# AI前沿发展日报 | 2026-08-18（Asia/Shanghai） ## 今日要点 - Stripe 据多家一级媒体报道已签约收购 OpenRouter，交易价格超过 70 亿美元，但双方尚未官宣。AI 模型路由、用量计费与支付结算正在从相邻能力合并为同一基础设施层。 - Microsoft 今日停止消费版 Copilot Deep Research，新建深度报告的替代入口转向 Microsoft 365 Premium 的 Researcher；旧报告仍可访问。研究能力的“生成权”和“历史访问权”开始被拆开定价。 - Google 三个 Imagen 4 稳定 API 端点已到关闭日，推荐迁往 Gemini 3.1 Flash Image。对生产型生成应用，模型 ID 的生命周期管理已成为和提示词、评测同等重要的工程资产。 - Azure 中国区 Defender for Cloud 今日整体退役，连同 AI 模型安全、AI 交互数据安全等能力一起退出。跨云或跨区域部署不能假设安全控制面与算力服务具有相同的区域可得性。 ## 今日结论 1. AI 中间层的价值正在被重新定价。Stripe 若完成 OpenRouter 交易，支付、税务、模型选择、故障切换和 token 计费将可被压缩进一个开发者入口；企业需要同时评估便利性收益与供应商集中风险。 2. 消费级 AI 的功能试验期正在结束，厂商开始按可持续收入重排入口。被保留的不是所有功能，而是能迁入高价套餐、浏览器服务或企业工作流的能力。 3. 生产 AI 的稳定性已不只取决于模型质量。端点退役、区域安全产品退出和数据使用条款生效，都可能在模型本身没有变化时改变成本、合规性与业务连续性。 ## AI 产品与应用 ### Copilot Deep Research 今日退役，深度研究的新建权限转入 Premium Microsoft 已从 8 月 18 日起停止消费版 Copilot 的 Deep Research。Microsoft 365 Premium 用户可继续通过 Researcher 创建深度报告；Personal 与 Family 用户仍能在聊天历史中访问旧报告，也可将其保存到 Word。[Microsoft 官方支持说明](https://support.microsoft.com/en-us/microsoft-copilot/deep-research-in-microsoft-copilot) 今日新增事实是退役从“预告”变成正式生效。Microsoft 没有删除历史内容，却把继续生成同类成果的入口放进更高价且更深连接办公数据的产品。这种拆法比简单停服更值得关注：AI 产品未来可能分别为创建权、历史保留、组织数据连接和导出能力定价。企业在把消费功能写入固定流程前，应核对替代产品、授权层级与内容可携带性。 ## 模型与技术进展 ### 三个 Imagen 4 稳定端点关闭，生成应用必须迁到原生 Gemini 图像模型 Google 的 `imagen-4.0-generate-001`、`imagen-4.0-ultra-generate-001` 和 `imagen-4.0-fast-generate-001` 的关闭日期为 8 月 17 日，官方推荐替代项均为 `gemini-3.1-flash-image`。Google 对“shutdown”的定义是端点完全关闭、不再可用。[Gemini API 退役表](https://ai.google.dev/gemini-api/docs/deprecations)；[Gemini API 更新日志](https://ai.google.dev/gemini-api/docs/changelog) 这次变化不是同名版本升级：Imagen 系列的三档生成端点被合并迁往原生多模态 Gemini 图像模型。生产团队要重测的不只是画质，还包括参数映射、提示词敏感度、延迟、内容安全返回、单位成本和确定性。模型路由表应记录替代端点与回归样例，不能等调用失败后再做字符串替换。 ## 投融资与商业动态 ### Stripe 据报签约收购 OpenRouter，模型路由层估值跨入 70 亿美元以上 Axios 8 月 17 日报道，Stripe 已同意以超过 80 亿美元的现金加股票收购 OpenRouter；其同时援引 Bloomberg 称交易已签署，并表示正式公告预计本周发布。Axios 披露 OpenRouter 累计融资 1.64 亿美元，最近一轮估值为 13 亿美元；截至截稿，Stripe 与 OpenRouter 均未公开置评。[Axios 报道](https://www.axios.com/2026/08/17/stripe-openrouter-paypal)；[OpenRouter 与 Stripe 既有合作说明](https://openrouter.ai/announcements/openrouter-on-stripe-projects) 交易若按报道完成，Stripe 买到的不只是 API 聚合器，而是模型发现、路由、故障切换、隐私策略与按 token 结算的开发者关系。OpenRouter 已能通过 Stripe Projects 一条命令开通账户、生成密钥并接入计费，收购将把既有合作纵向整合。商业机会是把 AI 用量变成与支付相似的标准化流水；风险则是路由决策、账单和开发者入口集中于同一控制方。由于缺少双方公告，价格与交割条件仍属未完全验证。 ## 政策、伦理与安全 ### Azure 中国区 Defender for Cloud 整体退役，AI 安全能力同步形成区域缺口 Microsoft 官方支持矩阵显示，Microsoft Defender for Cloud 的全部功能于 8 月 18 日在由世纪互联运营的 Azure 中国区正式退役。受影响范围不只包括服务器、容器、数据库与存储防护，还包括可疑提示证据、AI 交互数据安全、AI 模型安全和 Data and AI Security Dashboard；官方要求客户联系 Azure 中国区代表评估影响。[Microsoft Learn 支持矩阵](https://learn.microsoft.com/en-us/azure/defender-for-cloud/support-matrix-defender-for-cloud) 这会产生一个容易被低估的责任转移：工作负载可以继续运行，不代表原有检测、态势管理和 AI 特定防护仍然存在。使用 Azure 中国区承载模型、RAG 或 agent 的企业应分别核对日志留存、漏洞管理、提示攻击检测、模型资产发现和告警接收是否已有替代控制；采购“同一云品牌”不能替代逐区域能力核验。 ## X 平台高信号 1. 信号标题：Atlassian 今日开始把符合条件的客户数据用于改善所有客户的 AI 体验 类型：数据使用规则 / 企业 SaaS 来源或链接：[Atlassian 数据贡献 FAQ](https://www.atlassian.com/trust/ai/data-contribution/faqs) 核心观点：8 月 17 日起，Atlassian 可使用符合条件的客户元数据与应用内数据改善面向所有客户的产品和 AI 体验；Jira、Confluence 与 Jira Service Management 等产品提供新的管理员数据贡献设置，并配合去标识化与聚合措施。相较昨日只讨论输出赔偿和 agent 动作责任，今日新增变量是数据使用范围已经进入执行状态。 为什么重要：企业协作平台中的工单、文档和服务记录往往包含高密度业务语境，默认设置与管理员选择会直接影响这些数据是否被用于跨客户改进。 影响：管理员应检查组织级贡献设置、适用产品、合同例外与数据分类，并把选择结果纳入供应商登记和员工告知。 验证状态：生效日期、适用数据类型、首批产品和控制入口均由 Atlassian 官方 FAQ 确认；具体租户设置仍需管理员在控制台核验。 2. 信号标题：Copilot Podcasts 今日退役，未下载的音频与分享链接将失效 类型：功能退役 / 内容可携带性 来源或链接：[Microsoft 官方支持说明](https://support.microsoft.com/en-US/microsoft-copilot/podcasts-in-microsoft-copilot) 核心观点：消费版 Copilot Podcasts 从 8 月 18 日起停止提供，免费与付费用户都不能继续创建或访问旧播客；网页版此前提供单条下载，但退役后既有内容和分享链接均不可访问。 为什么重要：同一天退役的 Deep Research 保留历史报告，而 Podcasts 不保留历史资产，说明同一产品内的内容生命周期也可能完全不同。 影响：把生成音频用于培训、营销或知识沉淀的团队应将源文件、授权信息和发布副本保存在自有系统，不能把应用内历史当作长期档案。 验证状态：退役范围、历史内容处理、下载条件和链接失效均由 Microsoft 官方支持页确认。 3. 信号标题：Universal Print 安全释放从 Microsoft 365 Copilot 应用迁到浏览器门户 类型：入口迁移 / 身份与访问控制 来源或链接：[Microsoft Learn 官方说明](https://learn.microsoft.com/en-us/universal-print/fundamentals/universal-print-portal-secure-release) 核心观点：8 月 18 日起，扫描打印机二维码后不再进入 Microsoft 365 Copilot 应用，而是打开 Universal Print 浏览器门户；既有打印机和二维码无需更换，但条件访问策略可能需要放行新应用与 `cloud.microsoft` 域名。 为什么重要：Microsoft 正把非核心办公事务从 Copilot 超级入口拆回专用 Web 服务，同时保留 Entra 身份边界；入口变化会触发真实的网络和访问控制配置。 影响：使用二维码安全打印的企业应测试个人手机、受管设备、代理与条件访问场景，避免用户在打印机旁才发现认证被阻断。 验证状态：迁移日期、无需更换二维码以及条件访问要求均由 Microsoft 官方文档确认。 4. 信号标题：Google Content API for Shopping 到达停用日，商品自动化转向 Merchant API 类型：API 退役 / 电商基础设施 来源或链接：[Google Content API 官方更新日志](https://developers.google.com/shopping-content/guides/rel-notes)；[Merchant API 官方迁移指南](https://developers.google.com/merchant/api/guides/compatibility/overview) 核心观点：Google 官方更新日志确认 Content API 已弃用并在 2026 年 8 月关闭；Google Merchant Center 社区的产品专家通知把最终期限明确为 8 月 18 日。替代 API 更换资源命名、端点与部分字段语义，旧版 `customBatch` 也不再直接对应。 为什么重要：商品数据是 Shopping、Performance Max 和免费商品展示的输入层；接口中断会先表现为库存和价格停止更新，而不是广告账户本身报废。 影响：自建 feed 与库存同步的商家应验证 Merchant API 的开发者注册、产品 ID、数据源和错误处理；使用第三方平台的商家应向供应商确认迁移完成，而不是默认插件已处理。 验证状态：弃用与 2026 年 8 月关闭由 Google 官方开发者文档确认；8 月 18 日的精确截止日来自 Google Merchant Center 官方社区产品专家说明，官方更新日志未写出具体日，故精确日期为次级确认。 5. 信号标题：Copilot Deep Research 停止新建与历史保留分离生效 类型：访问变化 / 套餐分层 来源或链接：[Microsoft 官方支持说明](https://support.microsoft.com/en-us/microsoft-copilot/deep-research-in-microsoft-copilot) 核心观点：相较昨日已披露的退役安排，今日新增事实是 8 月 18 日的停止日期已经到达：消费版 Copilot 不再提供 Deep Research，新建能力转入 Microsoft 365 Premium 的 Researcher；旧报告仍保留在 Researcher 或聊天历史中，并可保存到 Word。 为什么重要：厂商可以在不删除历史资产的前提下，把持续生产能力迁到更高价套餐；功能退役不再等同于数据消失。 影响：依赖定期研究输出的个人与小团队需要重新核算 Premium 授权，企业采购则应把“能否新建、能否读取、能否导出”分成三项验收。 验证状态：停止日期、替代产品、历史访问和 Word 导出均由 Microsoft 官方支持页确认；实际账户中的下线可能按时区逐步完成。 ## 前沿研究速递 ### Marionette：把世界状态从像素生成中拆出来 做了什么：[论文](https://arxiv.org/abs/2608.14530) 先预测包含多角色骨骼、根轨迹和旋转的 276 维显式 3D 状态，再用零参数几何渲染器生成姿态控制视频，最后由视频扩散模型绘制外观。 新在哪里：系统允许直接修复状态而不重训外观模型。自由运行时角色会漂移到相距 21.2 米且约三分之一帧穿地；加入地形碰撞和距离上限两条规则后，穿地减少 66%，角色也保持互动。 潜在应用方向：可控游戏世界、虚拟角色、机器人仿真、互动视频，以及需要长时间保持几何与遮挡一致性的内容生产。 一句话判断：让神经网络负责外观、让显式状态负责物理，是比要求一个像素生成器同时记住所有世界规律更可修复的路线。 ### Session Handover：给跨会话 agent 的记忆交接建立最小充分条件 做了什么：[论文](https://arxiv.org/abs/2608.14528) 把跨会话继续任务定义为“任务相关的上下文学习状态”转移，并区分复原全部旧材料与保持后续预测分布两种目标。 新在哪里：作者提出三部分交接记录：精确保留决策与约束，用任务认可的统计量压缩重复证据，并保留统计量无法覆盖的原始观察；在线性回归情形给出有限维精确交接和有限比特扰动界。 潜在应用方向：长流程 coding agent、客服转接、多 agent 协作、上下文窗口切换、可审计任务摘要和持久记忆设计。 一句话判断：好的交接不是把历史压得最短，而是只压缩那些不会改变后续任务分布的信息。 ### Split the Labor：把“读证据”与“合并判断”分成两种计算 做了什么：[论文](https://arxiv.org/abs/2608.14509) 让语言模型把每个来源转成“假设、可靠性等级、理由、出处”四字段记录，再用校准后的对数似然比做聚合，而不是把所有材料塞进一个提示词或简单加票。 新在哪里：论文指出未归一化分数会产生“计数尺度漂移”：来源越多，实际决策阈值越会滑动；在一个纵向数据集上，作者的序列编码器加树模型达到 0.921 AUPRC，高于手工基线的 0.805。 潜在应用方向：多源研究 agent、风控与合规审查、医学分诊、情报汇总、事实核查和需要允许“不下结论”的决策系统。 一句话判断：多源 agent 的关键瓶颈未必是再加一个大模型，而是让证据权重可校准、可比较且不随来源数量漂移。