AI早报 · 2026年2月27日

昨日AI热点（按重要性排序）

1. 标题：OpenAI 与 Amazon 宣布多年战略合作，并引入 500 亿美元投资

   中文摘要：双方将把由 OpenAI 模型驱动的“有状态代理运行时”集成到 Amazon Bedrock，并由 AWS 作为 OpenAI Frontier 的独家第三方云分发渠道。合作还包含 OpenAI 未来 8 年新增 1000 亿美元 AWS 算力采购、约 2GW Trainium 产能，以及为 Amazon 业务定制模型。

   来源：https://openai.com/index/amazon-partnership/

2. 标题：OpenAI 在 Amazon Bedrock 推出面向代理的 Stateful Runtime Environment（有状态运行时）

   中文摘要：该运行时强调把“状态”作为生产级代理的底座能力，包含跨步骤的记忆/历史、工具与工作流状态、环境与身份边界，并在客户 AWS 环境内运行以贴合既有安全与治理。目标是减少团队自建编排层负担，让多系统客服、IT 自动化、财务审批等长流程更可靠可审计。

   来源：https://openai.com/index/introducing-the-stateful-runtime-environment-for-agents-in-amazon-bedrock/

3. 标题：OpenAI 宣布 1100 亿美元新融资，估值达 7300 亿美元（融资前）

   中文摘要：OpenAI 表示为满足激增的算力与分发需求，获得 1100 亿美元新增投资、融资前估值 7300 亿美元，其中包括 SoftBank 300 亿、NVIDIA 300 亿与 Amazon 500 亿。公司同时披露与 NVIDIA 扩大合作（含 3GW 推理与 2GW 训练相关能力）并强调将加速把前沿 AI 产品规模化落地。

   来源：https://openai.com/index/scaling-ai-for-everyone/

4. 标题：OpenAI 更新心理健康相关安全工作：将推出“可信联系人”等功能

   中文摘要：OpenAI 称在既有家长控制基础上，将为成人用户增加“可信联系人”以在可能需要支持时发送通知，并继续改进模型对情绪困扰信号的识别与响应评测方法（模拟更长程的对话场景）。同时披露心理健康相关诉讼在加州进入集中协调程序，公司强调将以透明与审慎方式应对。

   来源：https://openai.com/index/update-on-mental-health-related-work/

5. 标题：OpenAI 与 Microsoft 联合声明：既有合作条款不变，Azure 仍为“无状态 API”独家云

   中文摘要：双方回应 OpenAI 新融资与新增合作伙伴，强调微软对 OpenAI 模型与产品的授权与 IP 关系、商业分成机制均维持不变。声明指出 Azure 仍是 OpenAI“无状态 API”的独家云提供方，Frontier 等第一方产品继续托管在 Azure；与 Amazon 的合作在协议框架内被允许且不改变核心关系。

   来源：https://openai.com/index/continuing-microsoft-partnership/

6. 标题：Google DeepMind 发布 Nano Banana 2（Gemini 3.1 Flash Image），主打高质量生成与更快编辑

   中文摘要：Google 推出 Nano Banana 2 并开放至 Gemini API / Google AI Studio，强调更强“世界知识”与更快高级编辑，支持更可靠的文字渲染与图片内多语言本地化。新版本提供更多原生比例与 512px 分辨率档位，并引入可调“思考等级”以在复杂提示下提升生成质量与指令遵循。

   来源：https://blog.google/innovation-and-ai/technology/developers-tools/build-with-nano-banana-2/

7. 标题：Nano Banana 2 开始在 Gemini、Search、Ads 等产品线滚动上线，并加强生成内容标识

   中文摘要：Google 介绍 Nano Banana 2 将把 Pro 级能力与 Gemini Flash 速度结合，提供更一致的主体保持、更强指令跟随与 512px-4K 生产级规格，面向快速迭代与批量生成。公司同时提到继续推进 SynthID 与 C2PA Content Credentials 结合，用于提升 AI 生成图像的可识别性与溯源能力。

   来源：https://blog.google/innovation-and-ai/technology/ai/nano-banana-2/

8. 标题：Google Translate 引入基于 Gemini 的“备选表达/理解/追问”功能

   中文摘要：Google 在翻译应用中加入“备选表达”与“understand/ask”按钮，帮助用户在口语、习语等场景选择更贴近语境的译法，并解释各选项适用原因。该体验先在美国与印度上线（Android/iOS），并计划扩展到 Web 端，瞄准“语气与语域”控制这一翻译痛点。

   来源：https://blog.google/products-and-platforms/products/translate/translation-context-ai-update/

9. 标题：Google 与 Massachusetts AI Hub 启动州级 AI 培训计划，面向居民免费开放课程

   中文摘要：Google 宣布与马萨诸塞州 AI Hub 合作，为当地居民提供免费 AI 与职业技能培训入口，覆盖新的 AI Professional Certificate 及 Career Certificates 等项目。该计划将“AI 素养”与就业技能绑定，延续其在多州的培训承诺，意在为地方劳动力市场提前补齐 AI 工具使用与岗位转型能力。

   来源：https://blog.google/company-news/outreach-and-initiatives/grow-with-google/google-ai-training-massachusetts-residents/

10. 标题：WIRED 关注开源项目 IronCurtain：用“可执行政策”约束 AI 代理避免越权

    中文摘要：IronCurtain 将代理运行在隔离虚拟机中，并通过用户用自然语言写下的“宪法式政策”来中介所有操作，再把这些规则转为可执行、可审计的安全策略。报道强调，相比把每次权限弹窗都交给用户确认，这类硬边界能力更能抵御“默认全点同意”的权限疲劳，也更适合控制删除、外发等高风险动作。

    来源：https://www.wired.com/story/ironcurtain-ai-agent-security/

11. 标题：MIT Technology Review：AI 正在重塑顶尖围棋选手的训练方式与风格

    中文摘要：报道回顾 AlphaGo 十周年后，KataGo 等更强开源引擎已成为职业训练标配，选手以“贴近 AI 推荐”作为提升核心，导致开局趋同、风格更一致，博弈重心向中盘计算迁移。与此同时，AI 训练也在降低门槛，让更多人（包括女性棋手）获得更公平的学习资源与路径。

    来源：https://www.technologyreview.com/2026/02/27/1133624/ai-is-rewiring-how-the-worlds-best-go-players-think/

12. 标题：MIT Technology Review《The Download》：围棋、网络安全与“AI 治理分歧”并行升温

    中文摘要：该期通讯聚焦 AI 对围棋训练的长期结构性影响，同时汇总多条与 AI 治理相关的新闻线索，其中包括 Anthropic 与美方军方需求谈判的僵持点等。作为二手汇编型内容，它反映出“前沿模型的军用边界、公共部门采购条款、企业自我约束”正在成为行业与政策讨论的高频议题。

    来源：https://www.technologyreview.com/2026/02/27/1133754/the-download-how-ai-is-shaking-up-go-and-a-cybersecurity-mystery/

13. 标题：arXiv：系统评测多款开源 LLM 对提示注入与越狱攻击的脆弱性

    中文摘要：论文在手工整理的数据集上测试 Phi、Mistral、DeepSeek-R1、Llama 3.2、Qwen、Gemma 等模型，观察到拒答、沉默等不同安全行为差异，并评估多种推理时“过滤式防御”。结果显示这类轻量防御能挡住简单攻击，但常被长链推理式提示绕过，提示需要更体系化的安全工程。

    来源：https://arxiv.org/abs/2602.22242

14. 标题：arXiv：CourtGuard 以“证据辩论”重构安全评测，实现零样本政策适配

    中文摘要：CourtGuard 用检索增强与多代理对抗辩论，把外部政策文档作为证据来裁决输出是否合规，避免把安全逻辑固化在模型权重里。作者称其在 7 个安全基准上优于多种基线，并展示可通过替换政策文档迁移到新任务（如维基破坏检测）而无需微调，还可用于自动化对抗数据集的生成与审计。

    来源：https://arxiv.org/abs/2602.22557

15. 标题：arXiv：Silent Egress 揭示“隐式提示注入”可让代理悄然外传上下文

    中文摘要：研究指出当代理自动抓取网页并生成预览时，标题/元数据/摘要中可嵌入恶意指令，引导代理发起外部请求泄露运行时敏感信息，而最终给用户的回复仍看似正常。实验在本地可复现环境中显示较高成功率，并提出“分片外传”可降低单次泄露可见度；作者强调需把网络出站控制与域名白名单等系统层防护作为首要安全指标。

    来源：https://arxiv.org/abs/2602.22450

16. 标题：arXiv：提示词自动优化显著提升医疗文本差错检测效果

    中文摘要：论文研究医疗记录中错误识别任务，发现提示词优化对不同规模模型都有明显增益。作者用 Genetic-Pareto（GEPA）做自动提示搜索后，报告在 MEDEC 数据集上准确率从 0.669 提升到 0.785（GPT-5），从 0.578 提升到 0.690（Qwen3-32B），并称性能接近医生水平，提示“提示工程系统化”对高风险场景同样关键。

    来源：https://arxiv.org/abs/2602.22483

17. 标题：arXiv：SUPERGLASSES 发布智能眼镜场景 VQA 基准，并提出检索增强代理 SUPERLENS

    中文摘要：SUPERGLASSES 以真实智能眼镜采集的 2422 组第一视角图像与问题构建基准，强调先正确定位关注对象再进行外部检索这一独特难点。作者评测 26 个 VLM 暴露明显差距，并提出结合目标检测、查询解耦与检索增强生成的 SUPERLENS 代理，在该基准上取得更好表现，凸显可穿戴场景需要更任务化的端到端方案。

    来源：https://arxiv.org/abs/2602.22683

18. 标题：arXiv：GeoPerceive/GeoDPO 用“翻译器引导强化学习”提升 VLM 几何感知

    中文摘要：研究构建图形几何感知基准 GeoPerceive，并把问题-图形转成 DSL 表达以分离“感知”与“推理”。提出 GeoDPO：先训练自然语言到 DSL 的翻译器，再用 DSL 级别的细粒度评分作奖励做强化学习。作者称相较 SFT，GeoDPO 在域内与域外都带来更稳健提升，并显著改善下游几何推理任务表现。

    来源：https://arxiv.org/abs/2602.22703

19. 标题：arXiv：RetLLM 在“无训练、无数据”前提下用 MLLM 直接生成多模态检索分数

    中文摘要：RetLLM 将多模态信息检索改写为“相似度分数生成”任务，通过提示让多模态大模型在粗筛（top-k）后对候选进行细评打分，并加入视觉增强模块帮助模型回忆关键视觉线索。作者称该框架不需要对 MLLM 进行对比学习式微调，也不依赖大规模训练数据，却在多项基准上达到或超过微调方法，利于快速落地与扩展。

    来源：https://arxiv.org/abs/2602.22278

20. 标题：arXiv：WebGym 发布近 30 万任务的真实网站训练环境，推动视觉 Web 代理规模化

    中文摘要：WebGym 面向非静态、强多样性的真实网站交互，提供近 30 万带评分细则的任务与评测，并通过异步高吞吐 rollout 系统将采样速度提升 4-5 倍以支撑强化学习扩展。作者称将 Qwen-3-VL-8B-Instruct 在 WebGym 上微调后，OOD 测试成功率从 26.2% 提升到 42.9%，显示“环境与数据规模”对 Web 代理泛化至关重要。

    来源：https://arxiv.org/abs/2601.02439

趋势点评：一边是巨额资金与云厂商深度绑定，把“有状态代理运行时”推向企业生产；另一边是学术界把安全与代理外传风险从提示层拉到系统/网络层。产品化与治理工程正在同步加速，下一阶段竞争将更像“基础设施+合规能力”的综合赛。