AI前沿日报 05.18-05.19｜Google与Blackstone组建TPU云公司，Claude进入KPMG全球工作流

今日速览

Google 与 Blackstone 宣布组建 AI 云合资公司，Blackstone 初始投入 50 亿美元股权，计划在 2027 年上线 500MW 数据中心容量，并以 compute-as-a-service 形式向客户提供 Google TPU。

OpenAI 与 Dell Technologies 宣布合作，把 Codex 带入混合云和本地部署环境。OpenAI 称 Codex 每周服务超过 400 万名开发者，这次合作重点是让企业在 Dell AI Data Platform 和 Dell AI Factory 中接入 Codex、ChatGPT Enterprise 和 OpenAI API。

Anthropic 两天内连续推进开发者工具链和企业分发：5 月 18 日收购 SDK 与 MCP 工具公司 Stainless，5 月 19 日与 KPMG 建立全球战略联盟，Claude 将开放给 KPMG 在 138 个国家和地区的 27.6 万多名员工使用。

开发者安全侧出现新的 npm 供应链事件。SafeDep 披露，一个被攻破的 npm 账号在 22 分钟内向 317 个包发布 637 个恶意版本，攻击目标包括云凭证、GitHub token、npm token、SSH 密钥，以及 Claude Code、Codex 和 VS Code 的工作区配置。

国内方面，腾讯云智能体开发平台上的 Hy3 preview 与 DeepSeek-V4-Pro 将于 5 月 27 日结束限时免费公测，转入按模型调用量计费的正式商业化阶段。

大模型与产品更新

Anthropic 这两天的动作，一端是把 Claude 推进大型企业工作流，另一端是补齐 agent 时代的开发者基础设施。与 KPMG 的合作会把 Claude 接入 KPMG 的 Digital Gateway，用于税务、法律、网络安全、私募股权和企业咨询场景。KPMG 还将把 Claude 提供给全球 27.6 万多名员工，并与 Anthropic 共同为私募股权组合公司开发 Claude 驱动的产品。

Stainless 的收购则更偏底层。Anthropic 表示，Stainless 早期就为 Anthropic 生成官方 SDK，目前也被多家公司用于生成 SDK、CLI 和 MCP server。Anthropic 收购它，指向的是一个更清晰的判断：agent 的能力取决于它能连接多少真实工具和系统，而 SDK、MCP server、CLI 与 API 文档会成为模型接入企业软件的基础层。

OpenAI 与 Dell 的合作把 Codex 从云端开发助手往企业本地环境推进。OpenAI 称，Codex 已用于代码审查、测试覆盖、事故响应和大型代码库推理，也开始扩展到准备报告、汇总反馈、销售线索筛选和跨系统协作等非纯编码场景。通过 Dell AI Data Platform 和 Dell AI Factory，企业可以在更接近自有数据、代码和系统的位置部署 OpenAI 的 agent 能力。

这对企业客户的意义是，代码 agent 的采购对象不再只是一个 SaaS 入口或 API，而是会逐渐嵌入企业已有的数据平台、权限体系、测试流程和部署流程。Codex 如果要处理大型私有代码库和生产系统，混合云与本地部署会比单纯浏览器入口更容易通过企业安全审查。

开发者生态与开源项目

Confluent 在 5 月 19 日把三类 AI 开发者工具推向正式可用：开源本地 MCP Server、托管版 MCP Server，以及 Agent Skills。本地 MCP Server 可以让 AI agent 访问 Confluent Cloud 或本地 Kafka，用于发现、构建、管理和调试集群；托管版 MCP Server 由 Confluent Cloud 提供，先以只读方式支持资源探索和问题排查。

Agent Skills 的作用是把 Confluent 的领域知识交给 Claude Code、Cursor、Windsurf 等编程工具。它覆盖 Schema Registry、Kafka Streams、Python Kafka Client、CDC 到 Tableflow 等任务，目标不是让模型泛泛写 Kafka 示例代码，而是让它在企业数据流、schema、连接器和实时管道中更少犯错。

GitHub 今日趋势榜继续显示开发者生态正在向 agent 工作流集中。tinyhumansai/openhuman 位列趋势榜首位，HKUDS/CLI-Anything、academic-research-skills、obra/superpowers、anthropics/claude-plugins-official、codegraph 等项目也在当天快速增长。更值得关注的是 CLI-Anything 和 codegraph 这类项目：前者试图把软件改造成 agent 可调用的 CLI 入口，后者为代码库预先建立本地知识图谱，面向 Claude Code、Codex、Cursor 和 OpenCode 降低 token 与工具调用成本。

SafeDep 披露的 npm 事件则说明，AI 编程工具已经成为供应链攻击的新目标。此次恶意载荷会搜索 AWS、Kubernetes、Vault、GitHub、npm、SSH 和密码管理器相关凭证，并通过 GitHub 仓库和加密 HTTPS 外传；在 CI 环境中，它还会尝试利用 GitHub Actions OIDC 令牌换取 npm 发布令牌。攻击者同时尝试劫持 Claude Code、Codex 和 VS Code 的任务或启动钩子，让开发者打开项目后继续触发恶意动作。

公司、资本与商业化进展

Google 与 Blackstone 的 AI 云合资公司，是过去两年 AI 基础设施资本开支继续外溢的一个新案例。Reuters 报道称，Blackstone 将提供 50 亿美元初始股权，合资公司计划在 2027 年上线 500MW 数据中心容量，并向客户出售数据中心容量和 Google TPU。Bloomberg 报道还提到，如果计入杠杆融资，该项目总投资规模可能达到 250 亿美元。

这笔合作的核心不是普通云扩容，而是 Google 把自研 TPU 进一步外部化。GPU 仍是 AI 训练和推理的主流采购对象，但 TPU 正在从 Google 内部基础设施变成可对外销售的算力产品。对云客户来说，这意味着未来的 AI 算力采购会在 Nvidia GPU、云厂商自研芯片和专用推理服务之间更细分。

Mistral AI 收购奥地利物理 AI 初创公司 Emmi AI，金额未披露。Emmi 的技术集中在气流、热传导、材料应力等复杂物理系统模拟，Mistral 计划把它整合进面向航空、汽车、半导体和制造业的工业 AI 方案。Reuters 报道还提到，Mistral 已与 ASML 合作，用视觉模型检测 EUV 光刻机中的刻字缺陷，把诊断时间从数小时缩短到 8 分钟。

这类收购说明，欧洲模型公司正在把通用大模型能力向工程仿真、质量检测和制造流程延伸。相比面向消费者的聊天产品，工业客户更关心模型能否进入具体设备、工艺参数和故障诊断流程。Mistral 收购 Emmi 后，商业化重点会更明确地落在工业客户的生产效率和工程决策上。

医疗 AI 公司 Commure 完成 7000 万美元融资，由 General Catalyst 领投，投后估值达到 70 亿美元。Reuters 报道称，Commure 的 agentic AI 已经用于自动化超过 85% 的收入周期管理任务，客户覆盖 500 多家医疗机构和 3000 多个站点。这笔融资将用于扩展收入周期管理、诊所管理和全球 AI 基础设施。

OpenAI 在与 Elon Musk 的诉讼中获得陪审团裁决支持。Reuters 报道称，陪审团认为 Musk 的相关诉求提交过晚，并认为 OpenAI 不需要因偏离早期非营利使命而承担责任；Musk 方面表示将上诉。这个裁决的产品影响有限，但会影响 OpenAI 未来融资、治理结构和潜在 IPO 路径中的法律不确定性。

沙特主权基金支持的 AI 公司 Humain 也在推进大规模算力融资。Reuters 报道称，Humain 已选择 Goldman Sachs 为一个至少 200 亿里亚尔、约合 53.3 亿美元的数据中心项目提供融资顾问服务，公司目标是在 2034 年前建成 2GW 计算能力。中东 AI 基础设施竞争正在从发布国家级 AI 公司，进入具体融资、园区和电力资源配置阶段。

国内 AI 动态

腾讯云智能体开发平台上的 Hy3 preview 与 DeepSeek-V4-Pro 将于 5 月 27 日上午 10 点结束限时免费公测，转为正式商业化服务，并按模型调用量计费。对开发者而言，这意味着国内 agent 应用也开始进入更清晰的成本核算阶段，长上下文、多轮规划和工具调用带来的 token 消耗会直接影响应用毛利。

国家数据局相关负责人在 5 月 19 日介绍，围绕全国一体化算力网，已经形成算力并网、算力池化等 12 项技术文件；围绕高质量数据集建设，形成数据格式、数据分类和质量评价等 7 项标准。2026 年，全国数据标准化技术委员会计划研制不少于 80 项国家标准或技术文件，发布不少于 30 项重点标准。

这组标准工作的产业含义在于，AI 应用落地需要的不只是模型接口，还包括数据集格式、质量评价、算力调度和算电协同等基础规则。尤其是在政务、工业、医疗和金融等场景中，数据是否能被规范整理、评估和跨系统调用，决定了模型能否从演示走向长期部署。

X / 社区观点

Andrej Karpathy 在 X 上确认加入 Anthropic。Reuters 报道称，他表示未来几年会是前沿 LLM 发展的关键阶段，希望回到研发工作；Axios 则称他将加入 Anthropic 的预训练团队。Karpathy 曾是 OpenAI 创始成员，也曾担任 Tesla AI 负责人，他的加入强化了 Anthropic 在前沿模型训练上的研究信号。

这条动态与 Anthropic 同期的企业合作放在一起看更清楚：KPMG 合作解决的是 Claude 的企业分发和行业落地，Stainless 收购解决的是 agent 连接工具与系统的基础设施，Karpathy 加入则回到模型训练本身。Anthropic 正在同时推进收入、生态和前沿模型三条线。

学术社区也在重新定义 AI 生成内容的边界。Research Information 报道称，arXiv 计算机科学组相关负责人 Thomas Dietterich 在 X 上表示，如果作者提交明显未经检查的 LLM 输出内容，可能面临一年投稿禁令。arXiv 的态度是，作者需要对提交内容完全负责，不论文本是否由 AI 生成。

论文 / 技术进展

5 月 18 日发布的论文《Remembering More, Risking More》讨论了带记忆 AI agent 的长期安全风险。论文关注的不是单次对话中的越狱，而是 agent 在连续服务多个任务时，前面任务留下的记忆如何影响后面看似无关的任务。作者把这种现象称为 temporal memory contamination，即时间维度上的记忆污染。

论文提出 trigger-probe 测试方法，在不同长度的历史记忆快照中测试 agent 是否会产生违规输出。实验覆盖记录、备忘录、表单、邮件等记忆数据，以及 8 类记忆架构和类似 OpenClaw 的 agent。结果显示，带记忆 agent 的风险水平持续高于无记忆基线，且随着历史暴露长度增加，违规率会上升；风险在生成之前已经能从检索状态中被观察到。

这项研究与今天的 npm 供应链事件能连起来看。AI 编程 agent 正在读取仓库、加载配置、调用工具、执行脚本。如果它在长期任务中记住了被污染的上下文、恶意钩子或错误权限路径，风险不会只发生在当前一步，而可能在后续任务中继续扩散。agent memory 的安全评估因此不能只看单轮提示，需要覆盖跨任务、跨时间的持续行为。