OpenAI 拟停供 Cursor、Lambda 借债买 GPU：AI 竞争进入权限与现金流 (2026)

今日判断

北京时间 2026 年 8 月 29 日 08:00 至 8 月 30 日 08:00，AI 行业的新增看点集中在三道边界：模型公司开始用合同控制分发渠道，算力云公司用债务提前购买 GPU，Agent 研究则把“工具给出的建议”和“系统真正允许执行的动作”拆开。模型能力仍是基础，服务能否被安全、持续地接入真实系统，正在成为同等重要的竞争面。

快速扫一眼

板块	关键变化	证据边界	今天看什么
大公司与产品	OpenAI 因 SpaceX 收购 Cursor 后的控制权变化，通知对 Cursor 的模型服务拟于 2026 年 11 月 12 日停止。1	OpenAI 官方说明；日期是拟议的服务关闭日。	Cursor 会用哪些替代模型，开发者迁移的接口、价格和性能差异。
创业与投资	AI 云公司 Lambda 据报道获得约 10 亿美元短期私募债，用于购买英伟达 GPU，再租给微软。2 3	金额、安排方和微软租用关系来自 Bloomberg 知情人士；Lambda 另有官方 9.26 亿美元资产抵押贷款公告。4	客户合同、GPU 交付和现金流能否覆盖债务偿还。
前沿研究与安全	近期预印本 SARA 将工具输出中的动作诱导与执行授权分离，在 AgentDojo、AgentDyn 的四个主要设置中将攻击成功率控制在 0.63%以内。5	作者实验；论文于北京时间 8 月 27 日提交，早于本期主窗口。	企业 Agent 是否保存动作来源、授权依据和完整执行链。

大公司与产品

OpenAI 给 Cursor 留出最后的模型服务窗口

OpenAI 于 8 月 28 日宣布，已通知 SpaceX，计划结束向 Cursor 提供 OpenAI 模型的合同，拟议关闭日为 11 月 12 日。OpenAI 解释，SpaceX 收购 Cursor 后触发了合同中的控制权变更条款，公司据此选择在合同允许的最晚时间发出通知。1

这项安排给开发者留下了一个清晰的过渡期：现有 Cursor 用户可以继续使用 OpenAI 模型一段时间，Cursor 则需要安排新的模型供应与产品组合。OpenAI 表示，未来模型不会继续提供给 Cursor；公司把决定与模型使用条款、定制合同和安全规模化责任联系在一起。1

这起事件的新增信息在于，模型供应商与应用入口之间的合作关系开始受到“控制权变化”直接影响。开发者接下来要核对三件事：Cursor 是否继续保持现有上下文和工具调用体验，替代模型的 API 是否兼容，以及 11 月 12 日前后账单、速率限制和数据处理条款怎样变化。

创业与投资生态

Lambda 把 GPU 部署和债务偿还绑在一起

据 Bloomberg 报道，AI 云公司 Lambda 获得约 10 亿美元私募短期债务，由摩根大通安排，资金用于购买英伟达 GPU，再把这些 GPU 租给微软。Bloomberg 报道援引知情人士称，Lambda 与微软此前已达成部署数万张英伟达 GPU 的合作。2 3

Lambda 8 月 27 日公布的另一笔官方交易提供了更完整的资产融资样本：公司完成 9.26 亿美元高级担保 B 期贷款，用于购买和部署支持一名投资级客户的 GPU 基础设施；贷款以 GPU 服务器、相关基础设施及其产生的现金流作担保，穆迪给予 Baa2评级，期限到 2030 年 12 月 31 日。4

两笔交易放在一起，资金逻辑变得具体：AI 云公司先拿到客户承诺，再购买设备，把设备和合同现金流交给债权人评估。创业者看这类融资时，应把“融资额”拆成三栏：GPU 实际交付量、客户合同期限、债务到期前能产生的收入。融资规模本身还不足以说明算力供给已经落地。

前沿研究与安全

SARA：工具输出可以提供线索，却不能自动取得执行权

论文 When Tool Outputs Become Commands: Separating Action Induction from Runtime Authorization in Tool-Augmented LLM Agents 于 2026 年 8 月 27 日提交 arXiv。作者关注一个常见的 Agent 链路：工具返回的信息逐步变成具体动作建议，而系统如果直接把这些建议当成命令，就可能让外部内容越过用户原本的目标。5

SARA 将流程拆成两个角色。Action Probe 在隔离上下文中识别会诱导动作的语义，并持续记录动作来自哪一步；执行器则依据用户目标、已授权的成功执行证据，以及目标、执行链和参数层面的支持来决定是否调用工具。系统还使用 “No-History-Promotion” 规则，避免过去出现过的动作因为重复出现就自动获得新的授权。5

作者在 AgentDojo 和 AgentDyn 上进行实验，在四个主要评测设置中报告攻击成功率（ASR）最高 0.63%，同时保持具有竞争力的任务效用。这个数字属于论文作者在受控评测中的结果，企业仍需用自己的模型、工具和权限系统复测；真正要落地的字段包括动作来源、授权人或授权规则、参数证据和执行后审计记录。5