AI基础设施与算力 - 科大讯飞董事长刘庆峰表示，全国产算力平台上，国产大模型在参数小一倍的情况下可对标国际领先水平，自主可控的AI基础设施已初步成型 [2] - 特斯联发布T-Cluster 512超节点架构，总算力超500 PFlops，单机柜训练性能提高10倍，液冷覆盖超70%，PUE低至1.08 [17] - 智谱与华为联合开源首个全程在国产昇腾Atlas 800T A2芯片上训练的SOTA多模态图像生成模型GLM-Image [8][19] - 美国放宽对英伟达H200芯片出口中国的管制 [28] - OpenAI与芯片企业Cerebras达成总价超100亿美元的合作，将部署750 MW的Cerebras晶圆级系统，于2028年前建成全球最大高速AI推理平台 [36] - 机构Counterpoint Research预计，在AI与服务器需求推动下，2025年Q4存储价格将飙升40%–50%，2026年Q1还将再涨40%–50% [47] 科技巨头战略与资本开支 - “大空头”Michael Burry警告，AI正推动微软、谷歌和Meta等公司从轻资产软件模式转向资本密集型的硬件公司，投资人应关注投入资本回报率(ROIC)而非营收增长 [3] - Meta启动“Meta Compute”顶级战略项目，计划在2030年末前构建数十吉瓦的AI基础设施，并计划对Reality Labs部门裁员数百人（约10%员工），资源重心从元宇宙转向AI [24][29] - 微软公布新计划，旨在限制数据中心电力成本和用水量影响，确保不增加民众电费负担 [30] - 微软每年在Anthropic AI上的支出将达到近5亿美元 [32] - 谷歌母公司Alphabet市值首次突破4万亿美元，成为全球第四家跨越此门槛的公司，市场认为推动因素是与苹果达成AI合作 [25] - 谷歌与苹果敲定多年AI合作协议，将为新版Siri提供支持 [26] AI模型与技术创新 - 谷歌DeepMind CEO Demis Hassabis表示，中国的AI模型可能与美国和西方的进展仅相差几个月，中国开发者在主要AI基准测试中与美国同行水平相当 [5] - DeepSeek与北京大学发布新论文并开源记忆模块Engram，通过引入可扩展的查找记忆结构，在等参数、等算力条件下显著提升模型在知识调用、推理等任务上的表现 [6] - 美团开源“重思考”模型LongCat-Flash-Thinking-2601，在智能体工具调用等核心评测上达到开源模型SOTA水平，性能超越Claude-Opus-4.5-Thinking，可同时启动8个“大脑”执行任务 [16] - 美国斯坦福大学研究人员开发出AI模型SleepFM，可根据一晚上的睡眠数据预测约130种疾病的发病风险，模型使用来自6.5万名参与者、总时长近60万小时的数据训练 [48] AI应用与商业化落地 - 阿里千问App全面接入淘宝、支付宝、飞猪等阿里生态，上线超400项AI办事功能，成为全球首个能完成点外卖、订机票等真实生活复杂任务的AI助手 [12] - 支付宝联合千问App等发布中国首个面向Agent商业需求的开放技术协议框架ACT，为AI与电商等服务平台的协同打造“通用语言” [13] - 快手科技宣布，可灵AI在2025年12月当月收入突破2000万美元，对应年化收入运行率(ARR)达2.4亿美元，较2025年3月突破的1亿美元ARR大幅增长 [9] - 京东与联想深化“混合式AI”合作，联想AI新品将在京东首发，双方围绕智能设备与服务展开深度战略协同 [11] - 谷歌联合沃尔玛等零售商扩展其“双子座”AI模型的购物功能，引入“即时结账”，推动应用从“智能助手”升级为“虚拟商家” [23] - 谷歌表示Gemini推出个人智能产品，用户可通过连接应用程序来个性化Gemini [31] 融资、并购与IPO动态 - 自变量机器人完成10亿元A++轮融资，投资方包括字节跳动、红杉中国、深创投等，该公司是唯一同时获得字节、美团、阿里投资的具身智能企业 [37] - 机器人基础模型开发商Skild AI完成近14亿美元融资，由软银集团领投，英伟达风投等参投，公司估值突破140亿美元 [42] - 金融科技平台WeLab完成2.2亿美元D轮战略融资，为成立以来最大单轮融资，资金将用于拓展东南亚业务及支持AI愿景 [43] - 脑机接口初创公司Merge Labs完成2.52亿美元种子轮融资，OpenAI为最大投资方，其他投资者包括贝恩资本和Gabe Newell [44] - 钉钉前副总裁王铭创立的K2 Lab完成数千万元种子轮融资，由云时资本独家投资，用于打造面向超级个体的内容电商Agent基建 [40] - 报道称杭州“六小龙”之一强脑科技以保密形式提交港股IPO申请 [38] - OpenAI以约1亿美元的股权对价收购人工智能医疗健康应用程序公司Torch，或将助力其推出个性化健康助手功能 [39] - 阿里云完成对ZStack（云轴科技）的进一步战略投资并实现控股 [41] 行业趋势与市场观点 - 彭博行业研究表示，中国科技巨头指数在2026年的盈利增长有望自2022年以来首次超越“美股七巨头” [45] - 瑞银认为，与美国相比，中国出现系统性AI泡沫的概率要小得多，目前AI行业直接变现模式主要是云服务和广告 [50] - 贝莱德对732家客户的调查显示，仅五分之一认为美国大型科技集团是最具吸引力的投资机会，超半数受访者更看好数据中心电力供应商 [4] - 数据显示，截至目前，中国人工智能企业数量已超6200家 [51] - 外资巨头加码中国市场AI投研，如桥水招聘“中国政策AI研究助理”，要求运用AI工具洞察趋势并预测政策与资产走向 [49] - 国家数据局表示将加快建立数据产权登记制度，以推进数据流通使用，释放数据要素价值 [46] 公司动态与业务进展 - 百川智能创始人王小川表示，公司账上还有30亿元，可能于2027年启动上市计划 [7] - 用友网络公告，预计2025年度实现归属于母公司所有者的净亏损为13亿元到13.9亿元，同比减亏6.71亿元到7.61亿元 [10] - 云海医数推出“云键AI精灵”，采用不限时套餐收费模式，降低中医红外算法使用成本，推动技术向大健康及美容行业拓展 [14] - 智元创新购买数千小时的人形机器人训练数据，涉及拿杯子、抓盘子等多个动作 [15] - 科大讯飞发布基于“SuperAgent”框架的营销智能体平台，面向全链路营销场景 [18] - 腾讯云智能体开发平台（ADP）发布国内首个“AI原生Widget”，支持通过自然语言一句话生成交互组件 [20][21] - 英伟达将在未来五年内与礼来共同投资10亿美元建立人工智能药物实验室 [27] - OpenAI正寻找美国本土硬件供应商，为其计划的消费设备、机器人和云数据中心扩张寻找合作伙伴 [33] - 马斯克诉OpenAI案将于4月下旬进入陪审团审判程序 [34][35] - Anthropic封禁OpenCode等第三方工具，导致部分开发者项目中断，也被指切断了包括xAI在内的部分竞争对手对Claude模型的访问权限 [22]

DeepSeek发布Engram技术成果 - 公司DeepSeek于今日凌晨在GitHub官方仓库开源了新论文与模块Engram，论文题为“Conditional Memory via Scalable Lookup: A New Axis of Sparsity for Large Language Models”，公司创始人梁文锋再次出现在合著者名单中 [2] - 该方法提出了一种新的“查—算分离”机制，通过引入可扩展的查找记忆结构，在等参数、等算力条件下显著提升模型在知识调用、推理、代码、数学等任务上的表现 [5] - 代码与论文全文均已开源，论文与代码地址已公布 [6] Engram技术提出的背景与动机 - 当前主流大语言模型架构基于Transformer和MoE结构，MoE通过动态路由机制降低计算成本并扩展任务容量，DeepSeek自家系列模型也采用了先进的MoE方法 [8] - 在传统架构中，模型参数同时承担事实性记忆和逻辑推理与计算两种角色，这导致为增加知识记忆而增加参数量时，计算量会同步激增，MoE专家在处理“死记硬背”任务时依然不够高效 [9] - 神经网络用高昂的矩阵运算模拟简单的“查表检索”是一种浪费，Engram旨在实现“该查表的查表，该算的算”，以解决此困境 [9] Engram的核心思想与架构设计 - “Engram”一词源自神经科学，意为“记忆痕迹”，它是一个可扩展、可查找的记忆模块，用于语言模型在推理过程中检索过去可能已见过的模式或片段 [10] - 核心技术之一是现代化的哈希N-Gram嵌入，它对输入的Token序列进行N-Gram切片，并利用哈希算法将这些片段映射到一个巨大的、可学习的查找表中 [11][13] - 由于采用哈希索引，查找是确定性且O(1)时间复杂度的，这意味着无论存储多少记忆片段，检索速度几乎恒定且算力消耗极低 [13] - 该设计将一部分“记忆职责”从深度神经计算中卸载出来，使得模型拥有活跃神经通道处理复杂计算，也有静态记忆通道高效处理固定模式，这被称为“稀疏性的新轴” [14] - Engram具备条件记忆功能，会根据当前上下文的隐向量来决定提取哪些记忆，在架构设计上，Engram模块位于Transformer层的早期阶段，负责“模式重构” [14] Engram与MoE的关系及协同系统 - Engram提供了一个新的稀疏性轴，与MoE的条件计算不同，它通过条件查找提供静态记忆容量 [15] - 两者在目标、计算方式、优化方向和作用位置上存在区别：MoE目标为条件激活神经专家，计算方式为无极dense计算/激活部分专家，优化方向为降低活跃神经计算量，作用位置在深层推理；Engram目标为条件触发静态记忆查找，计算方式为O(1)查表，优化方向为减少神经计算重建已知模式，作用位置在早期模式重建/记忆检索 [16] - DeepSeek将Engram与MoE结合形成双系统：Engram模块负责海量知识点的“存储与快速检索”，MoE专家则摆脱记忆负担，全身心投入“逻辑推理与合成” [16] - 这种分工极大地优化了参数效率，在27B的实验模型中，Engram模块可以占用大量参数用于记忆，但在实际推理时只消耗极少的计算量 [16] Engram模型的性能表现 - 在多项基准测试中，Engram模型相比同参数规模模型展现出性能提升 [17] - 在27B参数规模下，Engram-27B模型在MMLU上的准确率为60.4%，高于MoE-27B的57.4%和Dense-4B的48.6% [17] - 在知识推理任务上，Engram-27B在ARC-Challenge上的准确率为73.8%，高于MoE-27B的70.1% [17] - 在代码与数学任务上，Engram-27B在GSM8K上的准确率为60.6%，高于MoE-27B的58.4% [17] - 随着参数增加至40B，Engram-40B在多项任务上性能继续提升，例如MMLU准确率达60.6%，ARC-Challenge准确率达76.4% [17] 行业与社区反响 - 在Reddit、X等平台，Engram的技术核心受到用户肯定，被认为让模型架构处理“记忆模式查找”和“神经计算推理”职责分离，开启了新的稀疏性方向 [18] - 有用户评论指出，Engram增加了静态记忆作为补充的稀疏性轴，查找复杂度为O(1)，并发现MoE和Engram之间存在U形缩放规律，这指导着如何在两者之间分配容量 [19] - 有用户对基于n-gram lookup的O(1)查找机制表示兴趣，认为即便在不依赖GPU的环境下也能实现，让开发者对本地部署大模型功能有了更实际的期待 [20] - 专家群体开始从纯参数扩张思维转向更“智能”的架构设计，包括查表式模块和神经网络的协同，这种设计被认为是对传统NLP技术的现代化转换，具有较高的可行性和实用性 [21] - 社区评论指出，Engram很可能是DeepSeek即将发布的V4模型的核心技术基础，业内观察者认为该模块可能会成为DeepSeek V4的重要组成部分，预示下一代模型会在记忆和推理协同上实现架构级提升 [22][23] - 有网友表示，Meta之前也有过类似想法，但用到的技术不同 [26]