摩爾AI編程創新；馬斯克收購xAI；軟銀英特爾合作；蘋果語音技術提速 | 2月04日互聯網日報

摩爾線程上線AI Coding Plan智能編程服務

2月3日，摩爾線程發布了基于國產GPU的AI編程服務，盡管這標志著在國產算力領域的突破，但公司股價下跌2.65%，創上市新低。同時，公司預計2025年凈利潤將虧損95,000萬元至106,000萬元。雖然人工智能產業發展推動其收入與毛利增長，但摩爾線程仍面臨高研發投入和未盈利用挑戰。在“卡脖子”技術領域，政策支持力度加大或可助力行業突破。

突發！馬斯克大動作！SpaceX收購xAI，更是太空AI的野心開局

當地時間2月2日，埃隆·馬斯克麾下的SpaceX宣布收購其旗下人工智能公司xAI，兩家公司合并旨在解決各自業務短板。xAI面臨資金緊張和監管調查問題，而SpaceX則希望整合xAI的AI技術以推進太空數據中心計劃。該項目目標是在太空構建低成本AI計算基礎設施，但面臨衛星發射難度、軌道擁擠等挑戰。此外，合并可能引發更多監管審查和壟斷擔憂。

騰訊姚順雨團隊揭示大模型瓶頸

騰訊混元研究團隊發現，現有的大語言模型在從上下文中學習新知識方面存在顯著瓶頸，成功率僅為17.2%。這些模型主要依賴預訓練階段的靜態記憶，而無法動態吸收新的信息。這表明忽略或誤用上下文是導致任務失敗的主要原因。長上下文處理及指令遵循雖然重要，但不足以解決此問題。當前模型在歸納推理任務中的表現尤為差，這對大模型在真實場景中的應用形成挑戰。

軟銀英特爾聯手搞事！AI存儲技術要迎來大升級了

近日，軟銀集團宣布其子公司Saimemory與英特爾簽署合作協議，共同推進下一代存儲技術Z-Angle Memory的商業化。然而，目前市場對AI存儲的需求已遠超供應能力，內存供應鏈出現明顯短缺。英特爾CTO Joshua Fryman表示，現有內存架構無法滿足AI發展的需求，并指出新技術將降低功耗和生產成本。這一情況反映了行業在應對高能耗挑戰方面的困難。

螞蟻推出“AI Credit”特別激勵方案；特斯拉最新人形機器人2026年底前啟動量產

快手近日發布公告，將對“AI 魔改”視頻展開常態化治理。自2026年1月1日起，快手重點打擊對經典影視、動畫作品惡意篡改的行為。在為期一個月的專項治理期間，共處置違規內容5576條，并警告教育賬號11個。此舉標志著快手持續加大對不當內容的監管力度，以維護平臺內容的真實性與版權保護。

印奇掛帥后，階躍星辰最強開源模型登場！六大AI芯片已適配

階躍星辰發布Step 3.5 Flash模型，該模型在智能密度及推理速度方面表現優異，但仍存在智能Agent能力不足的問題。在BrowseComp測試中，僅次于kimi K2.5，而在xbench-DeepSearch測試中也未能超越GPT-5.2 xhigh。此外，盡管其支持多智能體架構優化，本地端執行流程的復雜性仍是一個挑戰。總體來看，Step 3.5 Flash面臨技術迭代空前加速的壓力，以實現對智能體任務的更強支持。

騰訊首席AI科學家姚順雨入職后首發研究成果

2月3日，騰訊混元團隊在技術博客發表研究成果，揭示當前語言模型在從 Context 中學習方面的不足。盡管前沿模型能解決復雜問題，但未能勝任真實世界的動態任務。為評估這一差距，姚順雨領導團隊開發了 CL-bench 基準，該基準測試模型在四種現實場景中從 Context 中學習新知識的能力。結果顯示，最先進的 GPT-5.1 模型僅完成23.7%的任務，表明當前模型幾乎不會從 Context 中學習。

雷軍官宣小米多篇最新研究成果成功入選ICLR 2026國際頂級會議

近日，小米創始人兼CEO雷軍宣布，公司多項研究成果被ICLR 2026接納，涉及多模態推理、強化學習和自動駕駛等領域。這些研究揭示了當前技術面臨的幾個挑戰：如強化學習中的優勢坍縮和軌跡沉默問題導致訓練效率低下，以及現有GUI Agent在高質量思考樣本稀缺情況下難以獲得穩定性能。雖然這些前沿研究已取得一定突破，但仍需關注解決方案的實際落地性及其在復雜環境中的表現。

OpenAI奧爾特曼：英偉達AI芯片世界最棒，希望長期成為其大客戶

OpenAI首席執行官薩姆?奧爾特曼在X平臺上表示OpenAI高度評價英偉達的人工智能芯片，希望繼續保持長期合作關系。他否認關于OpenAI尋找英偉達替代方案的傳言。此前有報道稱，英偉達擬向OpenAI投資1000億美元的計劃陷入停滯，并且談判已拖延數月。與此同時，OpenAI與AMD達成了多項協議。英偉達首席執行官黃仁勛也對有關緊張關系的報道進行了駁斥，稱這些說法毫無根據。

蘋果公布PCG技術：質量零妥協、AI語音生成提速40%

蘋果公司與特拉維夫大學合作，引入“原則性粗粒度”（PCG）技術，以加快AI文本轉語音的生成速度。該方法通過建立聲學相似組，允許略微不同的聲學token在輸出中被接受，從而提升生成效率。雖然PCG提高了約40%的速度，但未降低音頻質量。測試顯示，即使大量替換語音token，人耳也幾乎無法察覺差異。這一優化無需重新訓練現有模型，僅需37MB額外內存。