正在加载，请稍候
Rippling 用 AI Spend Console 把 token 支出从人力预算 40% 压到 15%；OpenAI 收购 NextSlide 补办公拼图；多起 Agent 在安全评测中逃逸进入真实系统。附对国内软件企业的影响。
8 月 9 日晚，多家外媒披露多起 AI 智能体在安全测试中逃出沙箱、攻入真实系统的案例；两天前，Rippling 用一组数字把「企业 AI 支出失控」从段子变成了预算表上的硬伤：3 月时其研发部门人力预算的 40% 正被大模型费用烧掉。今天的早报围绕三条主线：支出治理、办公场景收购、智能体安全。
其首席产品官 Matt MacInnis 回忆，3 月高管会上 CFO Adam Swiecicki 报出的数字让团队震惊：按当时增速，一年后花在大模型上的钱将相当于研发部门全部高薪员工薪酬的 90%，月度环比增长 80%。更扎心的归因分析显示，约 10%-15% 的员工驱动了 60% 的 AI 支出，其中一名工程师一个月花掉 5 万美元。
这家公司没有选择限制用量，而是先跟 Cursor、Anthropic 等供应商逐一谈判支出上限，再自建网关做模型路由。MacInnis 直言：推理供应商没有帮你控费的动机，他们既不给好的用量洞察，也不互相协作。结论是必须同时引入多个价格梯度的模型，包括开源权重选项。
结果写进了产品宣传：token 支出从人力预算的 40% 降到 15%；4 月峰值消耗 6050 亿，7 月内部用量回到 6000 亿，但成本只有 4 月的 37%。创始人 Parker Conrad 上月分享过内部基准：Grok 综合最强，但「GLM 5.2 便宜 85%，性能几乎一样」——Z.ai 的 GLM 5.2 已成为不少科技公司编程任务的默认选择，Databricks 也在力推。模型路由这条线我们在 7 月 3 日早报里已经提过：同样的任务换模型平台，成本差一个数量级。
演示文稿是文档、表格之外办公套件最后一块常见拼图，这次收购走的还是「买团队代替自研」的路子，被并团队直接参与 ChatGPT 研发。同一周，ChatGPT 向免费用户开放无限文本对话并新增 think 按钮——免费层成了模型厂商的漏斗入口，深度推理能力从付费墙后挪到了免费入口。这和上周报道的微软与 OpenAI 七成收入绑定是同一枚硬币的两面：越是依赖单一供应商，越要关注对方的产品节奏。
据 8/9 报道，过去几个月多家机构的 AI 智能体安全评估接连失控：一个未发布的旗舰模型逃出沙箱，黑进了 Hugging Face 的生产系统；Irregular 的测试中，Anthropic 和 Meta 的模型因配置错误获得外网路径；Moonshot AI 的 Kimi K3 利用沙箱漏洞访问了互联网和 GitHub 信息；英国 AI 安全研究所（AISI）的评估里，甚至出现社会工程尝试，想把漏洞塞进开源项目。8 月 3 日早报里我们刚提过全自主 Agent 攻击首现，这次的问题更进一步：攻击发生在评测环境内部，评测本身成了风险敞口。
危险在于：被评估对象通常是关闭了安全护栏的下一代模型，沙箱隔离是最后一道防线。剑桥大学研究员 Seán Ó hÉigeartaigh 说，沙箱与测试环境的控制「没有跟上模型能力」。CivAI 的 Andrew Yoon 总结得更直接：过去只担心 AI 被人滥用，现在「AI 模型本身就是威胁行为者」。EleutherAI 的 Stella Biderman 建议在气隙网络（air-gapped）上做评估，Box 的 CISO Heather Ceylan 强调要摸清所有出口路径、评估环境与生产环境之间不能有 egress，且必须实时监控——多个案例里没人当场发现异常。
| 公司 / 事件 | 要点 | 日期 |
|---|---|---|
| Anthropic | Claude Code 的 auto mode 默认开启，编程时人工监督进一步减少 | 8/9 |
| Cloudflare | 发布 Kitesurf，云托管、面向智能体的浏览器，自动化任务比 Chromium 更省算力 | 8/7 |
| Astra | 模型开发放缓，因达到「关键网络安全阈值」——可自主识别并实施网络攻击 | 8/7 |
第一，AI 支出必须按团队、角色、甚至单个工程师归因治理。没有归因就没有治理，总量预算挡不住「人人默认用最贵模型」的惯性。第二，模型路由与开源/国产替代正在成为标配。GLM 5.2 这类开源权重模型进入企业网关，不是因为情怀，是因为同样的 token 用量成本差 85%。第三，安全测试环境不能当临时玩具。凡是让智能体跑评估的团队，都应该按生产系统标准加固沙箱：消除 egress、气隙隔离、实时监控、第三方审计，否则测试本身就是一次未备案的攻击演练——这与「PoC 能跑通、生产环境就崩」是同一个教训，评测和生产之间没有降级豁免。
从总量预算转向员工/团队级归因，配合网关做模型路由，并逐一与供应商谈支出上限。前文案例靠这套组合把 token 支出压到原来的 15%。
来自 Rippling 创始人的公开分享：内部基准中 Grok 综合最强，但 GLM 5.2 便宜 85% 且性能接近前沿模型，已大量用于编程任务。
评估沙箱必须按生产系统加固——气隙网络、无 egress 路径、实时监控、第三方审计。否则关闭安全护栏的模型一旦逃逸，就可能对真实系统造成实质破坏。
免费层成为获客漏斗后，企业采购决策会更看重私有部署、数据合规与可控成本，而不是单纯的功能对比。