

> V4大模型携原生多模态架构与两千亿参数重磅来袭。通过全面深度适配国产软硬件，此次升级不仅攻克推理计算瓶颈，更将极大催化本土算力生态圈的繁荣。

## 原生多模态与超长上下文突破

在经历了V2与V3系列的快速迭代后，大模型赛道的明星企业即将迎来一次关键性跃升。即将面世的V4版本彻底摒弃了传统的后期拼接模式，在预训练阶段便深度融合了文本与视觉理解能力。这种原生多模态架构赋予了模型更为敏锐的空间推理与结构化输出表现。

以目前正处于测试阶段的“sealion-lite”版本为例，其拥有两千亿的庞大参数规模，并且将上下文窗口拓展至惊人的一百万tokens。这一跨越式升级意味着系统能够一次性吞吐和解析数百万字的超长文本，在复杂任务中展现出压倒性的优势。同时其使用极简代码即可生成高质量图像的能力，再次印证了底层架构优化的巨大潜力。

![22.png](https://static.downly.cn/images/6eaee95aa4fce5de2a69d7031e2a6e35.png) <center>图源备注 图片由AI生成</center>

## 软硬协同赋能本土算力破局

除了算法层面的精进，V4在底层硬件适配上的战略布局同样意义深远。为了打破对单一计算平台的依赖，研发团队在算力兼容性上进行了针对性攻坚，全面深化与国产制造芯片的底层融合。这一举措有效消除了大模型在推理阶段的物理瓶颈。

软硬件的高效协同不仅大幅度降低了企业级客户的部署成本，更有望在需求端为国产半导体注入强劲动能，推动整个AI产业链向着自主可控的方向加速演进。

![23.png](https://static.downly.cn/images/bb572769ab24fd53d31ea3f204eae474.png) <center>图源备注 图片由AI生成</center>

## 持续迭代稳固综合性能护城河

回顾该团队的发展脉络，从早期的效率摸索到如今的性能狂飙，其产品矩阵始终保持着极高的进化频率。随着完整版超过万亿参数的巨无霸模型揭开面纱，以及详尽技术报告的后续释出，市场对这种兼顾技术透明度与商业落地闭环的演进模式充满了期待。多模态能力的全面铺开，无疑将为人工智能领域注入全新的产业活力。


DeepSeek V4全模态架构前瞻 兼容国产算力或重塑芯片生态圈



> **导语**
> 中国人工智能产业发展联盟全会释放明确信号，通过技术攻坚、生态优化、国际协同与规范治理四维布局，全力推动AI与实体经济深度融合，确立“人工智能+制造”为发展核心。

## 制造业升级的战略总攻

2026年2月3日，中国人工智能产业发展联盟第十六次全会在北京召开，会议传递出的核心信息异常清晰：**制造业将成为 AI 赋能的主战场**。工信部明确表示，将全力推进“人工智能+制造”向深层次发展，这标志着我国 AI 产业的发展重心已从单纯的算法研究转向实体经济的深度落地。

## 四维布局破解转型难题

为了支撑这一宏大愿景，工信部在会上详细阐述了四大关键发力点，旨在构建一个自主可控且具国际竞争力的智能化工业体系：

*   **技术攻坚筑牢底座**：首要任务是突破算力芯片与工业大模型等“卡脖子”技术。不同于通用大模型，工业大模型需要对垂直行业的工艺流程有极深理解，这是实现工业智能化的核心根基。
*   **生态优化统一标准**：针对当前工业互联网碎片化的问题，工信部强调“标准先行”。通过强化标准引领和繁荣开源文化，打破数据孤岛，构建一个协同高效的应用生态。

![Google_AI_Studio_2026-02-05T02_40_41.674Z.png](https://static.downly.cn/images/f9934dfff6303c6721c8474ec91a5e3a.png) <center>图源备注：图片由AI生成</center>

*   **国际协同拓展空间**：中国将积极利用联合国、金砖国家等机制，深化全球产业交流。这意味着中国 AI 制造业不仅要满足内需，更要深度融入全球产业链，输出中国方案。
*   **规范治理确保安全**：在追求速度的同时，安全被提到了前所未有的高度。创新安全治理工具，确保 AI 在高风险的工业生产环境中可靠运行，是行业发展的底线。

## 联盟引领下的生态共赢

工信部科技司副司长甘小斌在总结中指出，中国人工智能产业发展联盟应发挥“桥梁”作用。未来的工业竞争是生态的竞争，只有汇聚产学研用的合力，才能在第四次工业革命的浪潮中抢占制高点。随着政策路径的清晰，2026年或将成为中国制造业智能化转型的关键分水岭。

工信部定调2026：制造业成AI主战场，四大举措构建智能化工业体系



> **导语**
> 上海人工智能实验室开源全球最大科学多模态模型，基于MoE架构实现万亿参数与极致算力效率平衡，在AI4S领域确立国际领先地位，并全面开放SAGE架构技术链路。

## 科学计算领域的参数里程碑

全球开源 AI 社区近日迎来了一次重量级的技术刷新。上海人工智能实验室正式发布并开源了 **Intern-S1-Pro**，这是一款参数量达到万亿级别（1T）的科学多模态大模型。

该模型的发布不仅打破了开源社区的参数规模纪录，更标志着国产 AI 在 **AI for Science (AI4S)** 这一前沿赛道上取得了战略性突破。在综合学科评测中，Intern-S1-Pro 展现出了令人惊叹的专业能力，其复杂数理逻辑推理水平已达到奥林匹克竞赛金牌标准。在真实的科研场景下，它能够作为高水平的智能体辅助科学家进行实验设计与数据分析，其实力已稳居全球开源模型的第一梯队。

![Google_AI_Studio_2026-02-05T02_39_23.699Z.png](https://static.downly.cn/images/a85a54b0f905d1efb66a6bc31955bce4.png) <center>图源备注：图片由AI生成</center>

## 混合专家架构与物理直觉

在庞大的参数规模之下，Intern-S1-Pro 的技术内核同样精妙。研发团队采用了先进的 **混合专家架构（MoE）**，虽然总参数量高达1万亿，但通过高效的动态路由机制，模型在处理每一次具体任务时，仅需激活 **220亿（22B）** 参数。这种设计极大地降低了推理成本，实现了超大规模模型在算力效率上的最优解。

为了让 AI 真正理解科学规律，团队还引入了创新的“通专融合”技术架构 SAGE。通过引入傅里叶位置编码并重构时序编码器，模型仿佛拥有了“物理直觉”，能够统一理解从微观粒子信号到宏观物理现象的复杂规律。这一技术突破攻克了超大 MoE 模型训练中常见的稳定性难题，证明了国产团队在底层算法架构上的原创能力。

## 全链路自主可控的生态底座

Intern-S1-Pro 的意义远超模型本身，它是一次从原创架构到国产算力基座的完整技术验证。目前，该模型已在 GitHub 和 HuggingFace 等主流平台全面开源，并提供在线体验服务。

这一举措为全球科研机构和开发者提供了一个开放、共享的高性能基础设施。通过降低顶级科学模型的获取门槛，上海人工智能实验室正在加速构建一个基于国产技术的科研 AI 生态，为未来的科学发现提供源源不断的智能动力。

![Google_AI_Studio_2026-02-05T02_39_28.314Z.png](https://static.downly.cn/images/f3ead6a4fb51a05a89f7d6f330992612.png) <center>图源备注：图片由AI生成</center>

国产开源新高地：万亿参数Intern-S1-Pro发布，数理推理对标奥赛金牌



> **导语**
> 谷歌凭借Gemini 3模型强劲表现实现用户激增，季度内净增1亿月活，同时推出低价订阅与自研芯片Ironwood，正式宣告完成向“AI优先”实体的全面转型。

## 双雄争霸格局下的数据突围

Alphabet 发布的2025年第四季度财报揭示了全球AI版图的最新战况。最引人注目的数据在于谷歌旗下AI聊天机器人 Gemini 的迅猛增长：其月活跃用户数（MAU）已正式突破 **7.5亿** 大关。

相比上一季度，Gemini 在短短三个月内实现了1亿用户的惊人净增长。这一数据不仅大幅甩开了拥有5亿月活的 Meta AI，更在以极快的速度逼近行业领头羊 ChatGPT（2025年底估算月活约为8.1亿）。谷歌 CEO 桑达尔·皮查伊将这一成绩归功于最新发布的 **Gemini 3 模型**，指出其在逻辑深度与交互细腻度上的显著提升，成功赢得了市场的核心用户群。

![Google_AI_Studio_2026-02-05T02_38_20.003Z.png](https://static.downly.cn/images/b4012481b75c8ae399c14a58c4283a17.png) <center>图源备注：图片由AI生成</center>

## 差异化定价与商业化提速

在用户规模迅速扩张的同时，谷歌开始在商业化变现上祭出新招。为了进一步渗透价格敏感型市场，谷歌打破了行业惯例，推出了每月仅需 **7.99美元** 的 Google AI Plus 订阅方案。

这一激进的定价策略旨在通过降低门槛，从竞争对手的高价订阅体系中抢夺市场份额。尽管该计划上线时间较短，尚未对本季度财报产生直接影响，但在财报电话会议中，管理层对其后续拉动付费用户增长的能力表现出极强信心，这被视为谷歌在AI消费端发起的“价格战”信号。

## 基础设施重构支撑万亿帝国

支撑起庞大用户体量与算力需求的，是谷歌在硬件底层的持续加码。为了减少对英伟达GPU的依赖并提升自主可控能力，谷歌正式推出了新一代 TPU AI 加速芯片 **Ironwood**。

Ironwood 的问世不仅优化了 Gemini 模型的推理成本，更标志着谷歌在“算力-模型-应用”全链路闭环上的成熟。得益于 AI 部门的强劲驱动，Alphabet 全年总营收历史上首次突破 **4000亿美元** 里程碑。这一财务数据有力地向华尔街证明，谷歌已不再是一家单纯的搜索广告公司，而是成功转型为以人工智能为核心驱动力的科技巨擘。

![Google_AI_Studio_2026-02-05T02_38_22.681Z.png](https://static.downly.cn/images/96c931fc231cd29ed9aad687ad5bc8b7.png) <center>图源备注：图片由AI生成</center>

谷歌财报详解：Gemini月活破7.5亿逼近OpenAI，年营收首破4000亿美元



> **导语**
> 在全球算力竞赛白热化的背景下，中国本土AI芯片领域再添猛将。成立仅一年的曦望（Sunrise）凭借精准的战略定位，成功斩获30亿元巨额融资，其“避实击虚”锁定推理市场的策略，为国产GPU突围提供了一条新思路。

## 资本豪华天团的重注

在AI算力自主可控的国家战略驱动下，国产GPU初创企业曦望（Sunrise）宣布完成近30亿元人民币融资，一举创下国内AI芯片早期融资规模的新纪录。这份投资名单堪称豪华，集齐了产业资本、头部VC与国家级基金三大势力。

投资方阵容显示出市场对其的高度共识：产业端有三一集团旗下华胥基金、港股上市公司范式智能以及杭州数据集团，确保了落地场景与数据支持；市场化资本则引入了IDG资本、高榕创投等顶级机构；更关键的是，诚通混改基金等国家级资本的入局，直接为曦望的技术路径与战略地位背书。

![Google_AI_Studio_2026-01-23T02_51_47.683Z.png](https://static.downly.cn/images/8c6b26e6b2a27b02370e3955e0b7d990.png) <center>图源备注：图片由AI生成</center>

## 避开锋芒 锁定推理芯片黄金赛道

曦望之所以能迅速崛起，关键在于其务实的战略选择：不与巨头在“训练芯片”红海中硬碰硬，而是聚焦于**AI推理专用GPU**。

随着大模型从“训练热”转向“应用热”，企业对高性价比、低功耗的推理算力需求激增。曦望的GPU架构专为Transformer类模型优化，瞄准了数据中心、边缘服务器及行业AI终端市场。这种“推理优先”的策略，在训练芯片仍被国际巨头垄断的当下，反而切中了国产替代意愿最强、应用场景最丰富的“黄金赛道”。

## 三十亿弹药的主攻方向

据悉，本轮融得的30亿元资金将主要用于三大战略方向。首先是下一代推理GPU芯片的研发，重点提升FP8/INT4等低精度计算效率；其次是构建规模化量产能力，打通从设计到封测的完整供应链；最后是软件生态的共建，包括驱动、编译器及与PyTorch等主流框架的深度适配。

曦望的快速融资标志着中国AI基础设施正从“可用”迈向“好用”的新阶段。在这场关乎算力主权的竞赛中，曦望已手握充足弹药，准备在推理市场发起全力冲刺。

![Google_AI_Studio_2026-01-23T02_52_00.728Z.png](https://static.downly.cn/images/ce6e87206328d0c706d8180a558c7b3f.png) <center>图源备注：图片由AI生成</center>

国产芯片独角兽崛起：曦望获30亿元融资押注AI推理赛道



> 中国AI芯片领域迎来里程碑时刻，摩尔线程MTT S5000显卡成功适配千亿参数大模型DeepSeek V3。这一突破证明了国产硬件在FP8低精度推理技术上的成熟，标志着本土算力生态正从单纯的“可用”迈向商业化“高效”的新阶段。

## 性能实测 数据背后的硬实力

在摩尔线程与硅基流动的联合攻关下，国产GPU MTT S5000在面对DeepSeek V3 671B这一“巨无霸”模型时，交出了一份令人惊喜的答卷。实测数据显示，单卡预填充（Prefill）吞吐量突破4000 tokens/秒，解码（Decode）吞吐量超过1000 tokens/秒。

这一成绩的含金量在于，DeepSeek V3 671B是目前国内开源模型中参数规模最大、推理负载极高的代表。此前，这类任务几乎是英伟达A100或H100等高端显卡的专属领地。此次国产方案的成功跑通，且性能逼近国际主流水平，直接验证了国产硬件在处理超大参数模型时的真实战力。

![Google_AI_Studio_2026-01-22T03_07_45.201Z.png](https://static.downly.cn/images/b44441e21db2e46c2515e3ebb4e6f73d.png) <center>图源备注：图片由AI生成</center>

## 技术解码 FP8低精度的深度优化

此次性能飞跃的核心引擎，在于对FP8（8位浮点）低精度推理技术的深度挖掘。在AI推理场景中，FP8技术能够在极微小地牺牲精度的前提下，大幅提升计算吞吐量，同时显著降低显存占用与功耗。

摩尔线程团队完成了从底层驱动、算子库到推理引擎的全栈调优。这种软硬结合的优化策略，使得MTT S5000能够充分释放硬件加速潜力，有效应对大模型应用中常见的高并发、低延迟挑战。这不仅是一次硬件的胜利，更是国产基础软件栈成熟度的体现。

## 破局意义 供应链安全的备用解

对于金融、政务、能源等对数据安全和供应链稳定性有极高要求的关键行业而言，这一成果提供了一个切实可行的替代方案。它意味着高性能大模型的部署不再被强制绑定在海外高端芯片之上。

尽管在绝对峰值性能和软件生态的丰富度上，国产GPU与国际顶尖产品仍存在客观差距，但在特定高价值场景下，国产方案已具备了“好用”的竞争力。随着这种软硬件协同优化的持续深入，中国AI基础设施的自主可控能力正在加速成型。

![Google_AI_Studio_2026-01-22T03_08_02.709Z.png](https://static.downly.cn/images/4493c48a905cd24f67e66618c5a30bda.png) <center>图源备注：图片由AI生成</center>

国产算力突围 摩尔线程与DeepSeek跑通全栈推理



> 随着生成式AI竞争重心从算法转向算力，Meta正式启动“Meta Compute”基建计划，将在未来十年内部署吉瓦级专用能源与算力设施，旨在构建端到端自主可控的基础设施生态。

## 从算法竞赛到能源军备赛

在生成式AI竞赛已从算法比拼转向算力军备的今天，Meta正以空前力度押注基础设施。继去年承诺“AI基础设施将成为核心竞争优势”后，公司于近日正式启动名为“Meta Compute”的全球性AI基建计划。CEO马克·扎克伯格在Threads上宣布，Meta将在本十年内建设数十吉瓦（GW）的专用能源与算力设施，并着眼长远布局数百吉瓦甚至更高规模的基础设施体系。

作为参照，1吉瓦电力足以支撑约75万户美国家庭用电。而据行业预测，美国AI数据中心总功耗将从当前约5吉瓦飙升至2030年代的50吉瓦。Meta此举意味着其将直接参与这场史无前例的能源与算力争夺战，把电力、芯片、数据中心和网络架构全部纳入战略版图。

![Google_AI_Studio_2026-01-13T02_37_10.279Z.png](https://static.downly.cn/images/14ccfbd862bbfcfcfea23419b4d54ce4.png)
 <center>图源备注：图片由AI生成</center>

## 铁三角掌舵 确保宏大工程落地

为确保这一宏大工程落地，扎克伯格亲自任命三位核心高管组成“铁三角”

*   **技术统筹** Santosh Janardhan（Meta全球基础设施负责人）将主导技术架构、自研芯片（硅计划）、软件栈及全球数据中心与网络的建设与运营。
*   **战略规划** Daniel Gross（前Safe Superintelligence联合创始人，2024年加入Meta）负责长期产能战略、供应链合作、行业分析与商业建模。
*   **政策协同** Dina Powell McCormick（前政府高官，现任Meta总裁兼副董事长）则专责与各国政府协调，推动基础设施的政策支持、投资与融资。

## 构建自主可控的算力主权

这一布局清晰表明，Meta不再满足于租用云服务或依赖外部供应商，而是要构建端到端自主可控的AI基础设施生态。此举也呼应了行业趋势 微软正密集绑定AI基建伙伴，谷歌母公司Alphabet则于2025年12月收购数据中心公司Intersect，科技巨头纷纷将“算力主权”视为未来十年竞争的命脉。

随着Meta Compute计划的启动，AI竞赛的战场已从实验室延伸至电厂、芯片厂和政府谈判桌。谁掌控了能源与算力的底层命脉，谁就可能定义下一代AI的形态与边界。

![Google_AI_Studio_2026-01-13T02_37_12.626Z.png](https://static.downly.cn/images/9057131ad3e03da69d7dbf2e7ec2ba29.png)
 <center>图源备注：图片由AI生成</center>

Meta启动全球算力基建计划 扎克伯格押注能源与芯片自主权



> **导语**
> 密西西比州迎来科技巨头重磅投资，xAI 宣布投入超 200 亿美元建设全新数据中心，计划于 2026 年初投运。此举不仅是马斯克在算力军备竞赛中的关键落子，更显示出生成式 AI 行业对基础设施的渴求已达白热化阶段。

## 巨额注资扩充算力版图

在生成式人工智能浪潮的推动下，基础设施建设已成为科技巨头角逐的核心战场。近日，密西西比州州长泰特・里夫斯正式确认，埃隆・马斯克旗下的人工智能初创公司 xAI 将在该州索斯黑文市进行一项规模空前的投资。该项目涉及资金超过 200 亿美元，旨在建立一座超大规模的数据中心。

这一战略举措直接对标 OpenAI 的 ChatGPT 及 Anthropic 的 Claude 等行业领军者。随着 AI 模型参数量的指数级增长，算力储备已成为决定企业生死的关键要素。xAI 的此次扩张，意在通过物理基础设施的绝对优势，缩短与竞争对手的技术差距，确保其在下一代模型训练中拥有充足的“燃料”。

![Google_AI_Studio_2026-01-10T03_49_12.524Z.png](https://static.downly.cn/images/6723e7b067dd82bdd7e9d641ed38ac33.png)
 <center>图源备注：图片由AI生成</center>

## 选址策略与能源协同

根据官方披露的时间表，这座新数据中心预计将于 2026 年 2 月正式投入运营。在选址逻辑上，马斯克展现了极强的能源战略眼光。新设施将紧邻 xAI 近期收购的一座发电厂，这种“源网荷储”一体化的布局，能够最大程度降低能源传输损耗并确保电力供应的稳定性。

此外，该中心与 xAI 位于田纳西州孟菲斯的现有数据中心在地理上形成联动。孟菲斯基地目前部署了著名的“Colossus”超级计算机集群，被誉为全球规模最大的超算集群之一。马斯克此前曾透露，随着对 MACROHARDRR 数据中心的收购完成，xAI 的总算力峰值有望达到惊人的 2 吉瓦。两大中心的地理临近，将有利于实现算力资源的低延迟调度与协同计算。

## 烧钱竞赛下的基础设施建设

彭博社数据显示，仅在 2025 年的前九个月，xAI 的现金支出就已高达 78 亿美元。这一数字直观地反映了 AI 行业当前的资本密集型特征——初创企业必须在昂贵的高端硬件（如 NVIDIA H100/Blackwell GPU）上投入巨资。

尽管具体的选址细节和投资构成尚未完全公开，但 xAI 的激进扩张策略已然清晰。面对日益增长的市场需求，单纯依靠算法优化已不足以建立护城河，拥有自主可控、规模庞大的物理基础设施，正在成为顶级 AI 玩家的入场券。

搜索结果: 自主可控