AI 行业周报 · 2026 年 5 月第 2 周（5/4 - 5/10）

副标题：本周报覆盖 2026-05-04 至 2026-05-10（北京时间周日定时任务触发周期）。本期按“本周发布/报道、有明确日期、可追溯来源”的标准筛选，共收录 39 条事件。

1. 头部大厂

国外

• OpenAI 发布 GPT-5.5 Instant，替换 ChatGPT 默认即时模型（5/5）
  OpenAI 宣布将 ChatGPT 默认模型升级为 GPT-5.5 Instant，强调更高准确性、更清晰简洁的回答和更强个性化，同时仍维持低延迟；这是面向日常高频使用场景的默认体验升级，OpenAI、TechCrunch。

• OpenAI 推出 GPT-5.5-Cyber 与 Trusted Access for Cyber（5/7）
  OpenAI 发布面向高影响网络安全研究的 GPT-5.5-Cyber，并通过 Trusted Access for Cyber 将更强安全任务能力开放给经过审核的防御团队；这延续了“强能力模型 + 受控准入”的安全产品化方向，OpenAI、CNBC。

• OpenAI 发布 ChatGPT Trusted Contact，强化敏感对话中的真人支持路径（5/7）
  OpenAI 宣布 Trusted Contact 功能，让用户可在需要时连接到自己信任的人，意在为涉及心理压力或个人困境的对话提供更合适的支持机制；AI 助手的安全设计正在从模型拒答扩展到产品级求助链路，OpenAI。

• Anthropic 与 SpaceX 达成算力合作，并上调 Claude Code / API 使用限额（5/6）
  Anthropic 宣布与 SpaceX 达成合作以显著增加算力容量，并同步提高 Claude Code 与 Claude API 的使用限额；这表明前沿模型竞争仍受制于可用算力，算力供给变化会直接反映到开发者产品体验，Anthropic、Ars Technica。

• Anthropic 为 Claude Managed Agents 增加“dreaming”等能力（5/7）
  Anthropic 在 Code with Claude 相关更新中为 Claude Managed Agents 引入让 agent 从过往交互和错误中学习的“dreaming”机制，并配套增强记忆与长期任务能力；agent 平台的竞争焦点正在从“能调用工具”转向“能持续改进工作流”，VentureBeat、SiliconANGLE。

• Google 将 Gemini API File Search 扩展为多模态 RAG 工具（5/5）
  Google 宣布 Gemini API File Search 支持多模态、custom metadata 与页级引用，帮助开发者在图片、文档等非结构化资料上构建更可验证的 RAG；这强化了 Gemini API 在企业知识检索场景中的工具层能力，Google Blog。

• Meta 据报开发面向普通用户的 agentic shopping 工具 Hatch（5/5 - 5/8）
  The Verge 与 CNBC 本周报道，Meta 正在开发内部代号 Hatch 的面向普通用户 AI agent，并与 Google 等巨头一同进入“agentic wars”；社交与电商流量平台正在争夺下一代消费入口，The Verge、CNBC。

• Apple 据报计划在 iOS 27 中允许用户切换 Apple Intelligence 所用模型（5/5）
  Bloomberg 与 The Verge 报道称，Apple 正规划 AI “extensions”，让用户在 Apple Intelligence 中选择第三方模型，而不只依赖 ChatGPT；若落地，端侧生态的 AI 模型入口将从单一合作转为可插拔平台，Bloomberg、The Verge。

• Microsoft、Google 与 xAI 将允许美国政府在发布前测试模型（5/5）
  CNN 报道称 Microsoft、Google 与 xAI 将允许政府在模型正式上线前进行测试；这显示国家安全与模型安全评估正在前移到发布流程中，且可能成为大型模型厂商的新合规基线，CNN Business。

国内

• 微信据报研发自有 AI 模型，面向小程序与社交生态探索内置 AI（5/10）
  36氪独家报道，微信正在尝试研发独立自有 AI 模型，计划用于小程序生态中的智能体开发，并长期探索深度嵌入微信社交与效率工具场景；腾讯的 AI 入口战从元宝外部产品延伸到微信核心生态，36氪。

• 百度健康 DoctorClaw 内测，阿里云推出手机“一键养虾”产品 JVS Claw（5/9）
  36氪报道称，百度健康内部孵化面向医生的专业 AI 智能助手 DoctorClaw，同时阿里云推出支持多端访问的 JVS Claw；国内大厂正围绕 OpenClaw 类智能体框架争夺“能做事”的 agent 入口，36氪。

• 豆包据报在 App Store 更新付费声明，国内 C 端 AI 商业化压力升温（5/6）
  36氪本周报道，豆包在 5 月 4 日更新付费声明，显示标准版、加强版、专业版等订阅梯度，同时基础功能维持免费；国内大模型 C 端产品开始从免费增长进入商业化试水阶段，36氪。

2. 创业公司

国内

• 月之暗面 / Kimi 完成约 20 亿美元新融资，投后估值突破 200 亿美元（5/7）
  华峰资本披露、腾讯新闻与 36氪等报道显示，月之暗面完成约 20 亿美元融资，由美团龙珠领投，投后估值突破 200 亿美元，ARR 据称在 4 月突破 2 亿美元；中国大模型头部创业公司的估值继续被 agent 与商业化叙事推高，腾讯新闻、36氪。

• 阶跃星辰据报将完成近 25 亿美元融资，并加速港股 IPO（5/8）
  每日经济新闻 / 新浪财经报道称，阶跃星辰将完成近 25 亿美元融资，且股份制改造、红筹架构拆除等工作推进，港股 IPO 进程提速；产业资本进入也反映“AI + 终端”商业闭环成为模型创业公司的差异化路径，新浪财经。

海外

• DeepInfra 完成 1.07 亿美元 B 轮融资，扩展生产级 AI 推理云（5/4）
  DeepInfra 宣布完成 1.07 亿美元 B 轮融资，用于扩展面向开源与 agent workload 的高吞吐推理云，称每周处理近 5 万亿 tokens；推理基础设施继续吸引资本押注，Longbridge / GlobeNewswire。

• Nova Intelligence 完成 3150 万美元 A 轮融资，切入 SAP 迁移与企业 agent 工作流（5/5）
  Nova Intelligence 宣布获得 3150 万美元 A 轮融资，目标是用 agentic AI 自动化 SAP 迁移和大型企业遗留系统流程；企业软件迁移成为 AI agent 的高价值垂直场景，Yahoo Finance / Fortune。

• Fazeshift 完成 2200 万美元融资，部署应收账款自治 agent（5/7）
  Fazeshift 宣布完成 1700 万美元 A 轮、累计融资 2200 万美元，用 AI-native 平台自动执行开票、催收、对账等应收账款流程；财务后台流程自动化仍是 agent 落地最快的场景之一，BusinessWire。

• Vori 完成 2200 万美元融资，打造食品杂货门店“自驾驶操作系统”（5/6）
  Vori 宣布完成 2200 万美元融资，称其 AI 系统可端到端管理食品杂货门店运营，包括支付、库存、发票和后台系统；传统零售门店的低数字化流程正在成为垂直 AI 操作系统的目标市场，PR Newswire。

• Nace.AI 完成 2150 万美元融资，发布企业工作流 metamodel 研究预览（5/5）
  Nace.AI 宣布完成 2150 万美元融资，并发布由 100+ 专业 agent 自主推进复杂工作流、专家最终确认的研究预览产品；“多 agent + 人类签核”成为企业自动化常见产品形态，Yahoo Finance / BusinessWire。

3. 基础模型（含视频 / 多模态 / 开源）

• OpenAI 在 Realtime API 中推出 GPT-Realtime-2、Realtime Translate 与 Realtime Whisper（5/7 - 5/8）
  OpenAI 本周推出新的实时语音智能能力，包括 GPT-Realtime-2、翻译模型和流式 Whisper 变体，面向实时语音对话、翻译与转写应用；语音模型从 TTS/ASR 组件走向实时多能力 API，TechCrunch、The Next Web。

• Google Gemini 3.1 Flash-Lite 在 Gemini Enterprise Agent Platform 上 GA（5/7）
  Google Cloud 宣布 Gemini 3.1 Flash-Lite 正式可用，定位为速度最快、成本效率最高的 Gemini 3.1 模型，并面向企业 agent 平台开放；低成本快速模型仍是企业 agent 大规模部署的关键，Google Cloud Blog。

• Inworld AI 发布 Realtime TTS-2 研究预览版（5/5）
  Inworld AI 发布 Realtime TTS-2，主打实时对话中的语气、节奏和情绪理解，以及可控语音指令；语音模型竞争正在从自然度扩展到交互状态感知与角色一致性，Inworld AI。

• Video Rebirth 发布 BACH，面向 30 秒多镜头短片生成（5/7）
  Video Rebirth 宣布推出 BACH AI video engine，宣称可将创意生成 30 秒多镜头影片，并强调角色一致性、写实与电影感；视频生成产品继续向“多镜头叙事 + 一致性”方向演进，PR Newswire。

4. 论文与研究进展

• SafeHarbor 提出层级记忆增强 guardrail，用于 LLM agent 安全（5/8）
  SafeHarbor 论文提出 Hierarchical Memory-Augmented Guardrail，面向 LLM agent 的长期任务与记忆风险设计安全防护；随着 agent 具备更强持续执行能力，guardrail 也需要从单轮输入过滤升级到记忆与任务层安全，SciRate / arXiv。

• Chain of Risk 研究大型推理模型安全失败链条与自适应多原则 steering（5/8）
  《Chain of Risk》讨论大型推理模型中的安全失败及缓解方法，提出 adaptive multi-principle steering；推理模型在复杂任务中可能沿多步推理链累积风险，安全评测也必须覆盖链式失败，arXiv。

• Visual Latents Know More Than They Say 探索多模态模型潜变量推理能力（5/5）
  该研究关注 MLLM 视觉潜变量中未被语言输出充分表达的推理信息，尝试“unsilencing” latent reasoning；多模态模型能力分析正在从最终答案转向内部表征与中间推理，SciRate / arXiv。

• OpenSearch-VL 发布多模态搜索 agent 的开放 recipe（5/7）
  OpenSearch-VL 论文提出构建前沿多模态搜索 agents 的开放方法，面向图文搜索、工具使用和视觉语言推理；多模态 agent 正从闭源产品能力扩散到可复现研究路线，SciRate / arXiv。

• Thinking in Text and Images 研究长程机器人操作中的图文交错推理轨迹（5/4）
  该论文探索在长程机器人操作任务中使用文本与图像交错的视觉语言推理 trace，尝试把多模态推理显式化用于机器人规划；具身智能研究继续把“可解释中间步骤”作为提升可靠性的路径，SciRate / arXiv。

5. 开源项目与社区讨论

• LiteLLM 发布 v1.84.0-rc.1，继续迭代多模型网关能力（5/5）
  BerriAI / LiteLLM 发布 v1.84.0-rc.1，项目作为支持 100+ LLM API 的 SDK 与代理网关，持续覆盖成本追踪、guardrails、负载均衡与日志；多模型网关仍是企业 AI 应用基础设施高频组件，GitHub Release。

• Bifrost HTTP v1.5.0 发布，AI gateway 赛道继续分化（5/6）
  maximhq / bifrost 发布 transports/v1.5.0，项目定位为高性能企业 AI gateway，强调 adaptive load balancer、cluster mode、guardrails 与 1000+ 模型支持；模型路由层竞争正在从功能覆盖延伸到性能与集群化，GitHub Release。

• OpenClaw 据报 5 个月达到 36.9 万 GitHub stars（5/6）
  byteiota 报道称 OpenClaw 自 2025 年 11 月发布后 5 个月达到 369K GitHub stars，成为增长最快的开源仓库之一；无论具体统计口径如何，OpenClaw 已成为本周国内外 agent 讨论和产品跟进的核心符号，byteiota。

• Hacker News 热议“AI slop 正在杀死在线社区”（5/7）
  HN 本周出现关于 AI 生成内容冲击小众创作社区的高热讨论，社区运营者称需要持续封禁 AI 内容账号；AI 内容治理从平台政策问题下沉到小型社区的日常运营成本，Hacker News。

• HN 继续围绕 vibe coding 与 agentic engineering 的边界展开争论（5/6）
  HN 讨论“vibe coding and agentic engineering are getting closer than I’d like”，焦点集中在 AI 编码的能力边界、技能退化和软件工程实践变化；开发者社区仍在重新定义“AI 辅助”和“工程责任”的分界，Hacker News。

6. 其他趋势

• OrcaRouter 发布 MIT 许可开放 LLM API Router，主打零加价与 100+ 模型（5/8）
  Continuum AI 发布 OrcaRouter 与 OrcaRouter Lite，定位为开放 LLM API 路由器，强调 MIT License、零加价和 100+ 模型；模型聚合与路由工具正在从商业 SaaS 向可自托管、低加价形态扩展，PR Newswire。

• Google js-genai SDK 发布 v2.0.0（5/7）
  googleapis/js-genai 发布 v2.0.0，这是 Gemini 与 Vertex AI 的 TypeScript / JavaScript SDK；主流模型厂商继续通过官方 SDK 降低 Web 与 Node.js 开发者接入门槛，GitHub Release。

• 欧盟据报推迟 AI Act 部分规则落地，应对行业反弹（5/7）
  The Register 报道称，欧盟在行业反弹后推迟部分 AI Act 规则落地；监管执行节奏正在与产业部署压力博弈，未来几个月仍需关注通用 AI、透明度与高风险系统规则的具体落地，The Register。

• California AI-driven layoffs 90 天通知要求引发雇佣合规关注（5/4）
  The AI Chronicle 本周报道 California 对 AI-driven layoffs 的 90 天通知要求，反映 AI 对岗位替代和组织重组的影响开始进入州级劳动合规讨论；AI 裁员将不只是管理议题，也会成为法务与 HR 风险，The AI Chronicle。

• HR Dive 报道科技裁员上升，AI 仍被列为主要驱动因素之一（5/8）
  HR Dive 报道称科技行业裁员攀升，AI 仍是劳动力削减和岗位重构叙事中的主要驱动因素；企业 AI 投资与组织“效率化”正在同步发生，HR Dive。

• Coinbase 据报裁员 14%，CEO 信中提及 AI 相关效率压力（5/5）
  Business Insider 报道 Coinbase 裁员 14%，并引用 CEO Brian Armstrong 信件中关于 AI 与组织效率的表述；加密与金融科技公司也在将 AI 作为组织结构调整的重要理由之一，Business Insider。

---

本周观察

1. agent 入口战全面升温。 Meta Hatch、百度 DoctorClaw、阿里 JVS Claw、微信自有模型与 OpenClaw 社区热度共同说明，AI 竞争正从“聊天助手”转向“可执行任务的入口”。
2. 算力与限额成为产品体验变量。 Anthropic 因 SpaceX 等算力合作上调 Claude Code / API 限额，DeepInfra 获大额融资扩展推理云，说明推理供给已直接影响开发者体验和商业模型。
3. 语音与多模态基础能力进入 API 化阶段。 OpenAI Realtime 音频模型、Inworld TTS-2、Google 多模态 File Search 与 Gemini Flash-Lite GA 都指向更实时、更低成本、更可组合的多模态应用栈。
4. 国内大模型资本市场再次提速。 Kimi 和阶跃星辰本周融资报道显示，头部公司正借 agent 热潮、商业化指标和港股窗口重估估值。
5. AI 对劳动与社区治理的外部性更显性。 EU AI Act 延期、AI-driven layoffs 合规讨论、HN 对 AI slop 的担忧，显示 AI 影响正从产品能力扩展到组织、法律与社区生态。