05.04 Anthropic 与黑石、高盛等金融巨头成立 AI 服务合资公司，承诺投资约 15 亿美元，采用 FDE 模式派驻工程师协助深度集成 Claude

05.06 Anthropic 与 SpaceX 签订算力合作框架协议，同步上调 Claude 各档位使用上限

05.07 Elon Musk 宣布 xAI 作为独立公司解散，整体并入 SpaceX 成为 SpaceXAI

05.11 OpenAI 推出 Deployment Company 并收购 AI 工程公司 Tomoro，获超 40 亿美元初始投资，全面进军企业级 AI 落地服务

05.16 国内三大运营商先后推出 Token 算力套餐，实现「像买流量一样买算力」

05.16 谷歌前 CEO 埃里克·施密特在亚利桑那大学毕业典礼演讲中遭嘘，回应称理解年轻人的「AI 恐惧」

05.19 谷歌 I/O 发布 Gemini 3.5 Flash 与首款个人智能体 Gemini Spark，正式将 Agent 能力下放至消费级

05.20 OpenAI 通用推理模型证伪困扰数学界近 80 年的埃尔德什单位距离猜想，获菲尔兹奖得主公开盛赞

05.25 华为何庭波在 IEEE ISCAS 2026 正式发表「韬（τ）定律」，宣布 3D 堆叠技术重大突破

05.28 Anthropic 发布 Claude Opus 4.8（max），Intelligence 61.4 与 Agentic 77.8 双榜登顶

05.28 Anthropic 完成 H 轮融资，募资 650 亿美元，投后估值达 9650 亿美元，距上一轮 9000 亿仅一个月

国外：模型 × 行业的复合能力决定下一阶段格局

Claude Opus 4.8 双榜登顶、Anthropic H 轮 650 亿（估值 9650 亿）、与黑石高盛 FDE 模式切入金融。OpenAI 成立 Deployment Company 并收购 Tomoro，将企业交付内化为核心产品。两家路径各异：Anthropic 走行业纵深，OpenAI 走交付能力——单纯卷参数的阶段正在过去。

国内：韬（τ）定律与算力自循环

华为 3D 堆叠突破打通芯片设计，三大运营商 Token 套餐打通算力定价。模型、芯片、算力供给在国产体系内闭环，应用层不再为外部供应链买单。国产算力从「可用」走向「结构性优势」。

通用推理模型证伪近 80 年数学猜想

两层含义：AI 已介入数学核心命题而非边缘任务；突破来自通用模型而非专用系统，能力泛化在数学领域站稳。数学研究将进入「人机协作」模式，算力集权直接影响前沿数学话语权。

Intelligence Index

Claude Opus 4.8（max）以 61.4 分登顶，GPT-5.5（xhigh）60.2 紧随。Qwen3.7 Max 以 56.6 进入全球前六，是国产模型首次跻身第一梯队前列。

Coding Index

GPT-5.5（xhigh）以 59.1 分稳居榜首，Opus 4.8（max）56.7 位列第三。OpenAI 与 Anthropic 仍是编码能力第一集团。

Agentic Index

Claude Opus 4.8 以 77.8 分大幅领先，GPT-5.5 74.1 紧随。Opus 4.8 的 Agentic 领先优势（3.7）远大于 Intelligence（1.2），提升重点在智能体能力。国产 MiMo-V2.5-Pro、DeepSeek V4 Pro Max 稳居 67 分梯队。

Coding Agent Index新

评估「Agent + 模型」组合的实际工程能力。Claude Code + Opus 4.7（max）以 67 分位居第一，Codex + GPT-5.5 65 第二。工具链成熟度成为新的竞争维度。国产模型已达可投产状态。

中美差距

本月两国最优模型为 Claude Opus 4.8（61.4）与 Qwen3.7 Max（56.6）。中国模型在智能指数上约落后美国 3-4 个月，Qwen3.7 Max 显著缩小差距。

效率提升的瓶颈在哪里？结

上月瓶颈在组织结构、为人构建的基建、人机交互界面——技术不再是问题，人和流程才是。

本月结论不变，不再讨论。

科研的边界在哪里？

上月引领新思路、定义新问题的能力重要，需要尝试自己构建 AI 科研系统。

本月OpenAI 通用模型证伪埃尔德什猜想，算力集权在前沿数学的影响将非常大。莱顿大学《人工智能与数学宣言》探讨边界——哪些由 AI 完成、哪些保留人类判断、成果如何归属。科研边界正从「AI 能不能做」转向「允不允许 AI 做、如何做」。

大模型开源生态会走向何方？结

上月国内模型除 Qwen 外都在走开源，利好服务商打造品牌、布局垂类市场。

本月趋势不变，不再讨论。

教育的本质将发生什么改变？

上月各专业结合 AI 设计教学模式，计算机成为通识课程，AI 使用能力成为必备技能。

本月人力断层。AI 承担初、中级知识工作后，初级从业者失去传统「学徒期」。这将催生「过渡型人才」：既能与 AI 协作完成中高级任务，又能将行业经验转化为 AI 可理解的流程——为人力与 AI 搭桥的新产业方向。

国内算力芯片是否会走向自给?

上月芯片分为设计、工具、制造三块，走向自给还有距离。

本月DeepSeek V4 将国产芯片与英伟达 GPU 并列写入验证清单，华为「韬」定律在 3D 堆叠上给出明确路线图。设计侧已有可用产品，制造侧「韬」定律提供绕过制程限制的方向。但整个链路（工具、工艺、封装、生态）仍需时间——方向对了，剩下的交给工程。

AI 的应用边界在哪里?

上月边界不在于 AI 能做什么，而在于人能控制什么，取决于群体中个体能力的分布。

本月AI 从有人力缺口的方向开始应用。当前替代的是脑力劳动中「可标准化」的部分（编码、写作、数据分析）——恰好是人才长期不足的领域。对尖端行业（药物、材料），AI 不是替代而是压缩——团队数月的工作，一个人几周完成。本质是「行业缺不缺人」。

AI 是否会带来危险?结

上月危险来自人为滥用、系统失控、权限放大。

本月结论不变。值得记录——多起 Linux 上由 AI 发现/利用的提权漏洞出现，AI 在安全攻防两端能力同步增长，危险形态正从「会不会发生」变成「以什么方式发生」。