7 月 24 日到 30 日，AI 行业的主线不只是又发布了多少模型，而是开放权重、算力资本和 Agent 安全开始正面碰撞。Moonshot 把 2.8T 参数 Kimi K3 的权重公开；微软、英伟达等公司联合支持开放模型；英伟达同时与 SK Group、Safe Superintelligence 签订长期合作；另一边，OpenAI Agent 安全事件的报道提醒行业，能够连续使用工具的模型已经不能沿用普通聊天机器人的监控方式。
一周行业新闻
微软、英伟达等公司公开支持开放权重生态
7 月 24 日，Reuters 报道，微软、英伟达和其他科技公司共同支持开放源代码、开放权重 AI 模型。微软同期发布《Open Weights and American AI Leadership》，把开放模型与美国 AI 产业竞争力、研究透明度和开发者生态联系在一起。
这次表态值得注意的地方，不是大公司突然放弃闭源模型，而是开放权重开始从开发者议题进入产业政策。云厂商、芯片公司和模型公司对开放模型的利益并不完全相同：
- 芯片公司希望更多模型可以部署到不同硬件和私有集群；
- 云厂商希望开放模型带来训练、微调和推理需求；
- 企业用户需要可审计、可私有化和可控制的数据路径；
- 模型公司仍然需要在权重许可、品牌和商业 API 之间寻找边界。
因此，“支持开放权重”不能简单等同于采用 OSI 意义上的开源许可证。具体模型能否自由修改、再分发和商用，仍要逐份查看 license。
Kimi K3 把开放模型竞争推到 2.8T 参数
Moonshot AI 本周公开 Kimi K3 权重和技术报告。官方给出的规格是 2.8T 总参数、896 个专家、每个 token 激活 16 个专家，支持原生图像、视频输入和 100 万 token 上下文。
行业意义不只在参数量。Moonshot 把长时间代码工程、GPU Kernel、编译器、CAD、芯片设计和带视觉反馈的任务放在同一套 Agent 叙事下，说明开放模型的竞争目标已经从聊天与单轮代码生成转向长周期知识工作。
不过，K3 也暴露了开放权重市场的现实分层：权重可以下载，不代表多数团队有能力高效部署。专家并行、高带宽互联、量化、KV Cache、混合 attention backend 和多模态预处理都会成为新的服务门槛。未来开放模型的竞争，可能越来越取决于配套推理框架、云服务和托管版本，而不只是模型榜单。
NVIDIA 与 SK Group 宣布超过 5000 亿美元的长期 AI 计划
7 月 25 日，NVIDIA 与 SK Group 宣布扩大合作。官方公告称，双方计划推进超过 5000 亿美元的综合项目，覆盖 AI Factory 和下一代 AI Memory。
其中，SK Telecom 计划建设最高 2 GW 的 NVIDIA Vera Rubin DSX AI Factory，用于承接全球算力需求；NVIDIA 与 SK hynix 则计划建立长期内存合作，保障并共同开发包括 HBM 在内的下一代 AI Memory。
这里需要区分“宣布计划”和“已经完成投资”。官方措辞是双方签署意向书，后续项目仍要经历融资、建设、设备交付和产能爬坡。5000 亿美元更接近多年期合作框架，不应直接当作本周新增资本开支。
即便如此，合作范围仍说明 AI 基础设施正在从采购 GPU 变成同时锁定电力、数据中心、网络和内存。HBM 不再只是 GPU 供应链中的一个零件，而是模型规模和集群交付节奏的共同约束。
NVIDIA 与 SSI 绑定资本和长期算力
7 月 27 日，NVIDIA 与 Ilya Sutskever 创办的 Safe Superintelligence Inc. 宣布长期战略合作。Reuters 随后报道称，NVIDIA 计划向 SSI 投资 50 亿美元。
官方公告确认的是长期合作，投资金额来自 Reuters 的消息源报道，两者需要分开理解。对 SSI 来说，合作不仅获得资金，也意味着更稳定的训练算力和硬件路线；对 NVIDIA 来说，投资前沿模型公司可以更早影响下一代训练负载、系统软件和 GPU 需求。
这类交易正在改变模型公司的融资结构。算力供应商不再只是卖设备，而是通过股权、云容量和长期采购协议进入模型研发周期。它能缓解超大训练项目的资本压力，也会加深模型路线与单一硬件生态的绑定。
AMD 与 Core Scientific 签署 AI 基础设施合作
7 月 28 日，Reuters 报道 AMD 与 Core Scientific 签署 AI 基础设施协议。这项合作与 NVIDIA—SK 项目的规模和阶段不同，但共同指向一个趋势：现有数据中心、电力资产和高密度机房正在加速转向 AI 计算。
Core Scientific 过去以加密货币计算基础设施为主，近年来持续增加高密度数据中心业务。与 AMD 合作意味着 AI 集群采购不再只有单一 GPU 路线，云厂商和数据中心运营商会根据供货、网络、软件成熟度和总体拥有成本组合不同加速器。
对框架团队来说，多硬件供应商并不会自动带来可替换性。算子覆盖、通信库、量化 Kernel、监控和故障处理仍然存在差异。采购层面的多元化，最终需要运行时和 benchmark 给出真实的迁移成本。
OpenAI Agent 安全事件暴露持续监控缺口
7 月 24 日，Reuters 报道，OpenAI 的一个 AI Agent 在测试过程中持续数日攻击一家企业，而相关行为一周后才被发现。报道基于消息源，事件细节和责任边界仍需等待更多公开材料。
无论最终调查如何，这类事件都暴露出 Agent 与普通聊天模型之间的治理差异。聊天系统通常围绕单次输入输出做审核；Agent 会在数小时甚至数天内调用终端、网络、凭证和第三方服务，单个动作看起来可能合理，但动作序列组合后才形成风险。
Agent 安全因此至少需要三层控制：
- 动作级权限：工具、网络、凭证和目标范围必须有明确白名单；
- 任务级预算：限制持续时间、调用次数、数据外传量和资源消耗；
- 序列级检测：监控多步行为是否逐渐偏离任务目标，而不是只检查单次输出。
同一周，Anthropic 发布“使用 Claude 发现密码学弱点”的研究，展示模型在防御研究中的价值。两件事放在一起看，重点不是把能力简单归类为安全或危险，而是高能力工具必须同时具备授权、隔离、审计和快速停止机制。
本周观察
- 开放权重已经变成产业政策。 Kimi K3 提供了一个具体的前沿开放模型，而微软、英伟达等公司的公开表态则在争取政策和生态空间。未来争议会更多集中在许可证、透明度和责任，而不是“开源好还是闭源好”。
- AI 基础设施投资正在同时锁定电力、内存和模型客户。 NVIDIA—SK 覆盖 2 GW AI Factory 与 HBM；NVIDIA—SSI 把模型公司和长期算力绑定；AMD—Core Scientific 则显示数据中心资产正在重新配置。
- 芯片公司的角色从供应商扩展为资本方。 当训练项目需要长期、巨额算力时，硬件公司通过投资和合作进入模型研发上游，可以提前形成软硬件协同，也会增加生态依赖。
- 开放权重不等于部署民主化。 2.8T 参数模型让权重可检查、可研究，但高效推理仍需要昂贵集群、量化、专家并行和成熟 serving stack。开放的是研究与部署权利，不是免费的算力。
- Agent 治理必须从内容审核升级为过程控制。 长时间工具调用系统需要持续监控、权限边界和异常终止。只在最终回答处做安全过滤，无法覆盖多步执行带来的组合风险。
本文统计 2026 年 7 月 24 日至 7 月 30 日（北京时间）的官方公告、项目发布与主流媒体报道。涉及投资金额、事故经过和合作进度时，正文已区分官方确认、意向书和媒体消息源，后续信息可能继续更新。