AI 基础设施周报：GPT-5.5 API、Claude 安全层与跨会话记忆

执行摘要

本周核心判断：

本周 AI 基础设施的核心变化，是模型厂商正在把更多 Agent 基础设施能力收进自己的平台。GPT-5.5 将 MCP、托管 Shell、计算机操作和跨会话记忆整合进单一 API 端点，Anthropic 和 Google 也在同步强化托管 Agent 平台，这会降低企业构建门槛，但也会提高对单一供应商的依赖风险。
企业需要重新划分“自建”和“采购”的边界。任务执行框架、工具调用和运行时管理正在被模型厂商平台化，但数据隔离、成本路由、多模型切换、访问审计和供应商治理，仍然应由企业掌握在独立控制层中。
Claude Security 的公测说明，AI 正在进入企业安全工作流的主动防御层。模型不再只是辅助生成代码，而是开始参与代码仓库扫描、漏洞分诊和修复建议；企业评估这类能力时，关键指标不是发现漏洞数量，而是误报率、修复质量和能否真正嵌入 CI/CD 流程。
跨会话记忆正在让 Agent 从一次性工具变成长期工作流。Anthropic 的托管式 Agent 记忆（Managed Agents Memory）显示，重复性强、有明确标准、依赖历史经验的任务会最先受益；但当记忆层成为企业核心资产后，数据的可导出性、供应商迁移成本以及记忆治理机制，也必须同步纳入采购评估。
AI 基础设施正在同时被资产化和合规化。黑石集团（Blackstone）的数据中心房地产投资信托基金（REIT）上市申请说明，资本市场正在把 AI 基础设施视为长期基础资产；而欧盟《人工智能法案》进入 90 天倒计时，则要求企业提前准备好可审计日志、访问控制、风险评估以及跨供应商调用记录。未来企业真正需要自建的，不是单个 Agent 平台，而是独立于 OpenAI、Anthropic 和 Google 的 AI 网关与管控平面（AI Gateway / Control Plane）。

本周的 AI 基础设施层同时在三个维度完成了一次跃迁。OpenAI 将 GPT-5.5 API 全面开放，并把 MCP、托管 Shell、计算机操作、跨会话记忆全部塞进单一端点，直接改变了“哪些基础设施需要自建”这个问题的答案。与此同时，Anthropic 在同一周推出 Claude Security 公测和 Managed Agents 跨会话记忆，把 AI 的边界从“内容生成”扩展到了“主动防御”与“长期工作”；Google Cloud Next ’26 则发布了第 8 代 TPU、Virgo 数据中心网络与支持 7 天长运行的 GKE Agent Sandbox，把“在哪里运行 Agent”变成一个有真实成本差异的决策。最后，Blackstone $17 亿数据中心 REIT 上市申请与欧盟 AI 法案 90 天倒计时同步到来——资本市场在把 AI 基础设施资产化，监管框架在把 AI 合规成本预算化。Anthropic 联合 Blackstone、Goldman Sachs 成立企业 AI 服务公司，正式入场中型企业部署层，这意味着模型厂商与系统集成商的边界第一次被主动打破。

一、GPT-5.5 API 全面开放：OpenAI 把 Agent 基础设施塞进了单一端点

4 月 24 日，OpenAI 正式将 GPT-5.5 向 Chat Completions 和 Responses API 全面开放，支持 1M token 上下文窗口，并首次在单一 API 端点内原生集成 MCP 工具调用、hosted shell（托管 Shell 容器，模型可直接执行命令）、apply patch（代码变更直接应用）、computer use、Skills（可复用执行单元）、tool search 与 web search。定价为 $5/1M input tokens、$30/1M output tokens；GPT-5.5 Pro 版本为 $30/$180 per MTok。

GPT-5 系列以来，OpenAI 的方向一直是从“更强的模型”走向“可以自主完成任务的系统”——这次 API GA 是这条路在开发者层的完整落地：MCP 调用、Shell 执行、状态管理，过去需要工程团队自行搭建的那一层 Agent 基础设施，现在由 OpenAI 托管并保证 SLA。对于尚未开始 Agentic 工作流的团队，这大幅降低了快速原型的门槛，预计会加速企业内部 Agent 实验铺开的速度。对于已有自建 Agent 框架的团队，这是一个需要认真重做的 build vs. buy 分析：Shell 执行、MCP 调用、1M 上下文已经是 API 原语，自维护这些基础设施的边界在哪里、锁定风险又在哪里？核心结论可能是：数据隔离、成本路由、多模型切换逻辑值得自建；任务执行框架大部分不需要。

需要注意的是，当 GPT-5.5 原生 MCP + 托管 Shell 出现后，供应商正在把越来越多的基础设施“吸”进自己的平台。这对大部分企业是短期利好，但也带来了一个系统性风险：当你同时使用 GPT-5.5 Managed Agents、Anthropic Claude Managed Agents 和 Google GKE Agent Sandbox 时，成本可见性、访问审计和路由控制的缺口会快速扩大——每个平台都有自己的计费逻辑，没有一个中间层能跨越它们。AgentsFlare 工作在这个边界地带，代理多个 Agent 平台的调用，在不改动应用逻辑的前提下提供统一的 token 计量、成本归因与访问审计。

二、Claude Security 公测：AI 原生漏洞扫描正在重构企业安全层

4 月 30 日，Anthropic 宣布 Claude Security 进入公测，面向所有 Claude Enterprise 客户开放，Team 和 Max 计划支持即将跟进。Claude Security 基于 Opus 4.7 构建，可对整个代码仓库、指定目录或特定分支进行漏洞扫描，并生成具体的修复补丁建议供人工审阅。本次公测新增能力包括：定向扫描（针对仓库内特定目录）、结构化 triage 追踪（标注忽略原因）、CSV/Markdown 格式导出、以及通过 webhook 将扫描结果推送至 Slack、Jira 等工具。安全合作伙伴包括 CrowdStrike、Microsoft Security、Palo Alto Networks、SentinelOne、TrendAI、Wiz；咨询落地合作方包括 Accenture、BCG、Deloitte、Infosys、PwC。

企业代码安全的传统工作流是：静态分析工具（SAST）扫描 → 人工分诊 → 开发者修复。这一流程的核心痛点是大量噪声（误报）和复杂依赖链理解需求，导致真实漏洞修复周期极长。Claude Security 的判断是：Opus 4.7 对大型代码库和复杂依赖关系的推理能力，可以在降低误报率的同时直接输出可用的修复补丁，把 AI 从“辅助阅读代码”升级为“主动检测 + 建议修复路径”。对于 Claude Enterprise 客户，这是一个无需额外 API 集成即可立即评估的新能力。评估的核心指标不应该是“它能发现多少漏洞”，而是“误报率比现有 SAST 工具低多少”——误报率决定了安全团队愿不愿意真正把它嵌入 CI/CD 流程。

Anthropic 选择的合作伙伴矩阵值得单独分析：CrowdStrike、Wiz、Palo Alto 都是企业安全采购的核心供应商，这意味着 Claude Security 的定位是整合进现有安全工具，而非替代它们，采购摩擦更低，CISO 这一关更容易过。咨询伙伴（BCG、Deloitte、PwC）的加入则预示着未来可能以“AI 安全转型项目”的形式进入大型企业，而非纯粹的 SaaS 订阅模式。需要注意的是，当 Claude Security 通过 webhook 把扫描结果推送至企业系统时，这条数据链路本身也需要被治理：哪个 Agent 触发了哪次扫描、消耗了多少 Opus 4.7 token、扫描结果流向了哪个系统——这正是可观测性层需要覆盖的范围。

三、Managed Agents 跨会话记忆上线：Agent 从一次性工具变成长期工作流

Anthropic 宣布 Memory for Managed Agents 进入公测，允许在 Claude Managed Agents 平台上构建的 Agent 跨会话保留和应用学习。技术实现上，记忆以文件形式存储在文件系统，可通过 API 导出、编辑和管理，也可在 Claude Console 中直接操作。企业管控能力包括：每次会话和 Agent 操作的完整审计日志（支持回滚和数据删除）、细粒度权限控制（企业级 store 可设为只读，用户级 store 可设为读写）。早期采用企业包括 Netflix、Rakuten、Wisedocs 和 Ando，Netflix 报告文档处理首次错误率下降 97%、处理速度提升 30%。

无状态 Agent 是目前绝大多数企业 AI 部署的现实：每次调用都从零开始，积累的处理经验无法跨任务传递。记忆层解决的是“如何让 Agent 随着业务运行越来越好”，而不只是“如何让 Agent 完成这一次任务”。Netflix 的数据（97% 错误率下降）所在的场景是文档验证——高度重复、有明确质量标准、需要跨案例积累经验，这是最容易通过记忆机制获得提升的任务类型。企业在评估这一能力时，首先应识别内部有哪些“重复性、有标准、有历史数据”的 Agent 工作流，这类场景会是最快出现 ROI 的早期用例。

文件系统级记忆的架构意味着数据主权由企业持有——相比“记忆存储在供应商云端”的方案，安全和合规团队的接受门槛更低。但值得同时思考的是：当记忆层本身成为企业 AI 工作流的核心资产时，这份记忆数据绑定在哪家供应商的平台上，就决定了未来切换供应商的代价有多高。这不是否定 Managed Agents Memory 的价值，而是提醒在采购时同步评估数据可导出性和供应商迁移成本。

四、Google Cloud Next ’26：第 8 代 TPU、Virgo 网络、7 天长运行 Agent Sandbox

4 月 22 日，在 Google Cloud Next ’26 上，Google 集中发布了一批基础设施层更新。第 8 代 TPU 首次推出两种独立芯片和专用系统，针对 Agentic 时代优化；Virgo Network 是新一代超大规模数据中心网络交换结构，为 AI Hypercomputer 提供底层网络支撑；GKE Agent Sandbox 提供 Axion 芯片驱动的 N4A CPU 实例，Google 声称其 Agent 工作负载价格性能比比其他超大规模云厂商高出 30%；Agent Runtime 现已支持长运行操作，单次任务运行时间上限扩展至 7 天。Google 还披露，过去 12 个月中有 330 个客户每家处理超过 1 万亿个 token，每分钟 API 直接调用的 token 处理量超过 160 亿。

Google 在 AI 基础设施竞争中的核心优势一直是硬件垂直整合（TPU）和全球网络。Cloud Next ’26 的这批发布显示，Google 正在系统性地把这一优势延伸至 Agentic 工作负载——不只是“我的模型更快/更便宜”，而是“运行 Agent 的完整基础设施在我这里更便宜”。对于已在 Google Cloud 生态（BigQuery、Spanner、GKE）建立数据基础设施的企业，这些发布直接降低了在同一平台运行 Agentic 工作负载的成本。7 天长运行支持打开了一类此前受限的用例：需要跨时间段积累上下文的分析 Agent、长周期代码重构任务、复杂合规检查流程。GKE Agent Sandbox 30% 价格性能优势的声称值得用真实业务场景做基准测试独立验证，不建议直接以此作为采购决策依据。对于工作负载分布在多云环境的企业，选择在哪个云平台运行 Agent 是一个需要同步考虑供应商锁定风险的决策——平台能力越强，迁移成本往往也越高。

五、Blackstone $17 亿数据中心 REIT 上市 + 欧盟 AI 法案 90 天倒计时

5 月 4 日，Blackstone 宣布旗下 Blackstone Digital Infrastructure Trust（BDIT）目标通过美国上市融资超过 $17 亿美元，募集资金直接挂钩数据中心资产投资——这是 AI 基础设施资产被主流机构资本以 REIT 形式制度化的首批重要案例。与此同时，欧盟 AI 法案高风险 AI 系统的完整执法节点（2026 年 8 月 2 日）目前处于 90 天倒计时区间，针对关键基础设施、就业、教育、基本服务、执法领域部署的 AI 系统，将面临最高 3500 万欧元或全球年营收 7% 的处罚（以较高者为准）。

Blackstone 选择在 2026 年 Q2 以 REIT 形式进入数据中心领域，逻辑在于：AI 基础设施的核心需求（电力、冷却、网络、算力容量）与房地产资产（长期稳定现金流）的逻辑高度吻合，机构资本正在将 AI 基础设施资产类别化。这是 AI 基础设施从“科技行业投资标的”向“基础设施类资产”转型的制度化信号，为企业向董事会汇报长期 AI 基础设施 CapEx 计划提供了新的参照框架。欧盟 AI 法案的 90 天倒计时是对合规团队的明确时间压力：对于在欧盟地区部署高风险 AI 应用的企业，8 月之前必须完成系统分类记录、风险评估文档和符合性说明。现在委托内部法务或外部顾问完成评估，时间紧但仍够用——等到 7 月再启动，时间就不够了。需要可审计的 AI 调用日志、token 级别的数据追踪、跨供应商的访问控制，这些既是欧盟 AI 法案合规文档所需要的，也是在部署 Agent 工作流之前就应该具备的基础能力。

六、Anthropic + Blackstone 成立 AI 服务公司：模型厂商正式入场企业部署层

5 月 4 日，Anthropic 联合 Blackstone、Hellman & Friedman、Goldman Sachs 宣布共同成立一家新的企业 AI 服务公司，专注中型企业的 Claude 部署落地。与 Anthropic 现有 Partner Network（面向大型企业的系统集成商）不同，这家新公司的工程师将与 Anthropic Applied AI 团队并肩工作，直接参与客户的生产系统构建与长期运维。目标客户是缺乏内部 AI 工程能力的“中腰部”市场：社区银行、中型制造商、区域性医疗体系。投资阵容包括 General Atlantic、Leonard Green、Apollo Global Management、GIC 和 Sequoia Capital。

这是一个需要被认真对待的结构性信号。在此之前，模型厂商（Anthropic、OpenAI、Google）的商业模式是：提供 API，授权系统集成商做落地。这家新公司的出现意味着 Anthropic 在这条链路上向前迈了一步——不再只是 API 供应商，而是主动参与客户的 AI 系统构建和运维。对于已经深度依赖 Claude API 的中型企业，这家服务公司会带来工程资源的便利，但同时也会加深 Anthropic 在客户端的数据接触深度，而且很难在合同中切干净。更深层的问题是：当一家企业的 AI 模型由 Anthropic 提供、部署和运维都由 Anthropic 系公司完成，AI 数据和系统架构的自主权由谁来保障？

另一个值得拆开看的细节是投资方构成。Blackstone 同期还在推动 $17 亿数据中心 REIT 上市（见上节），Apollo 和 General Atlantic 同样是大型基础设施资本——这个投资团的共同逻辑是：中型企业 AI 部署是未来 3—5 年内规模最大的服务市场，而这个市场过去没有一个能规模化交付的主体。Anthropic 用品牌和技术背书，PE/资产管理机构用资本和客户网络来撬动，两者的组合是一个“快速铺量”的设计。如果你是中型企业，未来 12 个月内会看到 Anthropic 系服务商主动来谈 AI 改造项目——这既是机会，也是一个需要提前想清楚“我想要谁掌控我的 AI 基础设施”的问题。独立的 AI 控制层和服务商在这一背景下的价值在于：无论你最终选择 Anthropic 服务公司、McKinsey Digital 还是自己的工程团队来交付，数据流的归属、审计和切换能力始终由你控制，而不是内嵌在某个厂商的合同里。

这一轮，企业 AI 基础设施面临什么选择

将本周五个变化放在一起来看，有一条清晰的结构性主线：供应商正在把越来越多的 Agent 基础设施能力收进自己的平台——这降低了企业的搭建成本，但同时提高了依赖单一平台的风险。

GPT-5.5 原生集成 MCP + Shell + 记忆层，Anthropic Managed Agents 持续扩展 Agent 运行时能力，Google GKE Agent Sandbox 提供 7 天长运行支持——每家供应商都在把“托管 Agent 平台”做得越来越完整，也越来越难以绕开。Anthropic 与 Blackstone 联手成立 AI 服务公司，则意味着这种整合已经从 API 层延伸至部署服务层：模型供应商开始直接参与客户的 AI 基础设施构建，数据接触深度前所未有。这对企业是短期利好，但当你同时接入三家平台时，成本归因、访问审计和多模型路由的治理缺口会快速扩大。真正需要企业自建的不是 Agent 执行框架，而是独立于任何单一供应商的控制层：数据隔离策略、成本路由逻辑、多模型切换能力。欧盟 AI 法案的 90 天倒计时也在指向同一方向：合规所需的可审计日志和访问控制，无法依靠单个供应商平台来完成——它需要在 AI 流量的入口处就被完整记录。

这是 AgentsFlare 作为独立 AI Gateway / Control Plane 的位置所在：不绑定 OpenAI、不绑定 Anthropic、不绑定 Google Cloud，在多个 Agent 平台之间提供统一的 token 计量、成本归因、访问审计与多模型路由，让企业在供应商能力快速扩张的同时，始终保持对自己 AI 流量的完整掌控。