全部 · 2026-06-02

英国议会一个跨党派委员会发报告，认为 Palantir 不该在英国公共数据基础设施里扮演“重要角色”，矛头对准的是 NHS 那笔 3.3 亿英镑（约 4.45 亿美元）的合同。议员担心的是，把全国最敏感的医疗数据交给一家美国科技公司长期运营，会锁死供应商、削弱公众信任。报告没说要立刻废约，但态度很明确：政府得把数据控制权攥在自己手里，不能依赖单一商业平台。 目前两篇报道都来自付费墙媒体，看不到报告原文和 Palantir 的正式回应。议员具体建议用什么替代方案、合同有没有退出条款，正文都没披露。另外，NHS 内部对这套系统的实际使用反馈也完全没提——是确实不好用，还是纯粹出于地缘政治和数据主权的顾虑，这点先别急着下判断。

NVIDIA 这次发布的 NemoClaw 不是一个现成的 AI 产品，而是一套给工业软件厂商用的开发框架，目标是让他们能在自己的软件里嵌入能自主执行任务的 AI 代理——比如自动做仿真、调参数、出报告。官方博客点名了 Ansys、Cadence、Siemens 这几家巨头都在用，但没披露任何一家具体怎么用、效果如何。 框架主打两点：一是安全，强调 AI 代理的操作权限可以被精细控制，不会在工业环境里乱来；二是自主，代理能自己拆任务、调工具、走完整个工程流程。这听起来比简单的聊天机器人进了一步，相当于让模型直接进业务流程干活。但整篇博客都是能力描述，没有性能基准、没有延迟数据、也没有客户自己的验证结论。 对从业者来说，这条消息的价值在于确认了 NVIDIA 在工业 AI 代理这个方向上的产品化动作，但现阶段还缺最关键的东西：实际跑起来的案例和量化结果。如果只是框架发布而没有落地证据，先当路线图看比较稳妥。

Anthropic 给 Claude Code 加了个动态工作流能力，简单说就是模型接到一个复杂任务后，不再一条路走到黑，而是先分析任务结构，自动拆成几个子任务，然后同时启动多个子代理去并行执行。这比之前靠人写死流程或让模型一步步串行做要灵活得多。 官方博客把这个机制比喻成“给每个任务定制一套马具”，意思是工作流不是预设模板，而是根据任务现场生成的。但正文没披露任何基准测试数据，比如并行后到底省了多少时间、token 消耗是增是减、子代理之间的协调失败率有多高。这些数字直接决定这个功能是真实用还是看着酷。 另外，博客也没说子代理之间怎么通信、共享上下文，以及出错时怎么回滚。对开发者来说，这些实现细节比概念重要。建议等社区跑出实测数据再判断是否值得切过去。

这份行政令说白了就是给AI公司开了个“自愿体检”通道，不是强制审批。和之前被拦下的版本比，最大的变化是把提交窗口从最长90天砍到了最多30天，监管力度明显打折。文件里特意写明“不构成准入许可”，算是给行业吃了定心丸，也符合特朗普政府一贯的宽松思路。 政策转向的直接导火索是Anthropic今年4月推出的模型Mythos，它自己扫出了数千个高危系统漏洞，覆盖主流操作系统和浏览器。这个事让一贯淡化AI安全风险的白宫不得不做出回应。谷歌、微软和xAI已经同意在模型上线前让政府机构做安全核验，但整个机制目前全靠企业自觉。 正文没披露如果企业不提交会有什么后果，也没说政府评估完发现问题后能做什么。行业机构已经在呼吁国会立法把这事变成强制要求，说明现在的自愿框架更像是一个表态，离真正管住还有距离。

这条消息的核心是“一次开发，到处部署”。NVIDIA 和微软把各自的家底拼在一起：微软提供 Windows 上的 AI 运行时和开发工具，NVIDIA 提供从 RTX 显卡到 DGX Spark 小主机的本地算力。对开发者来说，最直接的好处是省事——不用为不同环境维护三套代码。 但正文没给出具体的性能对比数据，比如同一个智能体在云端和本地跑，延迟差多少、功耗如何。也没说这套统一栈对模型格式有什么限制，是不是只支持 NVIDIA 自家优化的模型。 另外，本地跑智能体的安全更新被单独拎出来说，说明他们知道企业用户最担心数据泄露和权限失控。不过具体的安全机制（沙箱隔离、权限粒度）正文只提了概念，没展开。这点先别太激动，等后续的技术白皮书出来再看实际落地到什么程度。

微软这次动作很快，直接把 OpenClaw 这个年初在圈内炸开的自主 agent 框架做成了产品。Scout 的核心卖点是“持久化”——它会记住你的工作偏好和反馈，慢慢变成你的专属助手，而不是每次对话都从零开始。从 VP 的表述看，微软想让它融入 M365 生态，在办公场景里自动处理任务。 不过文章只提了概念和一次 demo 体验，没给任何性能数据、错误率或者实际能自动完成哪些具体工作。OpenClaw 当初火是因为它够野、够开放，但也出过乱搞用户邮箱的事故。微软把它收进企业套件里，安全边界和权限控制怎么做，正文完全没提。这点先别太激动，等看到它能稳定处理报销单或者排日程而不翻车，再判断它是不是真有用。

微软在 Build 大会上正式推出了 MAI 系列模型，其中 MAI-Thinking-1 是他们的首款高级推理模型。最值得关注的是，微软发了一份 109 页的技术报告，明确说这个模型在训练时没有用任何合成数据，也没从第三方模型（比如 GPT 或 Gemini）那里做蒸馏，数据血缘很干净。这对于一个成立才两年的团队来说，是个挺实在的交代。 模型本身定位在推理和软件工程任务上，同时发布的还有代码、图像、语音等另外六个模型，看得出微软想快速铺开一个自有模型矩阵。不过，目前公开的信息主要来自微软官方和社交媒体的正面反馈，缺少独立的第三方基准测试对比。报告里写了什么训练技巧、具体成本多少、推理延迟如何，这些关键细节正文都没展开。 如果报告里的数据经得起推敲，那微软在“不靠蒸馏做推理模型”这件事上确实往前走了一步。但实际能力能不能对标现在市面上的头部推理模型，还得等更多人跑完测试再说。

微软 AI 负责人直接点名 Anthropic 的模型太贵，所以他们正在自研更便宜的替代品。这个动作很直白：与其一直给别家模型付高额调用费，不如自己做一个成本更低的，用在自家产品里。 不过，目前公开信息里没有给出新模型的具体跑分、参数量，也没有对比 Anthropic 模型到底便宜了多少。FT 的原文被付费墙挡住，我们只能看到标题和摘要，核心的性能和定价细节都看不到。 对从业者来说，这事的信号意义大于实际参考价值。它说明大厂在加速摆脱对单一外部模型供应商的依赖，但微软这个“平替”到底能不能打，还得等具体技术报告和定价出来再看。

Anthropic 把 Claude Mythos 这个专门找代码漏洞的模型，连同它的“玻璃翼计划”，推给了 15 个国家约 150 家关键基础设施机构，覆盖电力、水务、医疗和通信。按他们的说法，这些地方一旦被黑，可能影响上亿人。这不再是实验室里的攻防演练，而是直接让 AI 进到现实世界的命脉系统里干活。 不过，文章只说了扩张的规模和涉及的行业，没给出任何具体的性能数据。比如 Mythos 在这些真实的老旧工业系统里，漏洞检出率是多少，会不会频繁把正常配置标成高危，这些关键指标全是空白。而且，把 AI 嵌进这么敏感的系统，一旦模型本身出问题或者被对抗样本攻击，后果比漏报几个漏洞严重得多。 目前看，这更像是一次大规模的公测部署公告。要判断它到底靠不靠谱，还得等这些合作方后续会不会公开分享实际使用中的准确率和事故记录。

Uber 不是不让用 AI，是花太快了。内部预算四个月就见底，于是给每人每月设了 1500 美元的上限，主要针对 Claude Code 这类 AI 编程助手。这个动作比任何定价分析都实在——它直接亮出了一家大型科技公司对单人 AI 工具成本的容忍线。1500 美元一个月，放在工程师薪资里不算高，但要是全公司几千人都在用，账单就很吓人了。 目前报道没披露 Uber 内部到底有多少人在用、用的频率多高，也没说这个上限是硬封顶还是超额要审批。另外，这个数字只反映 Uber 一家的账，不代表行业均价。其他公司如果效仿，AI 工具厂商的定价策略可能会被这条线锚定。

OpenAI 在 Codex 里塞进了一个叫 Sites 的功能，简单说就是让 AI 直接把你的想法、表格或者文档变成一个可以点来点去的网页应用，比如项目看板、情景规划器。这比之前光给代码前进了一大步，直接省掉了部署和上线的环节，通过链接就能分享给团队。 目前这个功能还是预览版，只对 Business 和 Enterprise 订阅用户开放。IT 之家的报道主要复述了官方博文，没提生成页面的代码质量、复杂交互的完成度，也没给任何用户实测案例。所以“将想法转化为交互式网站”这个说法，上限和下限差距很大——生成一个能看的仪表盘和生成一个能跑业务逻辑的工具，完全是两码事。 还缺几个关键信息：生成一个站点要等多久，能不能手动改代码，以及免费版和 Plus 用户什么时候能用上。如果这些都不清楚，现在只能说它给企业用户多了一个快速出原型的路子，但离“构建应用从未如此简单”还差很多验证。

OpenAI 这次把 Codex 拆成了六个岗位插件，覆盖数据分析、创意、销售等场景，思路很直白：不让用户自己琢磨怎么用模型，而是把模型塞进现成的岗位流程里。TechCrunch 的标题点出了“白领工作”这个靶心，但正文是空的，我们只能从标题和事件标题推断方向。 目前能确认的是，这不再是通用编程助手，而是按角色切分的工具包。好处是上手门槛低，坏处是灵活度可能打折。关键信息全缺：每个插件具体能做什么、怎么收费、跟现有 Codex 或 ChatGPT 插件体系是什么关系、有没有客户案例或效果数据。这些没公布之前，先别把它当成成熟的岗位替代方案，更像是一次产品打包实验。

Anthropic 发了 Claude Opus 4.8，核心卖点是 Claude Code 现在能先写一个调度脚本，再同时拉起多个子代理并行干活。这听起来像多智能体协作，但有开发者直接泼冷水：松散的 multi-agent 架构并不靠谱，反而是围绕小代理循环的确定性工作流更稳。模型本身被评价为“温和但有用的升级”，主要进步是更诚实，对自己代码里的缺陷没那么瞎。Every 的体感更积极，认为比 4.7 跳了一大步，在内部高级工程师基准上能和 GPT-5.5 掰手腕。但有个硬伤：Claude 的应用端体验还是比 Codex 乱。 跑分方面，它在 ARC-AGI-3 上拿了第一，分数是 GPT-5.5 的三倍，但 Datacurve 的新基准又把它排在 GPT-5.5 下面，只比 5.4 好一丢丢，而且消耗的 token 多得多，成本更高。这种基准打架的情况说明，模型强不强很看你测什么任务。另外，Anthropic 同时提交了机密 S-1 文件，并完成了 650 亿美元 H 轮融资，投后估值 9650 亿，今年很可能 IPO。 这条新闻缺的是 Opus 4.8 在真实生产环境里的延迟和成本数据，以及那个并行子代理功能在复杂项目里的失败率。基准分数看看就好，别急着下结论。