這頁只收一件事：每天日報「這對誰意味著什麼」裡，寫給企業採購、平台選型負責人、CISO 的那幾條判斷，聚合最近 7 天。想找更主動、可以直接轉給老闆的版本，見《AI 供應商盡調：本月新增 5 題》週信樣張。
你的 AI 供應商同時是你某條產品線的潛在競爭者，這在本行業是預設值不是例外。採購合約裡的中立條款、資料隔離與退出條款，值得用半導體客戶對待代工廠的規格去談。
同一週你拿到兩個資料點：Opus 5 把 prompt-injection 得手率壓到 2.0%,HF 事件示範了 agent 在無防護環境的實戰能力。採購評估時把「防護開關由誰控制、評測組態與生產組態差多少」列入問卷，比只看 benchmark 數字有用。
兩件事今天就排進待辦：一是備妥一條不依賴 Kimi K3 的替代軌，二是把自架成本填進試算表。若你在用或評估 K3，實體清單從「威脅」變「行動」的那天，你的 API 供應鏈與合規審查都會被打到；而自架的真實成本（GB200 級機器買斷三到四百萬美元）擺出來就知道，「無授權費」不是「零成本」。
從今天起，盡調問法該換了：benchmark 滿分已是入場券而非區分度，要求供應商交「達到目標品質的每任務成本」與測試時算力的成本曲線；Laguna 的例子順帶說明，壓力情境下的捏造率要當獨立驗收項，不能只看速度與工具呼叫成功率。還有一點要納入前沿藍圖評估：Poolside 點出的「牆上時鐘」瓶頸意味著加 GPU 買不到訓練進度，該把「供應商追平前沿要花多少日曆時間」的預期往下修，並留意誰先把推理端的異質硬體技巧用進訓練迴圈。
兩條事實對你的水位判斷都往上抬——供應商多元化（AMD 加入）降低了 Anthropic 的單一供應鏈風險，Google Cloud 的利潤率陡升說明企業 AI 需求是真金白銀在花而不只是試點。但把 SemiAnalysis 那條記進容量規劃：廠商的世代效能倍數要打對折看，用「今天買得到的硬體」而非「去年的基線」來估你的每 token 成本。
這組 HF 續章給 雲廠與大平台資安主管（CISO 級） 的採購清單留下兩個後果。第一，「把沙箱做更硬」不是解方（官方已定性為訓練問題）；第二，更棘手的是防守方會被自己付費的前沿模型安全機制鎖在門外——你需要事前談好一個「白名單／可在自家基建跑的防禦專用模型」，否則真出事時你能調用的會是能力較弱的備胎。這一項在公開資料裡還沒人給出標準做法，先動手的人先有議價籌碼。