大模型前沿动态 · Vol.65

Claude Code 后门风波与阿里全面封杀：AI 编程工具供应链安全危机

Claude Code 被曝暗藏针对中国域名后门代码，阿里全面禁用 Anthropic 全线产品；Anthropic 启动自研 AI 芯片密谈三星 2nm；全球 AI 投资 H1 破 5100 亿美元创纪录；美国科技公司转向中国大模型，Coinbase AI 支出砍半

大模型 Claude Code Anthropic 阿里 自研芯片 三星 AI投资 GLM Kimi 供应链安全 Qoder DeepSeek IPO

AI 编程工具的「木马门」撕开了大模型供应链信任的裂口——当你的编码助手可能正在监视你，从「用谁的模型」到「信谁的工具」，行业正在重新定义安全边界。

Claude Code 后门事件全面爆发：阿里禁用 Anthropic 全线产品

事件概述

7 月 3 日，阿里巴巴内部下发通知：自 7 月 10 日起，全面禁止内部员工在办公环境下使用 Claude Code 及 Anthropic 旗下全线产品（包括 Sonnet、Opus、Fable 等模型），覆盖超 12 万技术员工及全部 AI 工程化产线，并推荐自研 Agentic 编程平台 Qoder 作为替代方案。这是近年来国内科技企业对第三方 AI 编程 Agent 最严厉的安全管控措施。

禁令的直接导火索是 Claude Code 的「木马门」事件。多家安全媒体披露，从 Claude Code 2.1.91 版本起，其二进制文件中被嵌入了一段采用 XOR 混淆的隐蔽代码。该代码在 Claude Code 获得系统高权限的背景下，会检测用户本地时区（一旦命中 Asia/Shanghai 即进入观察名单），精准锁定 147 个中国域名——美团、网易、百度、阿里、字节跳动等均在监控名单之上。识别完成后，工具不会弹窗或报错，而是通过修改系统提示词中的日期格式和 Unicode 字符作为「秘密水印」，回传至服务器标记中国用户，整个过程用户毫无察觉。

Claude Code 负责人随后承认这是一项自 3 月起启动的「实验功能」，目的是打击未授权转售商和防范模型蒸馏攻击。Anthropic 宣布合并了回滚该代码的提交，承诺在最新版本中彻底移除。但阿里安全团队评估认为其底层架构不可信，决定彻底终止集成。

事件还在持续发酵：开发者社区曝出攻击者正利用受污染的 npm 依赖包在 Claude Code 环境中植入后门；Claude Desktop 也被指存在静默写入 Chromium 浏览器的行为。

技术解析

  • XOR 混淆 + 时区指纹：后门代码采用 XOR 加密混淆以规避静态扫描，不依赖 IP 检测而是直接读取系统时区，这是一种比地理围栏更隐蔽的追踪手段
  • 系统提示词水印：通过修改系统提示词中的不可见 Unicode 字符实现数据回传标记，属于对 LLM 交互协议层面的滥用
  • CVSS 9.8 高危评级：该后门可被远程触发，允许未经授权的代码执行与项目数据回传，风险等级接近满分
  • npm 供应链攻击：恶意依赖包篡改 Claude Code 配置文件，添加自动执行钩子，实现每次启动时静默窃取凭据和令牌

行业影响

此次事件对 AI 编程工具生态产生三重冲击：

  1. 供应链信任危机：AI 编程 Agent 天然需要系统级权限（文件读写、终端执行、网络访问），一旦内嵌恶意代码，威胁远超传统软件。企业对海外 AI 工具的安全审查将大幅升级
  2. 国产替代加速：阿里此次同步推出 Qoder 企业版（可为企业每位员工提供个人云端知识库 QMind），Forrester 分析师戴鲲判断这将加速国产 AI Coding 工具在大型企业中的渗透，推动泛亚太市场形成更独立的模型与开发工具生态
  3. 中美 AI 工具脱钩制度化：从 2025 年 9 月 Anthropic 停止向中国控股企业提供服务，到 6 月指控阿里「工业级模型蒸馏攻击」，再到后门代码曝光，摩擦正在从政策限制演变为技术层面的直接对抗

相关链接

Anthropic 启动自研 AI 芯片：挖角 OpenAI 造芯老兵，密谈三星 2nm 代工

事件概述

7 月 2 日，The Information 援引三位知情人士报道，Anthropic 已启动自研 AI 芯片的早期开发工作，并与三星电子讨论潜在制造合作。这是继 OpenAI 6 月 24 日发布首款自研推理芯片 Jalapeño 之后，又一家大模型巨头将触角伸向芯片设计。

目前项目仍处于方案规划阶段——芯片的功能定位、算力规格及服务器部署方案均未确定。Anthropic 已与多家芯片设计企业进行初步沟通，但尚未进入详细设计、测试与量产环节。值得注意的是，Anthropic 本月聘请了曾参与 OpenAI 自研芯片项目的早期成员 Clive Chan 加入团队。

Anthropic 官方回应称，未来算力扩张仍将主要依赖 AWS Trainium、Google TPU 和 Nvidia GPU 的多元化硬件架构，拒绝进一步透露芯片路线图。

技术解析

  • 三星 2nm GAA + 2.5D 先进封装：Anthropic 考虑的方案包括三星 2nm 制程工艺（当前最顶级制程之一，同等面积可容纳更多晶体管、更高能效）及先进封装技术（将处理器与高速内存紧密集成，缩短数据搬运距离）
  • 参照PFN先例：2024 年 7 月，三星已向日本 AI 公司 Preferred Networks 提供 2nm GAA + 2.5D 封装的交钥匙方案，Anthropic 考虑的正是这套组合
  • 从「租芯片」到「定义算力」：Anthropic 此前的策略是「多平台、不押单一硬件」，同时使用 Trainium、TPU、GPU 三张牌。自研芯片并非要替代这些，而是在其上增加更深的自定义能力层

行业影响

AI 模型商「造芯」竞赛已全面升温：

  1. 算力自主权争夺：OpenAI（Jalapeño + Broadcom + 台积电）、Anthropic（三星 2nm）、Google（TPU）、Amazon（Trainium）——所有头部 AI 公司都在向芯片层延伸，核心逻辑是在万卡集群规模下，芯片效率哪怕提升几个百分点，也能显著降低整体计算成本
  2. 三星代工的战略机遇：Anthropic 选择三星而非台积电，可能受台积电产能瓶颈影响。若合作落地，三星将获得与 OpenAI-台积电对等的重量级客户，代工格局可能重新洗牌
  3. 算力支出已超人力成本：最新数据显示 Anthropic 算力支出已达薪资支出的 2.3 倍（按高级工程师年薪 22.4 万美元计算，每位工程师对应约 51.5 万美元算力支出），从 token maxing 到 token apocalypse，算力经济学正倒逼公司走向芯片自研

相关链接

全球 AI 投资上半年突破 5100 亿美元：三大巨头 IPO 瞄准 3.8 万亿美元总市值

事件概述

7 月 3 日，Crunchbase 发布数据：2026 年上半年全球创业投资达到创纪录的 5100 亿美元，AI 是主要驱动力。与此同时，三大 AI 巨头正在准备可能是历史上最大规模的 IPO 波浪——OpenAI（目标 9 月，估值约 1 万亿美元）、Anthropic（目标 10 月，估值约 9000 亿美元）和 SpaceX/xAI（时间待定），合计目标市值约 3.8 万亿美元。

技术解析

  • 40 倍收入倍数：OpenAI 约 250 亿美元年化收入对应 1 万亿美元估值，意味着 40 倍收入倍数——这一数字在十年前的软件行业不可想象
  • AI 吸收资本的模式转变：AI 初创公司正在以过去只有晚期基础设施项目才能获得的速率吸收资本，IPO 管道之深为互联网泡沫以来之最
  • Anthropic Q2 已实现盈利：年化营收接近 450 亿美元，Q2 净利 5.59 亿美元，这是 AI 公司从烧钱到赚钱的标志性拐点

行业影响

  1. 估值与基本面的张力：5100 亿美元的资本洪流和 40 倍收入倍数，意味着市场对 AI 增长的预期已经拉到极致。任何季度增长不及预期都可能引发剧烈回调——5 月博通财报引发的 1.3 万亿美元市值蒸发就是预演
  2. IPO 竞赛的白热化：OpenAI 和 Anthropic 在 IPO 时间表上形成直接竞争，谁先上市将获得定价权和市场情绪红利
  3. 中国 AI 融资同样创纪录：DeepSeek 首融 500 亿元（约 74 亿美元）创中国 AI 单轮融资之最，月之暗面完成 20 亿美元融资——中美两端的资本都在加速向 AI 集中

相关链接

美国科技公司转向中国大模型：Coinbase AI 支出砍半，GLM 与 Kimi 成默认选项

事件概述

6 月下旬，Coinbase CEO Brian Armstrong 在 X 平台发文披露，公司已将智谱 GLM 5.2 和月之暗面 Kimi K2.7 通过内部 LLM 网关设定为工程师默认大模型，AI 支出削减近一半，而 token 使用量仍在以指数级增长。

这不是个例。过去一年，公开发生的国际大厂切换中国模型案例包括：Airbnb 将主力客服模型从 GPT 切换至千问；AI 公司 Lindy 将模型从 Claude 迁移至 DeepSeek V4；Cloudflare 将 AI 安全 Agent 等生产任务切换为 Kimi K2.5；Notion 公开官宣接入 Kimi K2.6，称其是首款具备顶级智能体能力的开源模型。

技术解析

  • 智能路由 + 缓存优化：Coinbase 的核心手段包括——在自定义调度框架中对提示词预处理，综合缓存命中率与模型定价将任务自动分发至最经济模型（缓存命中率从 5% 提升至 60%）
  • 「大材小用」经济学：91% 的工程师从未触及使用上限，在执行层面使用顶级模型往往是过度配置。中国开源模型在常规任务场景已足够胜任
  • 多模型并行校验：代码审查环节采用不同模型相互校验输出，在降低成本的同时维持质量标准

行业影响

  1. 从「廉价替代品」到「严肃技术供给」：《经济学人》分析指出，中国模型在海外的认知正在发生质变——不再是便宜但凑合的选择，而是性能与成本兼顾的可行方案
  2. 倒逼美国模型降价：当 GLM 5.2 和 Kimi K2.7 能以远低于 GPT/Claude 的成本覆盖大部分任务，美国模型厂商的定价权正在被侵蚀。DeepSeek V4 Pro 永久降价 75% 已经在重写价格体系
  3. Anthropic 的悖论：一边对中国用户暗藏追踪代码，一边其客户正在被性价比更高的中国模型分流——这种做法正在加速而非阻止用户流失

相关链接