口，90%的工作将由AI深度协同而非完全替代人完成。
关注 “悠AI” 更多干货技巧行业动态
相关文章
