AI 资讯 · 2026-07-23

一场蒸馏指控，撕开了开放模型与闭源生意的利益裂缝。    作者丨郑佳美    编辑丨马晓宁                                                                                                       Kimi K3 发布不到一周，美国 AI 圈对它的态度，已经从“这模型有点强”，迅速升级成了“它到底是怎么变得这么强的”。北京时间 7 月 22 日晚 10 点，白宫科技政策办公室主任 Michael Kratsios 公开发帖称，美国方面掌握信息，月之暗面在开发 Kimi K3 时蒸馏了 Anthropic 的 Claude Fable。按照他的说法，月之暗面还专门搭建了一套内部平台，可以不断更换账号和访问渠道，大规模获取美国模型的输出，同时绕开平台检测。Kratsios 没有把所有模型蒸馏一棍子打死。他承认，用强模型训练更小、更便宜的模型，本来就是 AI 行业的常规操作。问题在于，他认为月之暗面进行的是“隐蔽、工业级”的蒸馏，目的不是模型压缩，而是以更低成本复制美国公司的专有能力。他还称，月

文 | 周鑫雨 编辑 | 张雨忻 《智能涌现》独家获悉，近期，腾讯混元多模态理解负责人胡瀚提出了离职。 此前，他曾担任微软亚洲研究院视觉计算组首席研究员。2025 年初加入腾讯后，负责视觉大模型的研究。在后续的调整中，他加入大语言模型部旗下的“Frontier”前沿技术研究组，负责多模态理解的相关研究，汇报给姚顺雨。 据了解，胡瀚还曾承担世界模型的研发工作。 与此同时，腾讯大语言模型部负责人姚顺雨近期正在密集梳理旗下团队，胡瀚此前所在的研究组或将聚焦世界模型的前沿研究。 截至发稿，腾讯未对上述信息做回复。 大语言模型仍是混元最重要的事 自 2026 年年中以来，围绕混元体系的人员变动一直在进行。7 月初，前 OpenAI 研究院、麻省理工学院博士田永龙加入大语言模型部——我们得知，他将代替胡翰负责视觉语言模型方向（VLM）的研发，并汇报给姚顺雨。 自姚顺雨加入，补全短板、将混元基模的能力快速提升至第一梯队，就成了腾讯 AI 的主线。 重新梳理资源分配，将人才、算力聚焦至大语言模型部负责的基础模型研发，是姚顺雨上任后的核心举措之一。 比如，腾讯撤销 AI Lab 后，核心研发人员全部并入

AI 大厂正从「训练模型」走向「建设计算工厂」。    作者丨郑佳美    编辑丨马晓宁                                                                                                       过去两年，全球人工智能行业最抢手的东西，是英伟达 GPU。从 OpenAI 到 Meta，再到 Google、Amazon，几乎所有希望在 AI 领域占据优势的公司，都在争夺计算资源。行业最初盯着模型能力，后来逐渐发现，模型背后的那套“机器”，同样决定着迭代速度。算法可以调整，数据可以补充，算力中心却不能临时搭建。芯片要提前采购，机房要提前建设，电力也要排队接入。等模型方案确定后再寻找资源，往往已经晚了。于是，AI 行业出现了一个颇有反差的场景：一群研究最前沿软件的公司，开始忙着找土地、谈能源、修数据中心。就在这轮建设潮中，智谱完成了一座规模达到 1GW 的 AI 数据中心。据彭博社报道，该中心全部采用中国制造的芯片，并将用于模型训练。单独看，这像是一条国产芯片新闻。但放进全球 AI 公司的动作里

如果传闻属实，Kimi K3 将成为国产模型的重要节点。    作者丨郑佳美、樊天骄    编辑丨马晓宁                                                                                                       7 月 15 日，一款名为 Kivine 的匿名模型突然出现在 LMArena。按照正常流程，它本应该只是众多匿名测试模型中的一个，等待用户通过盲测判断能力高低。但这一次情况有些不同，在上线之后短短几个小时内，Kivine 就迅速成为全球 AI 社区关注的焦点。越来越多测试者开始怀疑，这个隐藏身份出现的模型，很可能就是月之暗面尚未正式发布的下一代旗舰模型——Kimi K3。目前，月之暗面并没有公开确认 Kivine 与 Kimi K3 的关系，也没有发布任何官方技术资料。但从已经曝光的信息来看，事情正在形成一条越来越完整的证据链。从 LMArena 上的模型表现，到用户测试反馈，再到 beta.kimi.link 后台出现的产品信息，以及提前泄露又迅速消失的充值活动页面，所有线索都

顶级 GPU 躺平，只因模型不懂硬件逻辑    作者丨高允毅    编辑丨马晓宁                                                                                                       上个月，一位做推荐系统的朋友找我大吐苦水。团队花了大几百万，刚咬牙把模型搬上了 8 张 H100，满心以为能轻松扛住流量。结果监控面板一拉，心凉了半截，GPU 利用率常年躺平在 40% 上下。他的第一反应是：“完了，老板咱们还得加卡。”停！先捂紧钱包。 别总觉得是卡不够。模型跑不快，问题很可能根本不在 GPU，而是你的模型在写下第一行代码的设计之初，就没有设计成适配GPU的形状。就在最近，英伟达亲自下场，发布了一篇名为《AI Model Co-Design: Hardware-Friendly LLM Design》的技术博客。整篇文章洋洋洒洒，其实就想点醒行业一件事：别光顾着堆算力了，来看看你们是怎么把顶级显卡逼成“磨洋工”的吧。01为什么"大力士"在磨洋工要看懂英伟达的这篇论文，得先认清 GPU 的真

过去两年，传统通信业务增长趋缓，运营商集体将目光投向AI算力。中国电信、中国移动、中国联通相继公布了大规模的智算中心建设计划，算力投资在资本开支中的占比逐年攀升。在这一转型浪潮中，运营商究竟选择什么样的算力芯片，不仅决定着自身算力业务的成本结构，也在很大程度上影响着国产算力产业的走向。目前，国内AI算力产业已呈现出TPU、GPU、ASIC等多条技术路线并行繁荣的局面。运营商在智算建设中也逐步从单一依赖GPU方案，开始向更多元化的算力选型开放视野。尤其是在自主可控的政策导向和国产芯片能力快速迭代的双重推动下，国产算力已从实验室验证迈入规模化落地阶段。运营商作为国内算力基础设施最大的建设方和运营方，其选型决策对国产算力产业而言，既是能力检验，也是市场窗口。2026世界人工智能大会期间，华东地区（杭州）首个国产TPU智算千卡集群落成。该项目由中昊芯英、杭州电信、中兴通讯共同打造。一期部署1024片“刹那®”TPU芯片，算力规模达400P。过去两年，运营商在智算中心建设上并非没有动作，但多数项目采用的是海外GPU方案。自主可控的政策要求是一方面，但更深层的原因在于商业模式的切换。词元经济的崛起

极简二次模型，还原 LLM 预训练的本质。    作者丨幸丽娟    编辑丨岑   峰                                                                                                       当大模型预训练还在靠一堆“炼丹术”般的启发式规则苦苦调参时，哈佛大学计算机科学系 Gordon McKay 教授 、Kempner 研究所联合主任 Sham Kakade 抛出了一项反直觉的研究：一个简单到离谱的二次模型，就能精准预测大语言模型在动态预训练中的绝大部分优化效果。他在 ICML 2026 的特邀演讲《How Far Can Quadratics Take Us ? Lessons for LLM Pretraining》中，系统呈现并论证这个二次模型到底有多强大：从推导任意时间学习的最优策略、精确算出临界批量大小与动态最优学习率，到揭示动量的真实作用边界……所有这些，都可以在这个朴素、清晰的二次框架下完成。为什么一个如此简单的模型能做到这一切？答案指向了同样朴素的泰勒定理（Taylor

7月17日，2026世界人工智能大会（WAIC）在上海开幕。作为36氪连续第三年深入WAIC现场的重要内容窗口，「氪话未来」直播间也在大会首日同步开启现场对话。蚂蚁数科副总裁、中国区业务发展部总经理孙磊在WAIC现场接受36氪「氪话未来」特邀专访，围绕商业智能体超级工厂、行业垂直大模型、AI工程化能力以及企业智能体落地等话题，分享了蚂蚁数科面向企业智能化升级的最新实践与思考。 本届WAIC以“智能伙伴，共创未来”为主题。随着人工智能产业进入应用深化阶段，行业关注点正在从模型能力竞争逐步转向应用价值创造。相比过去几年围绕参数规模、模型性能和技术突破的讨论，2026年的AI产业正在更加关注一个核心问题：AI如何真正进入企业业务流程，如何降低应用门槛，如何通过实际业务结果创造价值。 在这一趋势下，商业智能体正成为连接模型能力与企业应用的重要载体。对于企业而言，仅拥有通用大模型已经无法满足复杂业务需求，更需要具备行业知识、业务理解和工程化能力的智能体系统，帮助AI真正落地到业务场景，实现从个人效率提升到组织协同升级。 蚂蚁数科此次发布的"商业智能体超级工厂"，正是围绕这一方向展开探索。作为承

7月17日，2026世界人工智能大会在上海开幕。作为36氪连续第三年深入WAIC现场的重要内容窗口，「氪话未来」直播间也在大会首日同步开启现场对话。FutureTech负责人张梦钊在WAIC现场接受36氪「氪话未来」特邀专访，围绕FutureTech平台定位、OPC独立先锋挑战赛、AI创业趋势以及初创企业商业化路径等话题，分享了FutureTech如何连接创业团队、产业资源与创新生态，探索AI时代下的新型创业范式。 本届WAIC以“智能伙伴，共创未来”为主题。随着人工智能产业进入应用深化阶段，行业关注点正在从模型能力竞争逐步转向应用价值创造。相比过去几年围绕参数规模、模型性能和技术突破的讨论，2026年的AI产业正在更加关注一个核心问题：AI如何真正进入企业业务流程，如何降低应用门槛，如何通过实际业务结果创造价值。 在这一趋势下，AI创业竞争的核心也正在从单纯的技术能力比拼，转向对行业认知、场景理解和商业价值创造能力的考验。对于初创企业而言，如何找到真实需求、打造差异化产品，并从创新想法走向稳定商业化，成为AI创业下一阶段的重要课题。 FutureTech正围绕这一方向持续探索：通过打

今年的WAIC现场，与去年相比最明显的一个变化是：Agent不再只是发布会上的概念，而是开始走到用户面前。在百度展台，一位小朋友坐在秒哒体验区的沙发上，尝试用自然语言搭建自己的应用——过去需要开发人员完成的工作，正在被普通用户用一句指令完成；阿里千问办公体验区，围坐在桌前的用户不断向Agent发出指令，测试它能否完成一项项办公任务；腾讯展台旁，观众关注的问题也从去年的“有没有Agent”，变成了“这个Agent和那个Agent有什么区别”。这些现场细节背后，折射出一个更深层的变化：Agent正在从单一能力展示，走向更多元的应用场景。过去，大厂比拼的是谁能打造一个更强的AI助手；而如今，Agent开始进入办公、创作、硬件等更多场景，不同Agent之间也逐渐形成分工与协作。当Agent越来越多，下一个问题也随之出现：未来真正的竞争，是打造一个“无所不能”的超级Agent，还是围绕办公、系统、硬件等不同入口，组织起一套能够协同工作的Agent体系？三家大厂，也正在探索属于自己的答案。阿里：三款Agent整合后，千问办公首次亮相阿里展台上，首次公开亮相的千问办公成为现场关注的焦点之一。雷峰网从

图源/企业 本文约1400字，建议阅读3分钟 作者丨欧雪 编辑丨袁斯来 硬氪获悉，工业AI设计研发解决方案供应商「设序科技」于近日正式完成B轮超亿元融资，累计获超3亿元融资，投资方包括深产投、合鼎共及老股东涌铧投资等。融资将用于市场开拓（含出海）及核心模型技术研发。 设序科技成立于2020年，旗下产品“则形AI”是基于自研工业世界模型与自然语言大模型封装的面向硬件工程的设计研发智能体平台，提供云架构下的3D设计方案与2D工程图纸智能生成功能。创始人兼CEO吴泳荣为同济大学先进制造方向博士，曾任通用先进制造实验室研究员、蔚来汽车智能制造专家。 相比去年，设序原有的3D生成与2D生成两大产品线经历了深度的Agent化升级。目前，基于几何AI的3D Agent和基于制造AI的2D Agent已完成技术改造并迅速帮助工程师用户们创造了更厚价值。连接几何AI与制造AI的物理AI也已经投入技术研发与POC验证阶段。实际上，物理AI并不是具身智能领域的独有概念，结合工业机理对特定物理场进行工业级精确求解的物理AI同样重要。 吴泳荣向硬氪解释了这一演变的内在逻辑：“我们想打造一个面向硬件工程的通

图源/企业 本文约2100字，建议阅读5分钟 作者丨欧雪 编辑丨袁斯来 硬氪获悉，机器人灵巧操作方案提供商拾玥科技（LumiBot）近日完成数千万元天使轮融资。本轮由常州智融长优股权投资合伙企业（有限合伙）领投，另外两家国有投资平台旗下基金跟投。资金将主要用于团队扩张、产品迭代与小批量产线建设，以及灵巧操作数据采集与模型研发。 拾玥科技成立于2025年初，专注于为工业制造、精密装配等高精度场景提供灵巧操作解决方案。目前，公司已推出Lumi-Dex系列高自由度灵巧手、Lumi-Tac指型视触觉传感器、Lumi-Mind灵巧操作模型及Lumi-Mod电机模组四大产品线。 团队方面，创始人吴聿文曾以投资人身份主导投资过AI智能视觉、咖啡机器人等多个项目。技术负责人宋开友师承熊有伦院士、尹周平院士，曾任蚂蚁集团高级算法专家，主导了百灵多模态大模型的多版模型训练；算法负责人陈逸凡来自百度自动驾驶团队主导并落地国内首个纯视觉高阶智驾方案；产品负责人钟乔恒曾创办灵巧手公司并实现量产。 在具身智能浪潮中，灵巧手被视为机器人完成精细化操作的“最后一厘米”。创始人吴聿文判断，灵巧手是机器人绕不开的瓶

文｜王欣逸 编辑｜张雨忻 “技术突破决定AI能走多快，真正能否创造价值决定AI能走多远。”在今年的WAIC腾讯AI应用创新论坛上，腾讯公司副总裁林松涛分享了这样一个观点。 同样是“Claw热”之后上线的产品，腾讯的三大Agent产品WorkBuddy、QClaw和Marvis迎来了各自不同的命运。 首先是WorkBuddy，林松涛在此次论坛上公开表示，WorkBuddy的DAU已稳居国内效率智能体产品第一；QClaw方面，相关业务和部分团队在近日也迎来了调整，并入至WorkBuddy所在部门，不过QClaw产品仍将持续运营；上线最晚的Marvis则走出了一条差异化的系统级Agent路线，林松涛透露，Marvis在用户中打开了局面，上线两天DAU超过30万，七日留存约为54%。 WorkBuddy、QClaw的讨论度居高不下，热度之余，我们想聊一聊Marvis这款产品。 和Claw类产品不同的是，Marvis走的并非是通用Agent路线，主打系统级操作。Marvis负责人蔡建涛透露，在用户场景分布上，本地文件相关能力占比最高（44%），其次是电脑硬件管理（28%）和浏览器任务（18%），

大模型的军备竞赛正在进入一个新阶段。当算法架构趋于收敛、算力供给逐渐充沛，一个更隐蔽却更致命的瓶颈浮出水面——高质量数据的匮乏。近日，人工智能高质量数据生产运营商景联文科技完成近亿元A轮融资，投资方包括滨江金投、杭州金投、创新数谷基金、安恒信息、玉禾田等，上一轮投资方麦迪科技继续加注。这不是一笔简单的融资。观察投资方阵容——地方国资、数据安全企业、环卫上市公司、医疗上市公司——几乎涵盖了AI数据从生产到流通、从场景到安全的全链条。这种跨产业的资本组合，恰恰折射出当前AI产业的核心命题：真实世界的数据，正在取代算法和算力，成为下一阶段竞争的关键变量。数据标注的三次革命景联文科技CEO刘云涛用一句话概括行业的代际跃迁：“第一次革命拼人头，第二次革命拼技术，第三次革命拼知识。”2018年公司从生物识别算法转型数据服务时，行业还是典型的劳动密集型产业——拉框、标点、转录语音，拼的是交付速度和人力成本。彼时数据被视为“低端配套”，所有人的目光都聚焦在算法上。但大模型爆发后，通用模型能写诗聊天，一旦进入医疗、工业、具身智能等专业领域就暴露出“不懂行”的短板。训练这些模型所需的行业数据，极度稀缺且昂

文｜周鑫雨 编辑｜张雨忻 什么样画像的AI创业者会饱受瞩目？不同投资人心里或许有不同的答案，但其中一个答案一定是：剪映系。 陈冕，Lovart、LibTV等热门创作工具的缔造者；明超平，AI Coding社区YouWare的创始人，2025年一级市场最火的95后；闹闹，其打造的AI视频创作工具OiiOii，被高瓴、锦秋投资...... 他们履历的共同点是：曾在剪映、CapCut团队——参与过这两款过亿日活产品的打磨，这让投资人有理由相信，这群“剪映系”创业者了解用户、有产品审美，更可能在这波AI浪潮中押中消费级的机会。 但很长一段时间内，“剪映系”真正的起点，郭列，隐身在2022年起的AI浪潮中。 △Flova、脸萌、FaceU创始人郭列。图源：受访者供图   作为脸萌、FaceU的创始人，他曾做出中国移动互联网时代最成功的一批C端工具产品。2018年，脸萌团队以约3亿美元的价格被字节收购。 此后，郭列开始负责字节影像业务，参与孵化了剪映、CapCut、醒图、轻颜等一系列产品。2022年，他又成立了自己的游戏公司“船岛游戏”。 但两年后，结束游戏创业的郭列消失在了大众视野中。直到20

脑机接口是全球未来产业的重要赛道，而大规模、高质量的脑电数据，是推动技术从实验室走向产业化的核心基础。昨天下午，我国科研团队发布一款新型脑电信号采集装置，在全球范围内首次实现跨地域上千人同步脑电信号采集，使得神经大模型训练与脑机接口通用技术研发迈出关键一步。研发团队介绍，实现千人级跨地域同步采集，核心攻克了两大技术难关：一是在设备小型化的同时保障信号采集精度，二是克服网络延迟影响，实现多设备、多地域间的毫秒级时间精准对齐，确保不同脑电信号可以统一分析。未来，规模化脑电采集技术将持续沉淀数据，用于训练神经基础模型。这也意味着，AI的学习素材将不再局限于文字、图片、视频等间接信息，而是可以直接通过神经信号理解人类的认知状态。（央视财经）

OpenAI is rolling out ChatGPT Health to everyone in the US on Thursday, allowing more people to connect their medical records and health-tracking information to the chatbot. During a briefing, Ashley Alexander, OpenAI's vice president of health product, says the company's models "are now capable of reasoning at levels that are better than clinician level." […]

Health in ChatGPT now lets eligible U.S. users securely connect medical records and Apple Health to get more personalized insights and better understand their health.

7月23日消息，阿里真武M890超节点已成功适配Qwen3.8，并上线阿里云百炼平台提供模型推理服务，这是国内首个成功运行超2万亿参数大模型的超节点。 Qwen3.8是阿里最新旗舰模型，参数规模高达2.4万亿，跑通这一规模的模型需要将参数分散到几十张甚至上百张高速互联的GPU卡，让万亿参数“跑得又稳又快”。然而，普通AI集群因通信带宽的局限，无法满足高吞吐、低延迟、高并发的需求。 真武M890是平头哥新一代训推一体AI芯片，原生支持FP32到FP4等多种数据精度，可应用于高精度训练、低精度和超低精度推理的全场景。真武超节点实例通过ICN Switch 1.0互联芯片，让64张真武M890实现了800GB/s的高速互联，显存规模达到9TB，单实例即可支撑大规模2万亿参数MoE模型的专家并行需求。 此外，阿里还从芯片到云平台层面实现了与Qwen模型的全链路优化，不仅可以丝滑跑通Qwen3.8，还能显著提升推理效率、降低推理成本。实测数据显示，通过算子优化和软硬件架构协同，该超节点实例在Agentic推理场景中最多可实现1.5倍的推理性能提升。

"I don't think you get a model this strong and this quickly on the heels of Fable doing strictly distillation," one expert told TechCrunch.

The viability of orbital data centers hosting the largest and most capable large language models (LLMs) remains hotly contested. But enormous deployments that require thousands of GPUs aren’t the only way LLMs might prove useful in space. NASA’s Jet Propulsion Laboratory recently sent Google’s Gemma 3 to space, achieving the first in-orbit demonstration of a vision-language model analyzing imagery from a satellite’s own sensor.The system, known as NAVI-Orbital, used Gemma 3 to analyze images cap

Aggressive training techniques sharpens threat of bad behavior by leading models.

Until now, voice mode has only been available on Claude Haiku, Anthropic's faster but less powerful model. Now the company is making its Opus and Sonnet models available in voice mode, and extending its reach into apps like Gmail, Slack, and Canva. When Anthropic launched voice mode last year, it was primarily focused on delivering […]

Users can also integrate their personal data from services like Apple Health, Function, and MyFitnessPal.

Claude's new voice model will let you reschedule your meeting or draft an email.

AegisAI co-founders developed AI agents that quickly analyze each message as a human would, paying attention to small anomalies that even the most elaborate checklist wouldn’t catch.

Etched, founded by three Harvard dropouts, has created new chips and memory components that speed up inference on any AI model -- no GPUs required, it says.