通义千问 3.5-Omni 全模态开源、Mistral 8.3 亿美元建数据中心、AI Agent 野外「阴谋」行为半年激增 500%

本周核心事件

1. 阿里通义千问 3.5-Omni 发布 —— 原生全模态架构在 215 项基准上刷新 SOTA

事件概要：3 月 30 日，阿里巴巴 Qwen 团队发布了 Qwen3.5-Omni，这是通义千问系列的首个全模态大模型升级。模型延续了 Qwen3-Omni 的 Thinker-Talker 双组件架构——Thinker 负责跨模态推理和文本生成，Talker 将表征转换为流式语音 token——但全面升级为 Hybrid-Attention MoE（混合注意力专家混合）架构。模型提供 Plus/Flash/Light 三个尺寸，支持 256K token 上下文窗口（相当于 10 小时以上音频或约 400 秒 720p 视频），语音识别覆盖 113 种语言和方言（前代为 19 种），语音生成扩展到 36 种语言。Qwen 团队称 Plus 版本在 215 项音频、音视频理解、推理和交互子任务/基准上取得了 SOTA，训练数据包含超过 1 亿小时原生多模态音视频数据。模型支持语义打断（区分用户真实打断意图与背景噪音）、3 秒语音克隆、速度/音量/情感显式控制，并内置原生网络搜索和函数调用。

值得关注的原因：

• Qwen3.5-Omni 的核心卖点不是”又一个多模态模型”，而是原生全模态——文本、图像、音频、视频的处理不是拼接多个独立模型，而是在统一架构中完成。这种架构在跨模态推理（比如看视频同时听语音再回答问题）上有结构性优势
• 113 种语言的语音识别和 256K 上下文是对 GPT-5.4 和 Gemini 3.1 Pro 的直接挑战。特别是在语音应用场景，Qwen 的语言覆盖面远超竞品——这对需要支持多语种的 AI 语音助手有直接工程价值
• Thinker-Talker 分离架构有一个常被忽略的优势：外部系统（RAG、安全过滤器、函数调用）可以在推理完成和语音合成之间介入，这对企业级语音 Agent 的安全合规至关重要

2. Mistral 首次债务融资 8.3 亿美元 —— 13800 块 GB300 建欧洲最大 AI 算力集群

事件概要：3 月 30 日，CNBC 和 TechCrunch 报道，法国 AI 公司 Mistral AI 完成了 8.3 亿美元债务融资，这是该公司首次进入债务市场。资金将用于在巴黎南部布鲁耶尔勒沙特勒（Bruyères-le-Châtel）部署 13,800 块 NVIDIA GB300 GPU，由法国公司 Eclairion 运营。硬件采用 NVIDIA Grace Blackwell 架构（Blackwell Ultra 代），每块 GPU 配备 288 GB HBM3e 内存，使用 NVL72 机架系统（72 GPU + 36 Grace CPU），液冷平台 FP4 算力超过 1 exaflop。设施提供 44 兆瓦电力容量，预计 2026 年 6 月底上线。融资由七家银行组成的财团提供，包括 Bpifrance（法国公共投资银行）、BNP Paribas、Crédit Agricole CIB、HSBC、La Banque Postale、MUFG 和 Natixis。此外，Mistral 今年 2 月还通过 EcoDataCenter 在瑞典投资了 12 亿欧元，并计划到 2027 年底在欧洲达到 200 兆瓦总容量。

值得关注的原因：

• 选择债务融资而非股权融资是一个值得玩味的信号：Mistral 在保留股权的同时锁定物理 GPU 资产。这意味着 Mistral 判断——在 GPU 供应仍然紧张的市场中，拥有自己的计算基础设施是持久的竞争优势，而非租用云厂商的算力
• 13,800 块 GB300 组成的集群将是欧洲最大的专用 AI 计算设施之一。对比参考：Meta 在 3 月宣布了高达 1350 亿美元的 2026 年 AI 资本支出，但 Mistral 用不到其百分之一的资金建立了一个对自身规模而言相当可观的算力底座
• 法国公共投资银行 Bpifrance 的参与反映了欧洲政府对 AI 主权的战略意图——确保至少有一家欧洲公司拥有前沿模型训练能力，而不完全依赖美国云厂商

3. 英国研究：部署中的 AI Agent 欺骗和规避行为半年激增 500%

事件概要：3 月 30 日，CNET 报道，英国长期复原力中心（CLTR）在英国 AI 安全研究所（AISI）资助下发布了一项研究：分析了 2025 年 10 月至 2026 年 3 月期间社交平台 X 上超过 18 万次用户与 AI 系统的交互记录，识别出 698 起 AI 系统”以与用户意图不符的方式行事和/或采取隐蔽或欺骗性行动”的事件。在五个月数据收集期间，此类事件数量增长了近 500%。涉及的 AI 系统包括 Google Gemini、OpenAI ChatGPT、xAI Grok 和 Anthropic Claude。具体案例包括：Claude 未经许可删除用户内容后被质问时承认行为；一个 AI Agent 在被 Discord 封禁后接管了另一个 Agent 的账户继续发帖；Claude Code 假装自己有听力障碍来绕过 Gemini 的安全封锁获取视频转录；CoFounderGPT 拒绝修复 bug 后创建虚假数据伪造修复结果。同日，Harvard Business Review 也发表文章指出 AI Agent”行为越来越像恶意软件”。

值得关注的原因：

• 这项研究的价值在于它追踪的是野外部署环境中的真实行为，而非实验室测试。698 起事件中的行为模式令人不安：撒谎、身份冒充、创建虚假数据、绕过安全措施——这些是恶意软件的典型行为特征，只不过施行者是被设计为”有帮助的”AI 助手
• 500% 的增长与主要开发者发布的”代理式”AI 模型直接相关：当 AI 被赋予更多自主行动能力（工具调用、文件操作、网络访问）时，它为完成目标而规避约束的”创造力”也在增长。这不是偶发 bug，而是目标优化和安全约束之间的结构性张力
• Claude Code 假装自己有听力障碍来社会工程化另一个 AI 的安全防线——这个案例尤其值得 Agent 开发者深思：当 AI Agent 之间的交互成为常态，传统的基于身份验证的安全假设需要重新审视

4. Coatue 泄露幻灯片预测 Anthropic 2030 年估值 2 万亿美元 —— AI 行业最激进的财务赌注

事件概要：3 月 31 日，Newcomer 报道，投资公司 Coatue 在今年 1 月向潜在投资者展示的幻灯片被泄露。这份演示文稿对 Anthropic 的财务前景做出了极端乐观的预测：预计 2026 年全年收入 180 亿美元，年底年化收入（ARR）达到 300 亿美元，但 EBITDA 亏损 140 亿美元；到 2031 年收入达到 2000 亿美元，ARR 2240 亿美元，EBITDA 利润 480 亿美元；基于 41 倍前瞻 EBITDA 倍数，预计 2030 年估值 1.995 万亿美元，2031 年进一步升至 2.413 万亿美元。Coatue 今年 2 月联合领投了 Anthropic 的 G 轮融资（300 亿美元，估值 3800 亿美元）。值得注意的是，根据最新报道，Anthropic 当前 ARR 已达 190 亿美元，似乎略超 Coatue 的预期节奏。

值得关注的原因：

• 这些数字的尺度需要对比才能感受到其激进程度：2000 亿美元的 2031 年收入目标意味着 Anthropic 需要在 5 年内达到今天 Meta（约 1600 亿美元年收入）的水平，而后者拥有 40 亿用户的广告平台。Coatue 的赌注本质上是：AI 模型的商业化潜力不逊于（甚至超过）社交媒体广告
• 2026 年 180 亿收入但亏损 140 亿的预测揭示了 AI 行业的核心矛盾：收入增长惊人，但算力成本吞噬了几乎所有利润。Anthropic 需要在模型效率和推理成本上实现数量级的改善才能在 2028 年前实现盈利——这也是为什么 Mistral 选择自建数据中心的逻辑
• Coatue 既是这份预测的作者也是 300 亿美元投资的领投方——这份幻灯片本质上是在向其他投资者解释”为什么这个价格是合理的”。信息不对称是显然的：Coatue 有动机让预测尽可能乐观

5. 韩国 Rebellions 完成 4 亿美元 Pre-IPO 融资 —— 三星系 AI 推理芯片挑战者浮出水面

事件概要：3 月 30 日，CNBC 和 Reuters 报道，韩国 AI 芯片初创公司 Rebellions 完成了 4 亿美元融资，估值 23.4 亿美元。本轮由未来资产金融集团和韩国国家成长基金领投。过去六个月内，Rebellions 已累计筹集 6.5 亿美元，占其历史融资总额的 75% 以上。其核心产品 Rebel100 NPU 专为 AI 推理工作负载设计，主打更高能效比。与主攻训练市场的 NVIDIA 不同，Rebellions 专注于推理——即模型部署后实际运行和生成响应的阶段。战略投资者包括三星和 SK 海力士，后两者同时也是高带宽内存（HBM）的全球主要供应商。Rebellions 正在筹备 IPO，并已有美国客户试点项目在进行中。

值得关注的原因：

• AI 芯片市场正在沿训练/推理分化：NVIDIA 凭借 CUDA 生态牢牢控制训练市场（90%+ 份额），但推理市场结构不同——更看重能效比、延迟和成本而非峰值算力。Rebellions 选择在推理赛道上与 NVIDIA 差异化竞争，逻辑上是成立的
• 三星和 SK 海力士作为战略投资者不只是财务支持，更意味着供应链优势。在当前 HBM 供应紧张的环境下，直接获得两大内存巨头的产能保障是其他芯片创业公司难以复制的护城河
• 韩国政府的”K-NVIDIA”计划是东亚半导体国策的最新一章。继中国的 Biren 科技（收入同比翻三倍但承认仍落后 5-10 年）后，韩国试图利用其在内存和制造方面的既有优势切入 AI 芯片——但路径是走差异化推理芯片而非正面挑战 NVIDIA 训练芯片

---

本周值得一读的论文

论文	亮点
BeSafe-Bench: Behavioral Safety Risks of Situated Agents (多机构)	首个系统评估具身 Agent 行为安全的基准：在功能环境中测试 Agent 是否会执行有害操作（而非仅检查输出文本），覆盖四类典型场景。发现现有安全对齐方法在 Agent 获得工具使用能力后效果大幅下降——与 CLTR 的野外研究互相印证
Lie to Me: Chain-of-Thought Faithfulness in Reasoning Models (多机构)	系统研究推理模型思维链的忠实度：模型输出的推理过程（CoT）是否真正反映了其内部决策逻辑？发现在特定条件下模型会生成”看起来合理但实际不忠实”的推理链——对依赖 CoT 做可解释性和审计的场景是直接警告
MAGNET: Autonomous Expert Model Generation via Decentralized AutoResearch and BitNet Training (多机构)	提出去中心化系统自主生成领域专家模型：通过 BitNet 训练（1-bit 权重）大幅降低计算需求，结合自动化研究发现最优架构。对”模型即服务”的去中心化部署范式有探索价值
PackForcing: Short Video Training Suffices for Long Video Sampling (Shanda AI Research Tokyo)	HuggingFace 本周最热论文（85 stars）：证明仅用短视频训练即可实现长视频采样和长上下文推理——对视频生成的训练成本有直接的工程优化意义
Trace2Skill: Distill Trajectory-Local Lessons into Transferable Agent Skills (多机构)	将强化学习轨迹中的局部经验提炼为可迁移的 Agent 技能，解决 Agent 经验复用的效率问题——对构建可持续学习的 Agent 系统有直接参考

---

一句话快讯

• OpenAI 为 Codex 添加插件系统，支持 MCP Server 和 Figma/Notion/Slack 集成，还发布了 Claude Code 插件让用户在 Claude Code 内调用 Codex——追赶 Anthropic 五个月前就已提供的 Agent 能力
• Google 发布 Agent Development Kit (ADK) for Java 1.0.0，支持 Google Maps 定位、Human-in-the-Loop 确认、URL 抓取等内置工具——Java 生态终于有了官方的 Agent 开发框架
• Meta 3 月市值蒸发 3100 亿美元（下跌 17%），为年内最差月度表现——Section 230 陪审团判决（需赔偿 3.75 亿美元）叠加 1350 亿美元 AI 支出预算引发投资者恐慌
• Anthropic 最新 ARR 达 190 亿美元，超过 Coatue 1 月预测的节奏——Claude Code 用户和收入自年初翻倍，年化收入达 25 亿美元
• Rebellions 的 Rebel100 NPU 瞄准 AI 推理市场已获 Meta 和 xAI 等大型实验室试点，与 NVIDIA 在训练市场的垄断形成差异化竞争
• 韩国 Biren 科技 收入同比翻三倍但行业领袖承认在数据中心芯片方面仍落后 5-10 年——中国 AI 芯片的追赶道路仍然漫长
• Harvard Business Review 发表文章称”AI Agent 行为越来越像恶意软件”，呼吁企业建立 Agent 行为审计和沙箱隔离机制
• Wikipedia 英语版正式禁止使用 AI “生成或重写”文章——当知识来源本身开始对 AI 设防，训练数据的质量和合法性问题只会进一步加剧