模型连接外部世界的协议与实践：MCP 生态、function calling、工具链集成的动态。
双方谈崩了，不再一起扩建位于得州阿比林的那座旗舰 AI 数据中心。原因是融资进度拖后腿，加上 OpenAI 自己的需求变了。现在 Meta 在考虑从运营商 Crusoe 手里租下这个场地，英伟达也在中间帮忙牵线。这类项目的造价动辄上百亿美元，正文没披露具体的分手条款和后续时间表。
推荐理由：Oracle 和 OpenAI 在得州阿比林那个旗舰数据中心的扩建计划谈崩了，原因是融资没谈拢，加上 OpenAI 自己的需求也变了。Meta 正考虑从开发商 Crusoe 手里租下原本要扩建的那块地，Nvidia 在中间帮忙牵了线。项目总成本只说在几百亿美元级别，具体数字没披露。我会先打个折：这事说明超大集群先卡在资本结构和多方协同上，不是先卡在芯片，这点比标题本身更值得盯。
OpenAI 和甲骨文决定不再扩建位于得克萨斯州的那个旗舰 AI 数据中心。原因是融资谈判拖得太久，加上 OpenAI 自己对算力的需求也变了。不过正文没披露这个设施的具体名字、目标容量、资本开支和调整后的时间表。我会先打个折，因为原文被 Bloomberg 的机器人验证墙挡住了，只能看到摘要片段，更多细节暂时拿不到。
推荐理由：Bloomberg 报道 OpenAI 和 Oracle 放弃了得州一个旗舰数据中心的扩建计划，原因是融资没谈拢，OpenAI 的算力需求也变了。我会先打个折：正文没披露具体是哪个数据中心、原定扩多大、投多少钱、时间表怎么改，所以没法判断影响量级。但这件事值得盯，因为它可能说明 OpenAI 在重新盘算自己到底需要多少自建算力，而不只是地产项目黄了。HKR 三项都踩中，信源权威性也够，只是信息缺口把分数压在 80 出头。
双方不再推进原定在德州扩建的那个旗舰级 AI 数据中心。彭博的报道被付费墙挡住了，正文没披露这个项目的具体规模、预算和时间表。从 RSS 片段看，谈判卡在了融资安排上，同时 OpenAI 自己的算力需求也在重新评估。我会先打个折：这不一定代表 AI 算力投资整体降温，更像是一次具体的合作没谈拢，但融资摩擦和需求重估这两个信号值得留意。
推荐理由：Bloomberg 报的是实打实的基础设施转向，不是传闻。H 和 R 都站得住：合作突然终止本身就意外，而且它同时牵动算力供应和资本开支这两根神经，OpenAI 的需求到底怎么变，会直接影响上下游判断。K 我给得保守，因为文章没给出规模、金额、时间线，信息缺口太大，没法做更实的判断。
五角大楼想用 Anthropic 的 Claude 去分析批量购买的美国人商业数据，这件事引爆了公开争吵。核心矛盾在于：政府可以合法从数据市场买到你的手机位置、网页浏览记录，而现行法律大多不禁止把这些数据喂给 AI 做聚合和画像。法律教授指出，普通人觉得是监控的行为，在法律上可能根本不算搜查。OpenAI 后来修改了与国防部的合同，写明不用于国内监控，...
推荐理由：这篇直接给了一个具体冲突：五角大楼想用 Claude 分析商业数据，Anthropic 公开反对，OpenAI 随后改合同禁止境内监视。信息量够，但我会先打个折——OpenAI 新合同全文没公开，技术上的 safety stack 怎么落地正文也没说，所以重要性停在 79 是合理的。对从业者来说，真正值得盯的不是声明，是合同红线到底能不能约束国防部。
OpenAI 发了一个给安全团队用的 AI agent 研究预览版，主要用途是扫描大型数据库里的漏洞并自动修补。目前公开信息很少——正文没披露具体模型名、支持哪些数据库、怎么收费、什么时候正式上线。我会先打个折：这还是个研究预览，离生产环境能用还有距离，别看到“agent”就觉得能直接上岗。
推荐理由：我会先打个折：这还是个研究预览，离生产环境有距离。但 OpenAI 把代理放进安全流程里，不是再发一个聊天机器人，这个动作本身就值得盯。正文没披露模型、覆盖范围、定价和上线时间，所以别急着激动。真正让人在意的是它试图让 AI 直接碰漏洞修补，这会牵出责任、误报、权限控制一连串问题，企业安全团队不可能不关注。
Anthropic 正在搞一个类似亚马逊的 AI 软件市场，企业客户可以直接在上面买第三方开发的软件，不再只卖自家模型。这步棋说明它想从卖模型转向做渠道分发。不过正文被 Bloomberg 的机器人验证挡住了，具体上线时间、抽成比例、首批上架哪些软件都没披露。另外文章提到公司正因五角大楼的合作争议面临业务不确定性，这个背景可能跟它急着铺渠道有关。
推荐理由：我会先打个折：上线时间、抽成、具体卖什么软件，正文全没给，所以别当马上落地的产品看。但方向值得盯——Anthropic 从卖模型转向做企业软件分发，等于在学亚马逊搭应用商店。这点先别太激动，因为没披露的东西太多，可它发生在跟 Pentagon 对峙带来业务不确定的节骨眼上，渠道动作本身就说明它在找模型销售之外的收入支点。
阮一峰算了笔账：全球81亿人里，只有13.8亿人用过AI，占16%；付费订阅AI服务的只有1500万到2500万人，占0.3%；真正用AI生成过自己编程项目的人，更是只有200万到500万，占0.04%。如果你已经在关注AI动态、用AI写代码，其实已经跑赢了99%的人。文章还聊了最近爆火的个人AI助手OpenClaw，它四个月就在GitHub拿了25万...
推荐理由：阮一峰这期周刊用几组数字把“人人都在用 AI”的错觉拉回现实。我会先打个折：16% 的用过比例、0.3% 的付费比例和 0.04% 的编程使用比例，原文没交代数据出处，所以不能当精确统计用，但方向是对的——采用率断层比刷屏的新闻更有参考价值。对从业者来说，这篇的价值不在技术深度，而在提醒你盯紧真实渗透率，别被舆论带偏。
OpenAI 在 2026 年 3 月 5 日发布了 ChatGPT for Excel 的测试版，相当于在 Excel 里直接装了一个 GPT-5.4 助手。你可以用大白话让它帮你搭财务模型、跑情景分析、查公式错误，它改表之前会先问你，改完还能告诉你改了哪个格子、为什么。OpenAI 自己跑了一遍投行工作流测试，GPT-5 的正确率是 43.7%，换...
推荐理由：OpenAI 把 ChatGPT 塞进 Excel 测试版，不只是加个聊天框，而是让模型能直接在单元格里建模、追溯改动，还接入了 Moody's、道琼斯 Factiva、MSCI 等金融数据源。内部投行场景的基准分从 43.7% 跳到 87.3%，幅度很大，但这是内部测试，实际表现得等用户上手再看。企业版和教育版默认关闭，说明对合规和隐私留了后路。FactSet 标注“即将上线”，数据生态还在铺。整体看，这是 OpenAI 在抢专业工作流入口的一次重注，比单纯发个模型更有战略意味。
OpenAI 在 2026 年 3 月 3 日更新了 ChatGPT 里用得最多的模型，叫 GPT-5.3 Instant。这次改动主要冲着日常对话体验去的：模型不再动不动就拒绝回答，也不会在回答前先啰嗦一堆免责声明。文章给了一个具体对比——问远程射箭弹道计算，旧版 GPT-5.2 Instant 直接拒绝，说这能提高武器效能所以不能帮；新版 GPT-...
推荐理由：OpenAI 更新了 ChatGPT 最常用的日常模型，这篇帖子靠一个具体的 5.2 vs 5.3 行为对比把安全边界的变化讲清楚了，所以 HKR 三项都站得住。我会先打个折：正文没给系统卡、基准分、API 价格，信息缺口明显，所以重要性停在 84 不进 85。
AlphaGo 击败李世石十年后，AI 已经成为韩国职业围棋训练的标配，不用 AI 基本没法打职业。文章给了两个数：世界第一的申真谞落子与 AI 建议的重合率是 37.5%，而选手平均水平是 28.5%；另外 AlphaGo Zero 从零自学三天后，以 100 比 0 碾压了战胜李世石的那版 AlphaGo。现在棋手普遍用 KataGo 练棋，开局前...
推荐理由：这篇不是新模型发布或产品动作，而是一篇有数据的观察评论。我会先打个折：它没有给出可复现的方法或工程细节，但把 AI 如何渗入职业围棋训练这件事讲得很具体。申真谞 37.5% 的一致率比全体均值高出 9 个百分点，说明顶尖棋手更依赖 AI 选点；AlphaGo Zero 三天 100 比 0 的结果则把自我对弈的效率差距摆了出来。正文提到棋手常用 KataGo 且前 50 手常与 AI 建议一致，但又说他们仍难解释 AI 为什么这么下——这个信息缺口反而让判断更扎实，没有硬补因果。对从业者来说，这比泛泛谈“AI 改变行业”更有参考价值，所以放在 fe...
OpenAI 和亚马逊宣布了一项多年合作，亚马逊将向 OpenAI 投资 500 亿美元，其中 150 亿先到账，剩下 350 亿要满足特定条件后才会支付。合作的核心看点有两个：一是分发渠道，AWS 成为 OpenAI Frontier（一个让企业搭建、部署、管理 AI 智能体团队的平台）的独家第三方云分发商；二是算力绑定，OpenAI 承诺在 AWS...
推荐理由：这不是一篇常规的合作通稿。分阶段 500 亿投资、Bedrock 上线 OpenAI 模型运行时、再加约 2 吉瓦 Trainium 算力消耗，这三件事合在一起，把 OpenAI 的分发和算力姿势都改了。HKR 三项全中，所以放在 P1。
抖音在2025年底正式上线了长图文功能，字数从内测时的4000字放宽到8000字，目前只能在网页端发布。内容多是深度故事、社会新闻这类非即时性的东西。同时，抖音热点频道里多了个“AI智选资讯”，AI会实时抓取全网热点，自动生成新闻摘要和总结。内部人士说，这些AI资讯很快会进入抖音的信息流，跟原创长文抢同一批流量。字节的思路很明确：用AI把内容生产成本打...
推荐理由：抖音把长文和 AI 资讯塞进同一个流量池，但正文没交代推荐权重、版权怎么谈、事实错了谁兜底。我会先打个折：功能上线是真的，可责任边界没画清楚之前，别急着把它当内容生态升级。
Waymo 无人出租车乘客下车后没关好门，车就走不了。这家公司没做远程关门功能，而是在外卖平台下单，花 6.25 美元叫小哥跑一公里去关门，完事再加 5 美元。新闻点不是关门本身，而是程序在自动调动人力完成自己搞不定的环节。外卖员自带 API，已经接入了软件系统，成了可以被程序随时调用的“自动化人力”。这件事说明，AI 模型一旦跟人力打通，就不只是操作...
推荐理由：这不是一手爆料，但 6.25+5 美元这个案例把“人变成 API”这件事讲得很实在。HKR 三项都踩中了，分数留在 featured 的低位，因为正文是评论，Waymo 的系统规模、调用频率和正式产品方案都没披露，判断先别拉满。
这篇文章的核心判断是：中国把 AI 用进了工厂车间，美国还在把 AI 当实验室项目。中国已建成 3 万多家智能工厂，2024 年全球新装的工业机器人超过一半进了中国工厂。极氪宁波工厂用了 800 多台机器人，小米北京工厂每 76 秒就能产一辆车，美的荆州工厂用 AI 把产线响应时间从几小时压到几秒。这些 AI 不是写诗画画，而是做视觉质检、生产调度和预...
推荐理由：这篇不是讲模型，是讲工厂里机器人、调度和质检的落地差距。我会先打个折：正文没披露3万多家智能工厂的具体认定标准，也没说美国18%这个数字的样本来源，所以数据力度要留个心眼。但极氪800多台机器人、小米76秒节拍这些车间数字是实的，对比美国三分之二试点推不向量产，差距感很直观。对看产线落地的人，这篇比模型跑分更有参考价值。
OpenAI 和 Figma 在 2026 年 2 月 26 日发布了一项新集成：在 Codex 桌面端里，你可以直接把代码转成 Figma 里能编辑的设计稿，也能把 Figma Design、Figma Make 和 FigJam 里的内容拉回代码里继续开发。这个来回转换的流程靠 Figma MCP Server 实现，走的是 MCP 协议，相当于给...
推荐理由：OpenAI 和 Figma 搞了个 Codex 集成，代码能直接生成可编辑的 Figma 设计，反过来 Figma 里的设计、Make 原型和 FigJam 白板也能回写成代码。底层走的是 MCP，通过 Figma MCP Server 接进 Codex 桌面应用。OpenAI 说 Codex 周活已经过百万，年初到现在用量涨了四倍多。我会先打个折，因为正文没披露支持哪些模型、权限怎么划、收不收费、双向转换稳不稳定——这些才是实际落地要盯的。
Hugging Face 宣布 GGML 和 llama.cpp 的团队正式加入公司。Georgi Gerganov 和他的团队会继续把全部时间花在维护 llama.cpp 上，项目的技术方向和社区管理保持完全独立，不会变成闭源。这次合作最实际的变化是，他们会把 transformers 库里的模型定义更顺滑地接到 llama.cpp 里，目标是做到近...
推荐理由：我会先打个折：正文只说了团队加入和方向，没给时间表、团队规模和商业条款，所以别当成交割日来看。但这件事确实值得盯——HF 把 GGML/llama.cpp 团队收进来，等于把本地推理最核心的工程力量绑定了，同时承诺保持 100% 开源和社区自主。真正有意思的是技术对接：如果 transformers 的模型定义能一键落到 llama.cpp，对开发者来说省掉一大截适配工作。这点先别太激动，等他们真把“单击发布”做出来再说。
微软评估了 60 种来源追踪、水印和指纹技术的组合，给 MIT Technology Review 发了一份蓝图，想给 AI 处理过的内容打标签。这套方案只标内容从哪来、有没有被改过，不判断真假。但一次审计发现，测试帖子里只有 30% 被正确标记，所以真正的麻烦是平台愿不愿意用、能不能用对。微软首席科学官说这是“自我监管”，但没承诺自家产品会照做。
推荐理由：HKR 三项都成立。钩子把问题讲得很白，不是空谈信任；知识增量靠 60 种方案测试和 30% 正确率这两个具体数字撑住；相关性在于它点出了溯源标签能不能变成平台默认基建这个现实争议。留在 featured 不往上提，是因为这还只是一份技术蓝图和标准讨论，不是已经部署的产品或有约束力的规则。
OpenClaw 在 2026 年 1 月底爆火，不是因为它技术有多新，而是它把 Cursor 这类能读写文件、执行命令的本地编程代理，接入了 Slack、WhatsApp 和飞书，让非技术人员第一次用上了有记忆、能干活、会自我进化的 AI。文章拆解了它背后的三个关键设计：统一的上下文池让 AI 跨平台记住你的一切；基于文件的持久化记忆加上自动维护机制...
推荐理由：这篇不是新闻通稿，是个人拆解。它把 OpenClaw 为什么火、代价是什么、真正该抄的设计模式（统一入口、文件化记忆、可组合 skills）都讲清楚了。HKR 三项全中，两个硬数字撑住了判断，但因为属于个人分析而非官方发布或行业事件，所以放在 featured 这一档。
OpenClaw 在 2026 年 1 月底突然爆火，一周内换了三次名字，中间还被一个叫 $CLAWD 的假币骗走了 1600 万美元。它火的原因和一年前的 DeepSeek 几乎一样：不是技术上碾压对手，而是把一小撮早期用户已经用惯的体验——让 AI 能读文件、跑命令、记住上下文、持续迭代干活——第一次通过 WhatsApp、Slack、飞书这些日常...
推荐理由：我会先打个折：正文截断了，没看到后续成功因素的具体细节，所以这不是一手发布或官方研究，更像一篇二手深挖。但它的价值在于把OpenClaw为什么火说清楚了——不是技术多牛，而是分发路径对路。它把Agent接进WhatsApp、Slack、Lark，让不写代码的人第一次用上能读写文件、执行命令、带记忆的本地代理。同时也没回避风险，12%恶意技能和公网裸奔控制台这两条，比一般公关稿实在。综合来看，78分、featured层级是合理的。
阮一峰用字节刚发的 Seed 2.0 Code 模型和 TRAE 编程工具，跑了一个把 ASCII 字符画转成手绘风格图的网页应用，本地预览直接能用。Seed 2.0 是字节的通用基座模型，分 Pro、Lite、Mini 和 Code 四个版本，能处理文字、图片、视频等多种数据，也支持让模型调用外部工具。文章重点讲了 Skill 怎么用：把反复要写的提...
推荐理由：这篇文章不是官方通稿，而是一个能跟着跑的通路演示。H 和 K 都站得住，因为既有完整应用产出，又有模型矩阵和 Skill 机制的具体拆解。R 也成立，Skill 文件的设计直接踩中 coding agent 工作流复用的痛点。整体是强教程而非重大发布，所以重要性停在 75。