8月18日 AI 五条：WorldClaw 被曝接入受限中国模型，Google 竞买破产航司数据

本期覆盖 2026 年 8 月 17 日 08:30 至 8 月 18 日 08:30（UTC+8）公开或出现状态变化的五条进展，按对 AI 供应链、数据边界、监管诉讼、国防部署和科研软件的影响排序。

Reuters 8 月 17 日报道，特朗普家族支持的加密公司 World Liberty Financial 正与香港 AI 平台 WorldClaw 合作。The Next Web 转述 Reuters 称，WorldClaw 提供约 90 个模型，其中约 43 个来自中国公司；名单包括阿里巴巴、百度、智谱、DeepSeek 和 Moonshot。Reuters 的报道重点是平台提供了美国政府曾标记为安全风险或受限制对象的中国模型，不能把这件事写成美国政府已经批准这些模型进入美国市场。12

用户可以用 World Liberty Financial 的美元稳定币 USD1 支付 WorldClaw 服务。World Liberty Financial 和 WorldClaw 都称双方独立运营，并把模型目录比作应用商店；截至报道发布，Reuters 没有把这项合作认定为已经违法。

过去的 AI 出口管制主要盯住芯片、服务器和数据中心。WorldClaw 暴露出另一条路径：用户通过香港平台购买模型调用，付款经过稳定币完成，模型本身不必随着硬件跨境运输。

对模型供应商和企业采购者，真正需要核对的是服务商的模型来源、数据流向、付款主体和美国出口限制是否适用于具体调用。平台能否把「提供模型」与「为模型背书」分开，最终还要看合同、合规审查和监管机构的实际处理。

Reuters 8 月 17 日报道，Alphabet 旗下 Google 在 Spirit Airlines 破产拍卖中出价 1000 万美元，拟取得这家航空公司的内部业务数据，用于产品开发和 AI 模型训练。数据包括员工邮件、Microsoft Teams 消息、表格、日历，以及营销、生产和运营数据；交易完成前，数据将去标识化，不含客户信息和个人可识别信息。34

美国破产法官将在 8 月 19 日的听证会上考虑批准这笔数据交易；Spirit 还收到 AI 数据公司 Mercor 750 万美元的报价。Spirit 已于 5 月停止经营，正在出售资产，报道没有把 Google 的出价写成交割完成。

这笔交易把一个长期问题放到破产法庭上：员工日历、聊天和内部流程记录，能否像飞机零件一样被打包出售，再变成模型训练材料。去标识化能降低直接暴露个人信息的风险，却不会自动回答员工是否知情、旧数据是否包含第三方机密，以及模型训练后能否追溯数据来源。

对企业而言，AI 数据治理不能只看「有没有公开数据」或「是否脱敏」。还要检查数据的原始用途、员工和客户合同、破产出售条款，以及训练完成后的删除和审计机制；这起交易先要等法院批准，Google 的最终可用数据范围也还没有确定。

Minnesota 总检察长 Keith Ellison 在一份法院文件中主张，xAI 很难证明该州的 HF-1606 违反美国宪法第一修正案，也没有证明执行法律会造成不可弥补的损害。Reuters 8 月 17 日报道，这起案件是 X.AI LLC v. Keith Ellison；州方认为法律针对的是生成逼真性侵害图像的技术工具，不是受保护的言论。56

这部法律 4 月通过，8 月 1 日生效，禁止平台和软件开发商允许用户生成与可识别人物有关、且原始照片中没有出现的逼真私密身体部位图像；每张违规图像最高可罚 50 万美元。xAI 在 7 月起诉州方，称法律可能覆盖无害或受保护的图像；案件仍在诉讼中。

这场诉讼的关键不在于 Minnesota 是否已经建立全国统一规则，而在于法院如何描述生成式图像工具：如果法院把它视为可监管的技术，州政府可能获得更大的产品责任空间；如果法院把限制视为对输出内容的管制，平台的第一修正案抗辩会更有分量。

模型公司、应用商店和部署方需要分别看适用对象、图像定义、罚款计算和跨州执行方式。禁令已经生效，但法院尚未给出最终判决，当前新闻反映的是州方对诉讼的回应，不是全国性法律结论。

Smack Technologies 8 月 17 日宣布完成 6100 万美元 B 轮融资。Reuters 报道，这家国防科技初创公司用 Omega AI 工具缩短海军陆战队火力规划流程，并在 7 月拿到 Joint Fires Network 和 Marine Corps Warfighting Lab 的两份原型合同，合同总额由公司称超过 100 万美元。78

Omega 使用强化学习模型和实时计算机视觉生成方案、修复被打乱的作战计划，这些性能描述来自公司。新资金还将支持 Alpha 可穿戴 AI 显示设备的开发；Smack 计划在未来 6 个月制造 10 至 20 台原型机。报道没有提供独立测试结果或已部署部队的效果数据。

这条融资新闻真正显示的是采购方向：国防部门需要模型在通信受限、数据无法持续回传的环境中帮助现场人员做计划。它与把大模型接入办公室软件的路径不同，算力、传感器、延迟和故障处置都会直接影响可用性。

读者应把 6100 万美元和两份合同理解为扩产与试制信号，而不是战场效果证明。后续最值得看的是原型是否按期交付、军方如何验收 Omega 的建议，以及系统在传感器失效或错误目标信息下会怎样降级。

Nature Methods 8 月 17 日发表一篇评论文章，作者 Nelson D. Medina 和 Joergen M. R. Kornfeld 认为，专业科研软件过去成本高、开发慢，而大语言模型的代码生成能力已经足以改变研究者制作工具的方式。文章用一名研究者借助 LLM 快速搭建工具的例子，讨论机会与风险；这是评论和案例展示，不是对所有科研软件的性能测评。9

文章的核心变化是：研究团队可以先用 LLM 做出贴合本领域的小工具，不必等一支专门的软件工程团队排期。相应的验证、维护、安全检查和结果复现仍然需要研究者负责，评论文章没有给出一个可以替代同行评审或工程测试的统一标准。

科研软件的瓶颈经常不是想法，而是把一次性分析变成别人能安装、复现和检查的工具。LLM 降低了第一版代码的成本，可能让更多实验室拥有定制工具；它也会让未经充分测试的代码更容易进入论文和实验流程。

对研究团队，合理的下一步是把生成代码当作原型，保留输入输出样例、测试数据和版本记录，再由熟悉实验方法的人核对结果。模型能帮团队更快写出工具，不能替团队证明工具产生的科学结论可靠。