AI早报：600亿收购Cursor、GLM-5.2开源、DeepSeek首轮融资超500亿

两大重磅：Cursor被收购与GLM-5.2开源

今日最引人注目的，是AI编程赛道的重大整合动作。据报道，相关方宣布将以600亿美元的全股票交易正式收购AI编程工具Cursor，交易预计在今年第三季度完成。

Cursor由Anysphere公司开发，基于VS Code深度改造而来，是「AI原生」代码编辑器的代表作。与GitHub Copilot等插件式方案不同，Cursor将AI能力内嵌于编辑器核心交互层，支持多文件理解、自然语言重构、上下文感知补全等能力。其核心竞争力在于「Composer」模式——开发者可用自然语言描述需求，模型自动生成跨文件的代码修改方案。这一价格折射出AI编程工具在过去两年的价值飙升：多项调研显示，熟练使用AI编程工具的开发者编码效率可提升30%-55%，部分重复性任务的完成时间缩短超80%。600亿美元的估值，本质上是市场对「每位开发者的AI工作流入口」这一战略卡位的定价。若交易最终落地，将进一步印证「AI Coding」赛道已从工具竞争进入资本整合阶段。

另一边，智谱AI正式发布开源模型GLM-5.2。GLM（General Language Model）是智谱AI自主研发的基础大模型架构，其核心技术创新在于采用自回归空白填充（Autoregressive Blank Infilling）训练目标，兼顾自然语言理解与生成能力。GLM-5.2主打「真正可用的长上下文」与「长程Coding Agent任务能力」——前者指模型能稳定处理数万乃至数十万Token的超长文档而不出现「迷失中段」问题，后者则指模型能在多轮工具调用、跨文件操作等复杂任务中保持目标一致性。官方称其在部分真实测试中超越Opus，并在多项编程基准上达到开源SOTA。目前模型已在API平台、智谱清言及Coding Plan上线，权重采用MIT协议开源，API输入与输出定价分别为8元与28元每百万Tokens。

MIT协议（Massachusetts Institute of Technology License）是目前最宽松的开源许可协议之一，允许商业使用、修改和分发，无需开放衍生代码——这与Apache 2.0协议的专利授权条款、GPL系列的「传染性」条款形成鲜明对比。选择MIT协议意味着企业可直接将GLM-5.2集成到商业产品中而无法律顾虑，极大降低了商业化采用门槛，加上具竞争力的定价，使GLM-5.2成为国产开源大模型在编程场景的重要一步。

Agent编码的经济价值与真实世界落地

Anthropic发布了针对Claude Code的研究报告，基于约40万个会话的分析显示，7个月内Agent任务的经济价值增长27%。所谓「经济价值增长27%」，是指Agent完成任务所创造的可量化产出（如代码行数、修复Bug数量、自动化流程节省工时等）在7个月内的综合增幅，而非仅指模型能力的提升——这其中同时包含了模型迭代、用户提示技巧成熟以及使用场景拓展三重因素。

报告中最值得关注的结论是：领域知识决定编码成败——非软件职业人员使用Agent编码的成功率，已逼近专业工程师的水平。

这一发现背后的机制是：当Agent足以自主处理语法纠错、依赖管理、代码规范等「工程细节」时，任务成败的决定性变量转移到了「任务描述的精确性」与「对业务逻辑的理解深度」——而这恰恰是领域专家相对于程序员的优势所在。这对「公民开发者」（Citizen Developer）运动具有里程碑意义：AI编程Agent正在重新定义「谁能写代码」这件事，企业内部自动化和业务人员自助开发的门槛将大幅降低，低代码/无代码平台甚至可能被Agent直接跨越。

在物理世界方向，NVIDIA GEAR（General Embodied Agent Research）实验室联合CMU与UC Berkeley推出Empire系统，首次让AI编程Agent在真实物理环境中自主操控机器人、完成实验循环。具身智能的核心挑战在于「感知-规划-执行」闭环中的误差传递问题——视觉感知的微小偏差会在物理操作中被放大，导致任务失败。Empire系统的突破在于引入了「实验循环」机制：Agent不仅执行操作，还能自主设计验证步骤、根据结果调整策略，类似科学家进行实验的方式。官方称其训练策略在多项高精度操作任务上达到99%成功率，代码将开源。CMU与UC Berkeley的联合参与也表明，这类研究已从工业界单打独斗转向产学研深度融合的协作模式，编码Agent的能力边界正从数字世界向物理世界延伸。

平台与产品：办公助手、网盘与超级App重构

多家厂商在应用层持续发力。阿里桌面AI助理Goldwork上线「意识」功能，集成记忆、反思、技能净化三大模块，支持主动整理冗余信息，并将高频任务沉淀为可复用技能。

支付宝宣布开启「AI版支付宝」内测，用户右滑即可切换AI助手「阿宝」，通过对话或语音安排办事，资金环节由用户确认，目前正逐步开放并已发出邀请码。这种「AI优先」的应用形态，代表了超级App在AI时代的一种重构思路。

网盘赛道也出现新动向：据报道，腾讯网盘官网近期上线并显示即将推出，核心卖点是支持连接多个AI应用、实现多应用数据互通，并允许Agent通过CLI/MCP调用网盘数据。MCP（Model Context Protocol）是Anthropic于2024年底提出并快速获得行业采纳的开放标准协议，定义了AI模型与外部数据源、工具之间的标准化通信接口——类似于USB-C之于硬件设备的角色。在MCP出现之前，每个AI应用需要为不同数据源分别开发适配器，接入成本极高。网盘支持MCP意味着用户的个人文件、照片、文档将可以被授权的Agent直接检索、读取和操作，从根本上改变了云存储的使用范式——从「人工上传下载」升级为「Agent按需调用的知识库」。这与近期整个行业「让AI直接调用个人数据资产」的趋势高度一致，数据存储正从被动仓库转变为主动的Agent数据源。

此外，Google发布了Android 17与Wear OS 7正式版，首发搭载于Pixel设备，伴随的Pixel Drop更新带来音乐生成、多任务处理及紧急检测等多项AI能力。

模型层竞逐：小模型跑分与长上下文能力

模型侧更新同样密集。Weibo AI发布开源模型VibeThinker 3B，官方称该3B模型在多项基准测试中达到旗舰大模型水平，不过社区对其超高成绩提出了过拟合质疑——这也提醒我们，小模型的「跑分神话」仍需在真实场景中审慎验证。

百灵大模型发布了Ling & Ring 2.6技术报告，该系列专为真实Agent工作流设计：Ling 2.6聚焦高Token效率，Ring 2.6聚焦复杂推理，最高支持256K上下文。SubQuadratic则发布SubQ 1.1 Small模型卡，采用SSA稀疏注意力，支持最高12M Tokens上下文，正面向部分合作伙伴部署。

理解这一技术突破需要了解传统Transformer的瓶颈：标准自注意力（Self-Attention）的计算复杂度为O(n²)，即上下文长度每翻倍，计算量翻四倍——这使得百万级Token的处理在工程上极为昂贵。SSA（Sparse Structured Attention，稀疏结构化注意力）通过「让每个Token只关注最相关的子集而非全部Token」来降低复杂度，理论上可将其压缩至O(n·log n)甚至O(n)级别。12M Tokens约等于1500万汉字，足以容纳数十本长篇小说或一个中型代码库的全部内容，对于需要跨文档理解的企业级Agent应用具有实质性价值。

语音领域方面，Cartesia发布两款模型——Sonic 3.5用于文本转语音，Ink 2用于语音转文本，官方称二者分别为各自领域排名第一的模型。

Codex团队详解了操控电脑的三种方式：Computer Use覆盖最广、可操作桌面应用；Chrome扩展携带登录态、适合多标签页操作；内置浏览器无登录态、专供前端开发与调试。

资本与格局：融资潮与市场份额之变

资本层面消息尤为重磅。据报道，DeepSeek完成首轮外部融资，金额超500亿元人民币，估值突破500亿美元。报道称创始人梁文锋出资200亿元，腾讯与宁德时代等机构参投。

此轮融资最值得深究的并非金额本身，而是「外部投资者无投票权且面临5年锁定期」这一特殊安排。这种结构在中国科技投融资历史上并不常见，更类似于Google早期的双重股权结构（AB股）或Snap的三级股权设计——创始团队通过投票权分离实现对公司战略的绝对控制。5年锁定期远超VC行业通常的3年退出窗口，意味着投资方以流动性换取了参与这一历史级资产的资格。梁文锋个人出资200亿元人民币体现了创始人对公司的极度信心，同时也是维持控制权的技术手段。腾讯与宁德时代的参与则呈现出「产业投资人」逻辑：前者着眼AI能力与微信生态的协同，后者则可能看重AI在能源管理与智能制造中的应用前景。这一安排整体显示出团队对控制权与长期主义的高度重视。

此外，硅基流动完成超20亿元融资，投资方涵盖携程等机构，资金将用于深化「Token工厂」建设。

市场格局方面，据Sensor Tower报告，ChatGPT全球市场份额首次跌破50%、约为46.4%，但仍以超11亿月活跃用户数位居全球首位。理解这一数据需要区分两个概念：「市场份额」与「绝对用户规模」。超11亿月活用户的绝对体量仍在增长，份额下滑意味着整体市场蛋糕扩张速度超过了ChatGPT自身的增速——新进入者（包括Claude、Gemini、Kimi、文心一言等）正在服务此前未被触及的增量用户群体，而非纯粹地从ChatGPT「抢走」用户。46.4%的份额仍意味着全球每两个AI助手用户中就有接近一个在使用ChatGPT，其品牌认知度与用户习惯护城河短期内难以被颠覆。真正的竞争压力来自垂直场景专业化——当用户发现某个特定场景有更专业的替代品时，才会产生真实的迁移动力。

基础设施层面也出现微妙变化：因AI使用量激增导致算力吃紧，微软正为GitHub引入AWS云容量。微软官方确认了这一「多云策略」调整——即便是自建大规模云的巨头，也不得不在算力紧张时向竞争对手寻求支援。

结语

今日信息密度极高，从600亿美元的Cursor收购到GLM-5.2开源，从Agent编码的经济价值验证到DeepSeek的巨额融资，都指向同一个趋势：AI Coding与Agent正在成为整个行业的价值中枢。资本、模型、平台三条线同时加速，AI竞争已从「谁的模型更强」演进到「谁能把Agent真正落地到生产力与物理世界」。