文章核心观点 - 2026年AI行业将进入从“实验室”转向“生意场”的关键年，关注点将从技术突破转向营收、落地和执行[1] - AI并非即将破裂的泡沫，但通用人工智能（AGI）引发经济“一飞冲天”的全面影响尚需时日，模型能力将持续提升[1] 科技巨头资本支出 - 2024年五大云服务商（谷歌、微软、亚马逊、Meta、甲骨文）资本支出总额为2410亿美元，2025年预计超过4000亿美元[2] - 预计2026年科技巨头资本支出增长将放缓，但全年总额仍将突破5000亿美元[3] - 行业领袖表示，数据中心建设是为了满足客户当前订单，美国企业正以前所未有的规模为新型AI服务买单[2] AI公司营收与目标 - OpenAI预计2025年收入超过130亿美元，年度经常性收入（ARR）约200亿美元，目标2026年实现300亿美元营收[11] - Anthropic预计2025年营收约47亿美元，年度经常性收入（ARR）已增长至“近70亿美元”，目标2026年实现150亿美元营收[11] - 预测OpenAI和Anthropic均能达成甚至超额完成2026年营收目标[4][5] AI模型技术发展 - 大语言模型（LLM）的上下文窗口（一次能处理的Token数量）增长已放缓[6] - 2022年11月ChatGPT上下文窗口为8192个Token，2023年11月GPT-4 Turbo为12.8万Token，2024年2月Gemini 1.5 Pro达到100万Token[6] - 预计2026年通用前沿模型的上下文窗口将维持在100万Token左右，保持相对稳定[7] - 文本扩散模型（如Gemini Diffusion）因生成速度快、学习效率高等优势，预计将在2026年进入主流视野[26] - 预计2026年将至少有一家主流实验室发布基于扩散技术的大语言模型供主流用户使用[26] AI软件工程能力 - 顶尖AI模型能以50%成功率完成的软件工程任务时长，呈现指数级增长，翻倍时间从7个月缩短至5个月[14] - 2025年11月发布的Claude Opus 4.5能以至少50%成功率完成耗时近5小时的软件任务[14] - 预计2026年趋势将持续，最强大的AI模型将能在耗时20小时（相当于软件工程师半个工作周）的软件任务上达到50%的可靠性[10][14] 自动驾驶与无人驾驶出租车 - 2025年Waymo周订单量翻了三倍，并在多个新城市开启无人驾驶运营[1] - 特斯拉在奥斯汀和旧金山推出了配备安全监管员的无人驾驶出租车服务[1][24] - 目前Waymo商业车队约有2500辆车，中国公司小马智行约有1000辆车[21] - 小马智行目标到2026年底车队达到3000辆，Waymo若实现周订单100万单目标则需要4000到6000辆车[21] - 预测2026年底至少会有一家中国公司（如小马智行、百度萝卜快跑、文远知行）的全球无人驾驶出租车车队总规模超越Waymo[20][21] - 预测2026年将出现首款面向消费者销售的全自动驾驶（L4级）汽车，可能来自Tensor等公司，而非特斯拉[22] - 预测特斯拉将在2026年于至少一个城市开始向公众提供真正的无人驾驶（车内无员工）出租车服务[24][25] AI行业生态与竞争 - 模型上下文协议（MCP）可能被视为冗余的抽象层，预计到2026年底，主流AI供应商将停止对其投入[17][18][19] - 在开放权重模型领域，2024-2025年中国模型（如Qwen 2.5、DeepSeek R1）超越了美国模型[30] - 预计2026年美国开放权重模型将通过ATOM等项目发力，追上中国模型的性能[31] - 在短视频生成平台，Meta的Vibes应用在2025年11月中旬日活用户达200万，应用商店排名已超过OpenAI的Sora[32] - 预测一年后（约2026年底）Vibes的活跃用户数将超过Sora[32] - 反方观点认为，因OpenAI与迪士尼签署独家授权协议，Sora的活跃用户数可能超过Vibes[33] AI法律与监管环境 - 法院已裁定训练AI模型本身不构成侵犯版权，但AI公司需建立防止产出侵权内容的防线[15] - Anthropic支付了15亿美元以和解有关训练数据的指控[15] - 预计2026年AI公司将面临更严格的运营限制，若不采取合理措施预防损害，将面临巨额罚单[15] - 预测2026年AI行业初期“法律混战”的局面将彻底终结[15] AI宏观经济影响 - 有观点预测AI可能在2027年引发GDP“大涨”，甚至让美国GDP年增长率高达50%[8] - 预测2026年第三季度美国实际GDP同比增长率不会超过3.5%[8] - 预计AI对2026年美国经济增长的支撑作用仅占百分之零点几，不足以让整体经济增长超出常规范围[9] AI社会影响与安全 - 预测2026年不会出现任何由AI引发或起到关键助推作用的重大实体或经济灾难[16] - 预测2026年媒体中同时提到“AI”和“自杀”的报道内容将至少是2025年的三倍，但实际自杀人数预计不会增加[29] - 预计到2026年底，将会出现一个募资至少2000万美元、专门游说反对“AI友好型”政策的反AI超级政治行动委员会（super PAC）[27][28]

不同于多数企业追逐泛娱乐赛道，云知声选择深耕医疗、医保、交通等"严肃场景"，凭借标准化的智能 体解决方案实现快速复制。在医疗领域，基于"山海"大模型的智慧医疗解决方案已在近400家医院完成 部署，700余家医院进入测试阶段，江苏省级医保大模型项目更是全国首个落地的省级医保垂直大模型 项目。 据近期国泰海通证券研报，2024年中国的AI解决方案市场规模为1804亿元，五年复合增长率为33.7%， 预计2030年将达到11749亿元，复合增长率36.7%。从市场地位来看，2024年，云知声在中国AI解决方 案市场排名第四。其中，在日常生活AI解决方案市场，云知声排名第三，在医疗AI市场排名第四。 2025年6月30日，云知声在香港联合交易所主板挂牌上市，发行价格205港元/股。上市后云知声股价不 断走高，2025年9月1日一度摸高至879港元/股，随后，公司股价进入下行通道。2026年1月26日一度跌 至203港元/股。 （文章来源：上海证券报） 1月28日，港股AGI（通用人工智能）赛道企业云知声上演股价狂飙行情。午后开盘，公司股价不断拉 升，最高涨幅达99.45%，截至收盘，报395港元/股，涨79.71%， ...

在周伯文看来，ANI在2016年已趋于成熟，而通往AGI的必经之路并非直接跃迁，而是必须率先实现具 备跨领域泛化能力的ABI。这一跨越需要技术范式的根本性变革，最少包括从有监督学习转向自监督学 习、从人类分割任务级联式系统转向端到端架构、从判别式工具进化为生成式助手。ChatGPT的问世第 一次验证了人工智能系统同时达成这三方面变革，实质上宣告了ABI阶段的到来。这一历史性突破验证 了规模法则（Scaling Law）的有效性，通过扩大Transformer架构并将"下一个词预测"作为优化目标，人 类首次实现了对世界知识的压缩。 "科学发现是AI的下一个前沿阵地，大规模深度推理将赋能科学发现，科学发现亦将反哺推理能力的进 化。"上海人工智能实验室主任、首席科学家周伯文日前在第四十届人工智能协会年会（AAAI 2026） 发布特邀报告。周伯文表示，当前我们已身处通用人工智能的前夕，但仍缺失通专融合的智能，亟需推 动科学智能从1.0向2.0迭代演进，即从AI4S迈向AGI4S。 AGI必须打破通专二元对立 人工智能的发展历程并非线性堆叠，而是呈现出明显的阶段性跃迁。回顾AI发展的历史坐标，有助于 厘清当前所处的位 ...

南都N视频记者1月28日获悉，A股上市游戏企业游族网络股份有限公司（002174 SZ，以下 简称"游族网络"）与国产GPU厂商曦望（Sunrise）近日就数字经济算力协同达成战略合作。 双方将携手探索，让国产推理芯片高效能无缝接入游戏研运流程，并致力于形成一套自主可 控、经过实战验证的"游戏AI算力解决方案"，为行业提供高性能、低成本的国产化选择。此 次合作成果将全面赋能广大游戏开发者，为游戏产业的智能化升级提供创新动力。 据悉，曦望是国产全栈自研人工智能算力芯片企业，前身是商汤大芯片部门，2024年底分拆独立运营， 专注于高性能GPU及多模态场景推理芯片的研发与商业化。曦望凭借八年技术沉淀、二十亿研发投入及 两代量产芯片的工程化验证，已成为国产GPU替代的核心力量。公司致力于为千行百业提供成本降低十 倍、能效比突破的智能算力基石，通过技术创新和深度产业协同，推动各行业的智能化发展，并助力实 现通用人工智能（AGI）的普惠化目标。游族网络已于2025年参投曦望。 值得一提的是，作为国内一家老牌游戏公司，游族网络近年来转型意图明显。今年1月12日，游族网络 还与第三方中立数据中心服务提供商、纳斯达克上市企业世 ...

南都讯 2026年伊始，埃隆·马斯克向世界发出"技术奇点已然来临"的预言，再次点燃了全球对未来的想 象。他给出的时间表中，通用人工智能（AGI）将于2026年实现，而到2040年，全球人形机器人数量将 突破100亿台。 在这场关乎人类未来的竞速中，无数实验室、企业、工程师正在默默推进着技术的边界。众擎机器人的 研发测试场，就是其中一个典型的现场。 推开测试场的大门，极简的白墙、吸震的黑胶垫地面，以及 随处可见的机器人。它们有的静默伫立，有的悬挂在调试架上，有的坐在地上等待充电……装饰的极简 与机器人的交织，构成了一种独特的赛博工业美学。在这测试场中央，23岁的安鹏举正全神贯注。他是 众擎机器人刚刚从"百万英才汇南粤"项目引进的VLA（视觉-语言-动作）算法工程师。他站在一台1.4米 高的机器人身旁，手握一只黑色遥控器，清脆的电机咬合声响起，这个几十公斤重的铁家伙在胶垫上稳 稳地迈出了一步，开始扭动、跳舞，甚至跳跃，重心平衡得近乎优雅。 人形机器人"寒武纪大爆发"，我就要在场上 这看似轻松的一场"机械舞"，背后是深圳这座城市在具身智能领域积蓄已久的爆发力。2025年，具身智 能不再是实验室里的科幻名词。据相关报 ...

论文第一作者、北京通用人工智能研究院张驰博士介绍，TongGeometry能从浩如烟海的空间组合中， 精准捕捉到具备人类数学家审美标准的高质量题目，在国际上首次实现从"模仿解题"到"自主创造"的范 式转变。 我国科研团队近日开发出全球首个同时具备自主出题和自动解题双重能力的通用人工智能系统——"通 矩模型"（TongGeometry）。相关成果"基于引导树搜索的奥数几何问题提出与解答系统"1月26日发表于 《自然·机器智能》上。 奥林匹克数学竞赛被视为人工智能逻辑推理能力的"试金石"。2024年初，DeepMind公司开发的 AlphaGeometry人工智能系统展示了AI在解题方面的巨大潜力，但其本质上是一个"被动解题者"，训练 极度依赖大规模的合成数据和昂贵的计算资源。与之相比，我国自研的TongGeometry则展现出更高维 度的智能：不仅是一个能满分交卷的"优等生"，更是一位能创造优美、新颖题目的"出题名师"。其自主 生成的3道几何新题，已正式入选2024年全国中学生数学联赛（北京赛区）及美国精英奥赛。 论文共同通讯作者、北京大学心理与认知科学学院助理教授朱毅鑫表示，这意味着中国科研团队在自动 化推理 ...

我国科研团队近日开发出全球首个同时具备自主出题和自动解题双重能力的通用人工智能系统 ——"通矩模型"（TongGeometry）。相关成果"基于引导树搜索的奥数几何问题提出与解答系统"1月26 日发表于《自然·机器智能》上。 相比AlphaGeometry需要庞大的算力集群，TongGeometry仅需单张消费级显卡即可在最多38分钟 内，解决近25年所有的奥数几何难题。 论文共同通讯作者、北京大学心理与认知科学学院助理教授朱毅鑫表示，这意味着中国科研团队在 自动化推理的逻辑核心领域实现关键技术自研，并在性能与功能多样性上全面超越以DeepMind为代表 的国际顶尖水平。同时，我们的系统在理解逻辑底层美学和自主发现科学规律方面走在了前列。这种不 依赖海量标注数据、通过内部逻辑自我演化的路径，正是通用人工智能（AGI）发展的关键。 奥林匹克数学竞赛被视为人工智能逻辑推理能力的"试金石"。2024年初，DeepMind公司开发的 AlphaGeometry人工智能系统展示了AI在解题方面的巨大潜力，但其本质上是一个"被动解题者"，训练 极度依赖大规模的合成数据和昂贵的计算资源。与之相比，我国自研的TongGeom ...

技术破局：将算力约束变为算法红利 在大模型行业一度陷入"参数竞赛"的背景下，MiniMax选择了一条更有挑战性但也更具可持续性的技术 路线。 早在2023年，MiniMax便在业内布局了MoE（混合专家模型）架构。这是一种通过稀疏激活机制，在保 证高性能的同时大幅降低计算消耗的架构创新。2025年10月底，MiniMax M2模型发布，该模型专为编 码与代理工作流设计，通过架构优化，实现了"小模型、大能力"的效果。 MiniMax选择了一条"小模型、大能力"的差异化路径，通过对关键技术环节的创新大幅提升模型效率和 性价比。MiniMax副总裁严奕骏在接受《经济参考报》记者采访时表示，AI竞争的核心不是参数规模的 盲目堆砌，而是在用户真实需求场景中创造不可替代的价值。 据介绍，MiniMax最新的M2模型（目前已更新至2.1版本）在处理复杂编程任务时，推理速度相比同类 产品显著提升，而使用成本实现了大幅降低，这种"高性价比"优势正在成为MiniMax在国际竞争中的独 特"护城河"。 商业化落地：在"付费赛道"验证价值 如果说大模型竞争是一场马拉松，MiniMax给自己设定的"配速"并不是追逐每一次榜单波动，而是 ...

文章核心观点 - 知名AI专家Gary Marcus认为，当前以Transformer架构和大语言模型为核心的AI发展路径存在根本性缺陷，无法实现通用人工智能（AGI）[2][14] - 整个行业在神经网络和大语言模型上投入了1到2万亿美元，但方向本身“毫无道理”，且已进入收益递减阶段[2][14] - 大语言模型本质上是“超级版自动补全工具”，基于统计模式工作，不具备真正的理解、抽象思维和逻辑推理能力，因此存在幻觉、无法应对新情况等根本缺陷[19][29][31] - AI领域缺乏技术壁垒，模型正成为标准化商品，导致价格战和商业模式危机，头部企业如OpenAI面临严重的财务和生存挑战[3][36][38][55] - 要实现真正的突破，行业需要学术思维多样性，并转向构建“世界模型”和结合符号式AI等基础研究，而非仅仅依赖数据与算力的规模化扩张[49][60][66] 对当前AI技术路径的批判 - **技术本质缺陷**：大语言模型的工作原理是预测序列中的下一个内容，本质是统计模式识别和“信息碎片”的黏合，而非真正的思考或理解[19][25][29] - **幻觉问题严重**：模型会凭空编造事实并自信地呈现，例如编造人物养宠物鸡或将洛杉矶出生的人误判为英国人，根源在于其缺乏对世界的真实表征[21][23][24][62] - **无法处理新情况**：模型本质是“功能强大的记忆机器”，其能力受限于训练数据，无法有效应对训练数据之外的新事物、新情况，如特斯拉自动驾驶系统因未训练识别飞机而撞机[31][32][45] - **缺乏系统二思考**：神经网络仅相当于人类认知中的“系统一”（快速、直觉），完全不具备“系统二”（慢速、逻辑、推理）的能力，这是其无法实现AGI的核心原因[13][14] AI行业的商业与竞争格局 - **巨额投资与低效回报**：行业已在神经网络上投入1到2万亿美元，但面临“一圈又一圈的循环融资”和“投资回报率不尽如人意”的局面[2][53] - **技术壁垒消失**：所有AI企业的研发思路基本一致，导致没有真正的技术护城河，谷歌等资金雄厚的巨头能够迅速赶上甚至反超[3][36][37] - **模型商品化与价格战**：大语言模型正成为标准化商品，各家模型差距微乎其微，引发激烈价格战，按token计费的价格已暴跌99%[3][38] - **OpenAI的生存危机**：公司每月亏损约30亿美元，年亏损超300亿美元，尽管近期融资400亿美元，但资金仅够支撑约一年运营，面临被收购（如微软）或倒闭的风险[3][55][58] - **风险投资的扭曲激励**：部分风险投资家热衷于管理费高昂的“规模化扩张”项目，而非推动真正技术进步，加剧了行业泡沫和资金错配[50] AI技术的演进与局限 - **推理模型的局限**：推理模型（如o1）在大语言模型基础上进行多次迭代推敲，在数学、编程等封闭领域表现较好，但成本更高且依然无法应对开放世界的新情况，不具备真正的逻辑分析能力[40][44][45] - **行业暗中转向**：各公司已悄悄放弃纯大语言模型思路，开始融入代码解释器等经典的符号式AI工具以提升模型表现，这印证了神经符号结合路线的正确性[34][35] - **规模化扩张的谬误**：“规模化扩张”理念（即投入更多数据、算力模型就会更智能）被比喻为“万亿磅婴儿谬误”，是一种天真的线性外推，无法解决AI的核心认知缺陷[16][17][66] - **人才流动的信号**：大量人才从OpenAI等头部公司离职创业，表明企业内部人员也清楚并未取得宣称的突破性进展，AGI并非近在咫尺[3][36] 未来发展的方向与建议 - **必须构建世界模型**：脱离“世界模型”（对现实世界结构化的内部表征）的AI系统根本行不通，必须研发能够自主归纳因果规律和世界规则的AI[60][62][65] - **需要学术多样性**：行业应将资源从单一的规模化扩张路径，分散到探索更高效、经济、可靠的新技术方向上，如同投资需要分散配置[49] - **重视基础研究**：当前市场是在为一项远未成熟的技术进行投机性规模化投入，真正需要的是扎实的基础研究，而非指望单纯扩大规模就能实现突破[66][67] - **对AGI的理性预期**：现有技术无法实现AGI，研究显示AI目前仅能完成约2.5%的人类日常工作，其商业价值被严重高估[54]

微软发布第二代AI芯片Maia 200 - 公司于当地时间1月26日宣布推出第二代人工智能芯片Maia 200 [3] - Maia 200采用台积电3纳米工艺制造，每颗芯片包含超过1400亿个晶体管 [3] - 该芯片为大规模AI工作负载量身打造，兼顾高性价比，是公司迄今为止部署的最高效推理系统 [3] - 其每美元性能比公司目前部署的最新一代硬件提升了30% [3] - Maia 200的FP4性能是第三代Amazon Trainium的3倍 [3] Maia 200的部署与应用 - 芯片已部署在位于爱荷华州得梅因附近的美国中部数据中心区域 [3] - 接下来将部署在位于亚利桑那州凤凰城附近的美国西部3数据中心区域，未来还将部署更多区域 [3] - 公司超级智能团队将利用Maia 200进行合成数据生成和强化学习，以改进下一代内部模型 [3] - 该芯片还将应用于构建AI模型的Microsoft Foundry服务和面向商业生产力软件套装的Microsoft 365 Copilot服务 [4] 公司自研AI芯片的战略与背景 - 距离公司发布第一代AI芯片Maia 100已过去两年，Maia 100采用台积电5纳米工艺 [5] - 公司CEO萨蒂亚·纳德拉提及自研芯片逻辑，计划在自身MAI模型和芯片之间建立闭环，根据需求设计微架构并不断更新模型 [5] - 公司持续押注人工智能，2026财年第一财季资本支出达到349亿美元，创下纪录，高于此前预期的超过300亿美元 [5] - 约一半的资本支出用于短期资产，主要是采购GPU和CPU，以支持不断增长的Azure平台需求和AI解决方案 [6] - 剩余支出用于长期资产，以支持未来15年及更长时间的盈利，其中包括111亿美元的融资租赁，主要用于大型数据中心 [6] 公司AI投资与用户规模 - 公司CEO表示将继续加大对AI领域的投资，包括资金和人才，以把握未来机遇 [6] - 公司旗下所有产品中，人工智能功能的月活跃用户已达9亿 [6] - 随着需求加速增长，公司在GPU和CPU方面的支出也在增加，预计2026财年的资本支出增长率将高于2025财年 [6] 公司超级智能团队的定位 - 公司于去年11月成立超级智能团队，由穆斯塔法·苏莱曼领导，旨在实现人文主义超级智能 [3] - 此举旨在摒弃关于通用人工智能竞赛的叙事，将其视为一项更广泛、更深刻的人类事业，用于改善人类生活和未来前景 [3] - 该团队目前关注AI助手、医疗和清洁能源三个领域 [3]