AI内参｜OpenAI $1220亿融资创纪录，白宫拟审查AI模型，Anthropic Mythos引发网络安全震荡

🛠️ 技术生态

OpenAI 完成史上最大私募融资：$1220亿，估值$8520亿

OpenAI 于2026年3月31日正式完成了一轮高达 $1220亿 的融资，投后估值达到 $8520亿，这是科技史上规模最大的私募融资，也几乎成为资本市场史上最大的融资事件。

本轮融资由三大科技巨头锚定：Amazon 承诺投资 $500亿，NVIDIA 和 SoftBank 各投资 $300亿。此外，参与方还包括 Altimeter、Appaloosa LP、ARK Invest、BlackRock 附属基金、Blackstone、Coatue、D1 Capital Partners、Dragoneer、Fidelity、Insight Partners、Sequoia Capital、Temasek、Thrive Capital 等全球顶级机构。值得注意的是，OpenAI 首次通过银行渠道向个人投资者开放参与，通过该渠道募集超过 $30亿。

OpenAI 目前月收入已达 $20亿（较2024年底的每季度$10亿大幅跃升），其中企业收入占比 40%（2025年约为30%），公司预计2026年底将实现消费者与企业收入的平衡。ChatGPT 的周活跃用户已超过 9亿，付费用户超过 5000万。Sam Altman 将这一轮融资比作历史上的电力、高速公路和互联网基础设施建设。

• OpenAI 官宣公告
• CNBC：OpenAI closes funding round at $852B valuation
• Enterprise Technology Association 分析
• Pulse2.0 详细报道
• TechCrunch：OpenAI 从零售投资者处募集 $30亿

OpenAI 推出 ChatGPT Images 2.0：首个具备推理能力的图像生成模型

4月21日，OpenAI 发布了 ChatGPT Images 2.0（模型代号 gpt-image-2），这是 OpenAI 首个具备原生推理能力的图像生成模型，标志着AI图像生成进入新阶段。

核心升级包括：思考能力——模型在生成图像前会进行推理，提升构图和视觉审美准确性；Web搜索——可联网获取实时信息；多图生成——一次提示可生成最多8张图像；自我校验——生成后可自动检查输出质量；多语言文本渲染——显著提升了日文、韩文、中文、印地语等非拉丁文字的渲染准确性；以及4倍速度提升。

TechCrunch 测试后发现，该模型生成的墨西哥餐厅菜单中的菜品名称几乎无法被人类察觉出是AI生成的——此前AI图像生成文本时经常编造”enchuita”、”churiros”、”burrto”等不存在的美食名称，而 Images 2.0 彻底解决了这一问题。

• TechCrunch 实测报道
• MacRumors 报道

Microsoft-OpenAI 合作进入”新阶段”：微软获得非独占许可

4月27日，Microsoft 和 OpenAI 宣布了一项修订后的合作协议，标志着两者关系从”下一章”（2025年10月）迈入”下一阶段”。

核心变化包括：非独占许可——微软对 OpenAI IP 的许可从此前的事实上独占改为非独占，允许 OpenAI 向更多云服务商提供服务；营收上限机制——OpenAI 获得对其向微软支付的分成收入设置上限的权利；云服务灵活性——OpenAI 现可在任何云服务商上服务客户，不再绑定 Azure 独家。

这一调整被市场解读为 OpenAI 寻求更大商业独立性的重要一步，尤其是在其IPO前夕。2025年10月双方上次重组时，OpenAI 承诺在 Azure 上花费 $2500亿。

• Microsoft 官方博客
• CNBC 报道
• Semicon Alpha 深度分析

Hugging Face 春季开源报告：1300万用户、200万+模型

Hugging Face 发布 《State of Open Source on Hugging Face: Spring 2026》报告，揭示了开源AI生态系统的全景数据：平台规模达到1300万用户，托管模型超过200万，数据集超过50万。虽然模型总量突破200万，但头部0.01%的模型占据了全部下载量的一半，呈现高度集中化分布。

NVIDIA 是最大组织贡献者；中国开源模型正在快速增长并支持国产芯片生态；机器人领域的数据集成为增长最快的类别之一。2025年的标志性开源模型包括 Flux 1.0、DeepSeek-R1、GPT-OSS 和 Kimi K2。

• Hugging Face 官方博客
• AI World 详细分析

🏢 大厂动态

白宫拟对AI模型实施发布前审查：特朗普政策180度大转弯

5月4日，《纽约时报》报道称，特朗普政府正在考虑对新型AI模型在向公众发布前实施政府审查，这标志着特朗普此前对AI”放手发展”立场的重大转变。

白宫正在讨论一项行政令，拟成立一个由科技公司高管和政府官员组成的AI工作组，研究潜在的审查程序。具体方案包括对新AI模型进行正式的政府审核流程。这一转变的直接导火索是 Anthropic 的 Mythos 模型——网络安全专家警告该模型的能力可能被恶意利用。

然而，部分科技公司高管认为，过度监管将削弱美国相对于中国的创新优势。

• Forbes 报道
• Reuters 报道
• Bloomberg Law
• Politico：白宫促科技公司支持应对AI网络攻击

Anthropic Mythos：拒绝向公众发布的超级AI模型

2026年4月，Anthropic 发布了 Claude Mythos Preview，但拒绝向公众开放。原因非常简单：这个模型太强了，以至于存在被滥用于网络攻击的重大风险。

Mythos 能够自主发现并利用操作系统和浏览器中的零日漏洞。Anthropic 展示 Mythos Preview 在没有人类协助的情况下，成功识别并利用了 FreeBSD 内核中一个存在了17年的远程代码执行漏洞，自动获得了 root 权限。类似的，它还成功攻破了 OpenBSD 的内核安全防线。

Anthropic 只将 Mythos 提供给 Project Glasswing 联盟的约40家科技和金融机构，包括 Apple、Amazon、Microsoft、Google、JP Morgan 和 Goldman Sachs 等，用于发现和修补关键软件中的安全漏洞。Mythos 的出现也促使白宫内部出现”与 Anthropic 缓和关系”的呼声。

• Anthropic 官方技术报告
• NYT 报道
• The Guardian 深度分析
• Radware 安全分析
• 世界经济论坛评论

OpenAI IPO 预期升温：9亿周活用户、5000万付费用户

随着 $1220亿 融资的完成和与微软合作关系的重新梳理，OpenAI 的上市之路逐渐清晰。关键数据：ChatGPT 9亿周活跃用户、5000万付费用户、月收入 $20亿（年化约 $240亿），企业收入占比 40%。

尽管有消息称 CFO Sarah Friar 曾内部警告2026年底IPO时间表”过于激进”，但 Morningstar 的分析认为IPO窗口已从2026 Q4推迟至2027年中后期。公司正在为其可能在2027年进行的、估值或达 $1万亿 的IPO铺路。

• CNBC 报道
• Quartz 报道

📍 论文解读

1. LC-R1：将大推理模型的”思考”缩短一半

论文链接： arXiv:2506.14755 · Hugging Face Papers

研究背景： 大型推理模型（LRMs）如 o1、DeepSeek-R1 等虽然表现出色，但存在一个严重问题——过度思考。模型常常在已经得出正确答案后，仍反复检查自己的推理过程，导致输出冗长、不必要的推理链，既增加计算成本又降低用户体验。

核心方案： LC-R1 基于 GRPO 进行后训练，创新性地设计了两种奖励机制——长度奖励（鼓励整体简洁性）和压缩奖励（专门针对推理过程中”无效思考”部分进行惩罚），由 Brevity（简洁性）和 Sufficiency（充分性）两项原则指导。

关键指标： 在多个推理基准上实现了约 50% 的序列长度缩减，而准确率仅下降约 2%，在效率与效果的帕累托前沿上达到了理想的平衡点。

意义： 这项研究揭示了当前大推理模型的能力浪费问题——大部分”思考”其实是不必要的。如果能在实际部署中应用类似技术，推理成本可能降低近一半。

• GitHub 仓库（开源）

2. WorldVLA：将”看、说、做”统一在单一框架中

论文链接： arXiv:2506.21539 · Hugging Face Papers

研究背景： 当前的视觉-语言-动作（VLA）模型和世界模型（World Model）通常是分开开发的。VLA 擅长理解当前视觉输入并生成动作，但缺乏对物理世界的预测能力；世界模型擅长预测未来帧，但不直接产生动作。两者的分离限制了机器人、自动驾驶等具身智能任务的端到端性能。

核心方案： WorldVLA 提出了一个自回归动作世界模型框架，首次将 VLA 和世界模型统一在一个模型架构中。世界模型部分根据当前动作预测未来图像，学习物理世界的底层规律；动作模型部分根据图像观测生成后续动作；创新性的注意力掩码策略使两个模块可以相互增强。

关键发现： 实验表明，WorldVLA 在动作预测和未来帧生成两个任务上均超越了独立的动作模型和世界模型，证明了视觉理解与物理预测之间的相互增强效应。

3. OceanPile：为AI打造的海洋领域大规模多模态语料库

论文链接： Hugging Face Papers 热门

海洋科学领域的基础模型训练一直面临数据稀缺问题。OceanPile 是一个大规模多模态海洋语料库，整合了包括卫星影像、海洋传感器数据、科学文献、海洋生物观测等多源数据，为训练海洋领域基础模型提供了系统性的数据基础设施。这是AI for Science 在海洋领域的标志性进展。

4. From Context to Skills：语言模型能否从上下文中”学会”技能？

论文链接： Hugging Face Papers

研究背景： 大语言模型展现出了惊人的上下文学习能力，但一个更深刻的问题是：模型究竟是从上下文中真正学会了技能，还是仅仅在模仿和模式匹配？

核心发现： 实验结果表明，当前的语言模型在”从上下文中学到技能并迁移”这一能力上仍存在明显局限——它们擅长从上下文中提取表面模式，但难以将深层的推理策略抽象化并应用于全新场景，与人类”举一反三”的学习能力形成鲜明对比。

意义： 这篇论文指向了当前LLM能力的一个核心争议——它们到底是有真正的理解能力，还是只是极其强大的模式匹配引擎？对于希望在Agent场景中部署LLM的开发者而言，理解这一局限性至关重要。

标签：#AI日报#OpenAI#ChatGPTImages2#Microsoft#Anthropic#Mythos#白宫AI监管#HuggingFace#开源生态#LC-R1#WorldVLA#OceanPile