夜雨聆风01 今日速览
OpenAI 正式推出 OpenAI Deployment Company，同时同意收购企业AI咨询公司 Tomoro，新公司拥有约150名前线部署工程师和部署专家。 OpenAI Deployment Company 获得超过40亿美元初始投资，由 OpenAI 控股，合作方包括 TPG、Advent、Bain Capital、Brookfield、Goldman Sachs、SoftBank Corp.、Bain & Company、Capgemini、McKinsey 等19家机构。 Alphabet 计划首次发行日元债券，用于支持AI基础设施投入，发行规模据称可能达到数千亿日元。 SoftBank 孙正义被曝考虑在法国最高投资1000亿美元，其中包括建设AI基础设施和数据中心。 美国倡议组织 Americans for Responsible Innovation 呼吁，美国政府应要求前沿AI模型通过安全审查后，才允许相关公司获得政府合同。 TechCrunch 报道，Cowboy Space 完成2.75亿美元B轮融资，计划为太空数据中心建设自有火箭能力。 韩国和美国创业公司 Config 获得三星等韩国制造业资本支持，目标是建设机器人基础模型所需的数据层。 Hugging Face 今日论文榜第一是 MACE-Dance，它把音乐到3D动作生成和动作到视频生成拆成两个专家模块，用于生成更稳定的舞蹈视频。 Flow-OPD 成为 Hugging Face 今日 #1 Paper of the day，把 on-policy distillation 引入 Flow Matching 图像生成模型，用来提升图像质量和文字对齐。 Trendshift 今日榜中， ConardLi/garden-skills、academic-research-skills、3DCellForge、UI-TARS-desktop等项目进入前列，AI skills、设计系统、3D生成和桌面Agent仍是开源侧重点。
02 模型 / 产品 / 开发者更新
1. OpenAI 成立 OpenAI Deployment Company，并收购 Tomoro
OpenAI 5月11日正式宣布成立 OpenAI Deployment Company，目标是帮助企业把AI系统真正接入日常业务。OpenAI 同时同意收购 Tomoro，这是一家应用AI咨询与工程公司，曾帮助 Tesco、Virgin Atlantic、Supercell 等企业部署实时AI系统。交易完成后，Tomoro 将为 Deployment Company 带来约150名 Forward Deployed Engineers 和部署专家。
这里的 Forward Deployed Engineer 可以理解为“驻场型AI工程师”。他们不是只卖模型API，而是进入客户组织，和业务负责人、运营团队、技术团队一起找出最值得AI改造的流程，再把模型接到客户的数据、工具、权限和业务系统里。比如企业不是只问“能不能用ChatGPT”，而是要把AI接进客服、财务、销售、供应链、采购、法务或投研流程。
OpenAI 把这家公司做成一个由自己控股的独立实体，初始投资超过40亿美元，合作方包括TPG、Advent、Bain Capital、Brookfield、B Capital、BBVA、Emergence Capital、Goldman Sachs、SoftBank Corp.、Warburg Pincus、WCAS，以及 Bain & Company、Capgemini、McKinsey 等咨询和系统集成公司。
这条消息的具体变化是，OpenAI 正在把企业AI落地从“卖模型和API”扩展到“工程师进场改流程”。这更接近 Palantir 式的软件交付，也更接近咨询公司与系统集成商的工作方式。企业客户的问题通常不是找不到模型，而是不知道该改哪个流程、怎么接数据、怎么设计权限、怎么评估收益、怎么让员工真正使用。
2. Alphabet 拟首次发行日元债券，为AI基础设施融资
Reuters 报道，Alphabet 计划首次发行日元债券，用于支持AI基础设施投入。公司没有披露发行规模，但知情人士称可能达到数千亿日元，条款预计本月确定。Alphabet 已委托瑞穗、美国银行和摩根士丹利负责交易。
这不是Alphabet近期唯一的融资动作。Alphabet 上周已经通过欧元和加元债券融资近170亿美元，并在4月底把2026年资本开支预期上调50亿美元至1800亿到1900亿美元。
AI基础设施投入已经大到需要科技巨头持续动用债券市场。过去硅谷大型公司更多依赖自有现金投入研发和基础设施，现在数据中心、芯片、网络、电力和云资源支出过高，债务融资开始变成AI建设的一部分。
3. UI-TARS-desktop 继续出现在趋势榜，桌面Agent保持热度
Trendshift 今日榜中，字节的 UI-TARS-desktop 位列前列，项目说明是一个开源多模态AI Agent栈，用于连接前沿AI模型和Agent基础设施。
桌面Agent可以理解为“能看屏幕、点按钮、操作文件和应用的AI助手”。它和普通聊天机器人不一样，普通聊天机器人主要回答文字问题，桌面Agent要理解屏幕上的窗口、菜单、按钮、文件和应用状态，然后像人一样执行电脑操作。
这类项目今天继续在开源榜里出现，说明开发者仍在补AI助手的执行入口。模型能回答问题只是第一步，真正进入办公和开发场景时，它需要能操作浏览器、终端、文档、表格、设计软件和各种后台系统。
03 开源关注度异动
1. ConardLi / garden-skills
Trendshift 今日榜显示，ConardLi/garden-skills 排在第二，项目约3100 stars、507 forks，描述为开源Skills集合，覆盖网页设计、知识检索、图像生成等能力。
这个项目可以看作“技能模板库”。用户把常用任务写成结构化技能，AI工具之后就能按固定流程调用。它的价值在于把散落的prompt整理成可复用资产，降低重复写提示词的成本。
2. academic-research-skills
Imbad0202/academic-research-skills 排在 Trendshift 今日榜第五，项目约5500 stars、647 forks，说明为 Claude Code 的学术研究技能：research → write → review → revise → finalize。
这类项目把学术写作拆成几个稳定环节。研究资料搜集、结构化写作、交叉审稿、修改润色、最终整理，都可以变成AI工具可执行的步骤。对论文、行业研究和公众号深度报告来说，这类技能库更像写作流程管理工具，而不是简单的文本生成模板。
3. 3DCellForge
Trendshift 今日榜中，huangserva/3DCellForge 显示为新项目，约585 stars、102 forks，描述为“AI-powered interactive 3D cell generation and exploration studio”。
这个项目把AI生成能力放进3D细胞可视化场景。可以把它理解为一个生物学/医学教育和研究用的3D细胞生成与探索工具。它今天还处在早期关注阶段，但反映出3D生成正在进入更细的专业场景，不只服务游戏和影视，也可以服务科研展示、教学和交互式科普。
4. VoltAgent / awesome-design-md
Trendshift 今日榜中，VoltAgent/awesome-design-md 排名靠前，项目收集不同品牌设计系统的 DESIGN.md 文件，让 coding agents 在生成界面时能跟随特定品牌的视觉风格。
DESIGN.md 可以理解成“给AI看的品牌设计手册”。比如一个品牌的配色、按钮样式、字体层级、卡片布局、间距规则都写在文件里，AI生成页面时就不会只做一个通用模板，而是更接近某个品牌或产品的设计语言。
04 论文雷达
1. MACE-Dance：音乐驱动舞蹈视频生成
Hugging Face 今日榜首是 MACE-Dance。它把音乐驱动舞蹈视频生成拆成两个专家模块：Motion Expert 先根据音乐生成3D动作，Appearance Expert 再根据动作和参考图生成视频。论文称，这种级联专家结构能同时改善动作合理性、舞蹈表现力和人物外观一致性。
这类任务比普通视频生成更难。音乐节奏、人体动作、镜头里的外观、人物身份、衣服细节都要保持一致。如果只从文字直接生成视频，容易出现动作乱、节拍不对、人物外观漂移。MACE-Dance 用“先生成动作，再生成画面”的方式，把问题拆成两个更可控的阶段。
2. Flow-OPD：把图像生成模型对齐做成两阶段训练
Hugging Face 今日 #1 Paper of the day 是 Flow-OPD。它把大语言模型里常见的 on-policy distillation 思路引入 Flow Matching 图像生成模型，用两阶段方法处理多目标对齐。第一阶段分别训练不同目标的教师模型，第二阶段把这些教师模型的能力合并到一个学生模型里。
这篇论文解决的是图像生成模型的“多目标拉扯”。用户希望图片好看、文字准确、构图合理、风格稳定、安全合规，但这些目标有时会互相冲突。Flow-OPD 用不同教师模型分别处理不同目标，再通过蒸馏整合到一个模型中。论文基于 Stable Diffusion 3.5 Medium 报告 GenEval 从63提升到92，OCR准确率从59提升到94。
3. HyperEyes：多模态搜索Agent同时查多个目标
小红书相关论文 HyperEyes 进入今日论文榜。论文关注多模态搜索Agent，也就是让AI同时看图、读文字、调用搜索工具，并回答复杂问题。它提出的核心改动是：当一个问题里有多个独立目标时，Agent不必一个个顺序搜索，而是可以在同一轮里并行发起多个带视觉定位的查询。
举个例子，如果用户问一张图片里几件商品分别是什么、价格如何、有没有相似款，传统Agent可能按商品逐个搜索。HyperEyes希望让Agent一次并行处理多个目标，同时把工具调用成本纳入训练奖励。论文称 HyperEyes-30B 在六个benchmark上比最强可比开源Agent准确率高9.9%，平均工具调用轮数少5.3倍。
4. LLMs Improving LLMs：让AI自动发现更省钱的推理策略
Google 相关论文 LLMs Improving LLMs: Agentic Discovery for Test-Time Scaling 今日上榜。论文提出 AutoTTS，让AI自动搜索“推理时该花多少计算”的策略。这里的 test-time scaling 指的是：模型在回答问题时多思考、多分支、多检查，通常能提高正确率，但成本和延迟也会上升。
AutoTTS 把这个问题变成一个可搜索的控制策略：什么时候继续推理，什么时候分叉生成更多思路，什么时候剪掉低质量路线，什么时候停止。论文称，自动发现的策略在数学推理benchmark上提升了准确率与成本之间的平衡，整个策略发现成本为39.9美元、160分钟。
5. Beyond Retrieval：代码搜索不能只看向量检索
Beyond Retrieval 提出 CoREB，一个面向代码搜索的多任务benchmark。它覆盖 text-to-code、code-to-text、code-to-code 三类任务，并引入reranking评估。论文指出，真实开发者搜索代码时，常常只输入很短的关键词，这会让很多模型表现大幅下降。
这篇论文对AI Coding很实用。AI写代码之前，经常需要先找到已有函数、已有接口、旧实现和相似模块。如果代码搜索做不好，Agent就容易重复造轮子、调用错接口、漏掉项目约定。CoREB把代码检索从“找相似片段”推进到更接近开发者真实搜索行为的评估。
6. DTap：给AI Agent做红队测试平台
DecodingTrust-Agent Platform 今日进入论文榜。论文提出 DTap，一个可控、交互式的AI Agent红队测试平台，覆盖14个真实领域和50多个模拟环境，包括 Google Workspace、PayPal、Slack 等常见系统。
红队测试可以理解成“主动找系统漏洞”。Agent一旦能操作邮件、支付、文件、企业软件和浏览器，就可能被诱导泄露API key、删除数据、发起未授权交易或执行危险指令。DTap 的目标是用可复现的环境测试这些风险，而不是只在聊天框里问模型会不会违规。论文还发布了约7000个Agent红队任务和约4000个带政策约束的恶意目标。
05 X动向 / 大V观点
1. NVIDIA：Jensen Huang 在卡内基梅隆毕业典礼谈AI基础设施
NVIDIA 官方X账号祝贺 Jensen Huang 在卡内基梅隆大学获得荣誉博士学位。Axios 报道称，Huang 在毕业演讲中对学生说，AI基础设施需求正在创造一次“重建美国制造能力”的机会，并提到芯片工厂、数据中心和先进制造会需要大量工程、建筑、电力和产业人才。
这段发言和“AI会替代所有工作”的叙事不同。Huang强调的是AI建设本身会创造一整套硬件、能源、制造和基础设施工作。对非技术读者来说，可以理解为：AI行业不只需要写模型的人，也需要建设机房、供电系统、芯片厂、冷却系统和工业供应链的人。
2. Mark Cuban：CEO需要知道AI能做什么、不能做什么
Axios 引用 Mark Cuban 在X上的观点称，CEO不会也不想理解AI实施中的所有技术细节，他们真正需要知道的是AI能带来什么、不能做什么、和现有方案相比有什么差别、哪些任务能100%确定完成，以及实施风险在哪里。
这条观点和OpenAI Deployment Company今天的发布很相关。企业AI落地的难点不是“有没有模型”，而是业务负责人能不能判断哪些流程值得改、风险在哪里、收益如何验证、员工怎么用。AI公司现在开始把工程师和咨询团队送进客户现场，就是在解决这个落地环节。
06 公司 / 应用 / 政策动态
1. SoftBank 孙正义被曝考虑在法国投资最高1000亿美元
Reuters 转述 Bloomberg 报道称，SoftBank 创始人孙正义正考虑在法国投资最高1000亿美元，其中包括一个用于支持生成式AI服务的多十亿美元AI基础设施项目。报道还称，孙正义已与法国总统马克龙讨论，项目可能在 Choose France Summit 期间公布，但规模和细节仍可能调整。
这条消息延续了SoftBank围绕AI基础设施的大额布局。SoftBank此前已在OpenAI投入超过300亿美元，持股约11%，并参与美国Stargate项目。法国项目如果推进，会把AI数据中心建设进一步推向欧洲市场。
2. Alphabet 与 Amazon 继续通过债券市场为AI投资融资
Alphabet 计划首次发行日元债券，Amazon 也被曝准备首次发行瑞士法郎债券。Reuters 报道称，全球大型科技公司正在更多使用债券市场为AI基础设施融资。
这条和前几天Alphabet欧元债、加元债、资本开支上调可以放在一起看。AI建设需要长期资金，数据中心和芯片投入通常要先花钱，收入回收周期更长。债券市场正在成为AI基础设施建设的资金来源之一。
3. 美国组织呼吁把AI安全审查和政府合同挂钩
Reuters 报道称，Americans for Responsible Innovation 向美国政府提出建议，要求前沿AI模型在公开发布前接受安全审查；如果模型未通过审查，相关公司不应获得政府合同。该组织建议审查重点包括网络攻击能力和武器开发能力。
该建议还提出适用门槛：每年花费1亿美元以上算力训练前沿模型的公司，或AI产品与服务年收入超过5亿美元的公司，都应纳入要求。美国 Center for AI Standards and Innovation 目前已经通过自愿协议审查部分AI模型，包括OpenAI、Anthropic，以及最近加入的Google、Microsoft和xAI。
4. Cowboy Space 融资2.75亿美元，瞄准太空数据中心运输瓶颈
TechCrunch 报道，Cowboy Space 完成2.75亿美元B轮融资，投后估值20亿美元，由Index Ventures领投。公司创始人 Baiju Bhatt 曾共同创办 Robinhood，现在计划为太空数据中心建设自有火箭发射能力。
这条消息里的“太空数据中心”需要解释一下：一些公司希望把计算设备放到轨道上，利用太空太阳能和散热条件运行AI计算。但真正的问题是，把大量设备送上太空需要火箭，火箭发射能力和价格都还不足。Cowboy Space 的逻辑是先解决运输能力，再服务未来太空算力或太空传感器边缘计算。
5. Config 获韩国制造业资本支持，做机器人数据层
TechCrunch 报道，韩国和美国创业公司 Config 获得三星风投领投的2700万美元种子轮融资，估值超过2亿美元，总融资达到3500万美元。Config 的方向是为机器人基础模型建设数据层。
这里的“机器人数据层”可以理解成训练机器人所需的数据基础设施。机器人要学会抓取、组装、搬运、避障和操作工具，需要大量真实工厂、仓库、机械臂、传感器和动作数据。Config 的投资方来自韩国大型制造商，说明制造企业正在把自己积累的工业场景和设备数据，转化成训练下一代机器人模型的资源。
